基于滚动时域估计的高超声速飞行器轨迹跟踪

针对高超声速飞行器高精度轨迹跟踪问题,提出一种将滚动时域估计与交互式多模型算法相结合的强机动目标轨迹跟踪算法。给出了半速度系下的高超声速飞行器滑翔段运动模型及量测模型。利用滚动时域估计方法将状态估计问题转化为有约束的优化问题,并充分考虑飞行器滑翔段物理约束。在此基础上,为应对目标不同机动模式,借助交互式多模型算法思想建立模型集对其进行近似。分别在机动模式不变和机动模式突变的情况下对算法进行了验证。结果表明,新算法采用多个模型并行估计,即时调整模型概率后进行融合输出,能够有效避免目标跟踪模型失配,可显著提高对于高超声速飞行器这类强机动目标的轨迹跟踪精度。

整车主动悬架系统分布式滚动时域一致性估计

考虑整车主动悬架系统的约束状态估计问题,本文提出基于一致性原理的分布式滚动时域估计(DMHE)算法.首先,为了降低状态估计过程中的计算量,将整车主动悬架系统分解为若干降阶子系统.其次,为提高分布式状态估计效果,采用滚动时域估计(MHE)方法处理主动悬架系统的状态和噪声约束.考虑子系统与邻居估计状态的相关性,在采样间隔中执行多次一致性原理实现主动悬架系统状态的信息融合,进一步建立了算法的稳定性充分条件.最后,通过对比仿真实验验证算法的有效性和优越性.

一种滚动时域估计方法在目标跟踪中的应用

针对目标跟踪问题中存在的约束问题 ,拓展模型预测控制 (MPC)的在线滚动优化原理 ,介绍了一种能够将有约束的滤波问题转换为最优状态估计问题的滚动时域估计 (MHE)方法 ,并通过引入一个到达代价 (arrivecost)函数 ,有效地缩减了滤波所需的计算量 ,最后 ,将此方法应用于目标跟踪问题 。

基于多模型与滚动时域估计的机动目标跟踪算法

针对受限于已知物理约束的机动目标,提出了一种目标跟踪算法。针对机动目标的不同运动模式,采用多模型组合的方法进行了近似;针对目标的已知物理约束,采用滚动时域估计方法进行处理,并将其作为状态估计的先验信息来提高估计精度;最终通过设计多模型结构的状态估计演化方程、改进滚动时域估计的误差协方差矩阵更新公式,给出了一种多模型结构与滚动时域估计相结合的机动目标跟踪算法。仿真结果表明:该算法与自适应卡尔曼滤波(AKF)、交互式多模型(IMM)算法相比,可以对具有物理约束的机动目标进行更好的跟踪。

单目视觉系统自运动的滚动时域估计算法

单目视觉系统的自运动估计是计算机视觉领域中的一个关键问题.针对包含有建筑、树木等一般景物特征的应用环境,提出一种单目摄像机位姿估计的滚动时域位姿估计算法.首先分析极线约束方程的不同形式,建立多帧图像闭环之间的时空相关位姿约束,归纳全局最优模型.然后,采用滚动时域方法实现时域窗口内多时刻摄像机位姿的优化估计,实现算法复杂程度和精度的折衷.另外,在室外复杂应用环境下,对常规极约束、冗余极约束和滚动时域冗余极约束这3种位姿估计优化算法进行实验对比,验证该方法的有效性.

基于滚动时域估计的飞行器姿态估计及三轴磁强计在线校正

针对飞行器姿态估计以及三轴磁强计在线校正问题,提出了一种实时滚动时域估计算法.首先,为了解决在卡尔曼滤波框架下系统约束不能显式求解的问题,设计了滚动时域估计滤波算法.该算法将飞行器姿态估计问题转化为优化问题,显式求解四元数归一化性质,缩小搜索空间的同时提高了搜索效率和精度.其次,滤波时域窗内应用高斯-牛顿迭代法求解最优状态估计值,满足了实时性要求.最后,在没有增加系统状态维数的情况下,在线求解了三轴磁强计校正参数,保证了磁强计量测值以矢量形式输入系统.仿真结果表明,由于合理地利用了历史信息,该方法精度较高,且对初始误差、系统误差均不敏感,具有一定鲁棒性.

车速和路面附着系数的滚动时域估计

基于Dugoff轮胎模型建立了车辆的非线性动力学方程,并给出了路面附着系数的约束条件。针对车速和路面附着系数约束的非线性估计,提出了一种基于滚动优化原理的滚动时域估计法(MHE),并给出了MHE法的具体步骤。在不同路面上对MHE法进行了多种工况的实验验证,并在同样条件下与扩展Kalman滤波法进行了比较。实验结果表明,MHE法的估计性能优于扩展Kalman滤波法。

基于极大似然准则与滚动时域估计的自适应UKF算法

针对无迹卡尔曼滤波(unscented Kalman filter,UKF)在系统噪声统计特性未知或不准确的情况下滤波精度降低甚至发散的问题,提出一种基于极大似然准则与滚动时域估计的自适应UKF算法。首先根据极大似然准则构造关于系统噪声统计的估计模型;然后引入滚动时域策略对所提模型进行优化;最后采用序列二次规划方法求取噪声统计的估计值,得到带有噪声统计估计器的自适应UKF。提出的算法可以实现系统噪声统计的在线估计,克服了标准UKF的缺陷。通过惯性导航/全球定位系统(inertial navigation system/global positioning system,INS/GPS)组合导航系统中的应用实例,验证了提出算法的有效性。

具有约束的不确定系统的滚动时域状态估计方法

针对不确定系统的状态估计问题,提出了一种基于滚动优化原理的鲁棒滚动时域状态估计方法。这种方法充分利用了以约束形式出现的关于系统状态和干扰的已知信息,可提高估计的合理性和准确性。文中给出了估计算法及估计误差协方差矩阵的递推公式,并对估计算法的稳定性进行了分析。仿真结果表明该方法能够有效地处理具有约束的不确定系统的状态估计问题。

基于量测补偿的多传感器分布式滚动时域估计

针对网络中单个传感器无法对目标状态完全观测的情况,基于量测补偿策略与滚动时域估计方法,提出了一种分布式估计算法。针对网络中单个传感器量测对状态不完全可观测的情况,令各传感器利用其对完全量测的预测来补偿实际量测;进一步针对传感器网络中所有传感器估计的一致性问题,令各传感器利用本身的量测和邻居传感器的传输信息对状态进行滚动时域估计,并在此基础上构造分布式的滚动时域估计优化问题和设计实施算法。仿真结果表明,在整个传感器网络全局可观测的前提下,该算法可以使得传感器网络中的所有传感器实现对目标状态的完整、准确估计。

基于滚动时域优化的移动舞台机器人位姿估计

为了解决舞台文化发展背景下移动舞台机器人的位姿估计问题,提出了一种基于滚动时域优化的移动舞台机器人位姿估计算法。结合移动舞台机器人的运动学模型和预设的参考位姿,采用PD控制实现了机器人对参考位姿的跟踪,建立了移动舞台机器人闭环误差系统模型。在此基础上,采用滚动时域估计算法实时估计机器人的跟踪误差,该算法在一个固定时域窗口内利用误差系统参数和测量数据进行迭代估计,结合参考位姿实现了对移动舞台机器人位姿的实时估计。以移动舞台机器人进行曲线运动为测试场景,仿真验证了该算法的有效性。

滚动时域估计在三容系统中的应用

为解决处理时域硬约束问题,基于预测控制的滚动优化原理,讨论了一种能用已知约束信息提高估计的合理与准确性的滚动时域估计(MHE:MovingHorizonEstimation)方法,并阐述了滚动时域估计的实用与理论特性。给出了三容系统的仿真结果并与Kalman估计进行了比较,结果表明,MHE方法在处理有约束状态估计方面比卡尔曼滤波方法更有效。

带有UKF滚动时域估计的动力定位控制器

针对随机扰动下船舶的动力定位控制问题,将基于无迹卡尔曼滤波的滚动时域估计与非切换解析模型预测控制相结合提出一种非线性控制器设计方法。应用基于无迹卡尔曼滤波的滚动时域估计结合差分法所得的离散模型设计非线性滤波器,获取系统状态估计值,并采用无迹卡尔曼滤波方法计算到达代价;参照船舶动力学模型,应用非切换解析模型预测控制方法,设计动力定位非线性控制器。将所提出的方法应用于某供应船动力定位控制器的设计。通过仿真验证了所设计的动力定位控制器的有效性。

噪声方差不确定约束系统的滚动时域估计

针对噪声方差不确定的约束系统,讨论了一种鲁棒滚动时域估计(MHE)方法.首先,根据噪声方差不确定模型,找到满足所有不确定性的最小方差上界,在线性矩阵不等式(LMI)框架下求解优化问题,得到近似到达代价的表达形式;然后再融合预测控制的滚动优化原理,把系统的硬约束直接表述在优化问题中,在线优化性能指标,估计出当前时刻系统的状态.仿真时与鲁棒卡尔曼滤波方法进行比较,结果表明了该方法的有效性.

弹性高速飞行器的状态/参数滚动时域估计

针对弹性高速飞行器非线性、不确定性和刚体/弹性耦合的特点,提出了一种基于QR分解和滚动时域估计的状态/参数联合估计方法。首先,通过引入滚动时域策略,将状态/参数估计问题转化为固定变量数目的优化问题,能够较好地处理时变参数的估计问题。然后,利用前向动态规划原理,将到达代价的计算转化为最小二乘问题,并利用QR分解进行求解,从而给出了基于QR分解的到达代价更新方法。这样使得整个滚动时域估计方法都建立在优化的基础上,且引入了反馈机制,提高了估计精度和速度。仿真结果表明:滚动时域估计的精度明显优于扩展卡尔曼滤波,且基于QR分解的到达代价更新方法在速度上优于传统的基于估计误差协方差的到达代价更新方法。

基于滚动时域估计的非线性目标跟踪

实际的雷达跟踪问题大多属于非线性问题,存在着各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法可以有效地处理带约束非线性目标跟踪问题。滚动时域估计通过引入到达代价函数,将非线性跟踪滤波问题转换为带约束的有限时域优化问题,可以有效减少优化问题求解的计算量,能够显著提高状态估计的准确度。针对实际的雷达跟踪问题,仿真结果表明,滚动时域估计能有效地提高非线性目标跟踪的精度。

滚动时域估计中先验估计误差协方差阵的递归算法

对滚动时域状态估计问题中先验估计状态和相应的误差协方差矩阵的计算方法进行了讨论。给出了滚动时域估计中先验状态的估计方法,并导出了与先验滚动估计状态相一致的误差协方差矩阵的递归公式。与其它的滚动时域估计方法相比,本文给出的方法能够提高估计的精确性,具有更好的估计性能。

基于滚动时域估计的带约束运动目标跟踪

针对实际的运动目标跟踪问题中存在的各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法,将跟踪滤波问题转换为带约束的有限时域优化问题,并通过引入到达代价函数,有效减少了优化问题求解所需的计算量。最后,对实际的目标跟踪问题进行了滚动时域估计仿真研究。Monte Carlo仿真结果表明,滚动时域估计能有效提高跟踪精度,并且能在采样周期之内完成求解,满足在线估计的需要。

传感器网络中的分布式滚动时域状态估计

利用分布式滚动时域方法对无线传感器网络的状态估计问题进行研究,给出了基于量化测量值的滚动时域估计算法。在无线传感器网络的环境下处理分布式状态估计问题时,减少通信的成本是非常重要的一个环节,需要将观测值量化后再传送。以往的滚动时域估计方法无法处理量化观测值的状态估计问题,而本文的方法考虑了最严格的观测值量化情况即传感器只发送一个比特至融合中心的状态估计问题。与其它传感器网络中的状态估计方法相比,该方法减少了每一步的计算量。仿真结果验证了该算法的有效性。

基于滚动时域的无人水稻直播机运动状态估计

针对农业机械自动驾驶中非线性车辆模型具有未知干扰输入,以及测量输出不确定等问题,提出一种基于滚动时域的车辆运动状态估计方法(MHE)。将状态估计问题转化为固定时域的优化问题并充分考虑约束条件,从而实现对带约束非线性模型状态的估计。为提高MHE的计算效率并且考虑传感器采样频率不同,以及可能出现测量值缺失或异常,设计出一种多线程运行架构,使MHE更适合实际应用。使用Matlab建立水稻直播机自动驾驶仿真系统,仿真结果表明,MHE算法能有效补偿系统干扰和消除测量噪声,MHE估计出的横纵位置和航向角相比扩展卡尔曼滤波(EKF)估计出的更接近系统真值。使用MHE状态估计算法对水稻直播机无人作业过程中测得的横向偏差与航向角偏差进行估计。结果表明,时域窗口N取3~5时,MHE算法对消除状态的稳态误差和抑制测量值的不平稳性具有良好的效果,同时也能较好地反映状态值的真实变化,证明了MHE算法在补偿系统干扰和消除测量误差方面的优异性。