基于观测方程重构滤波算法的锂离子电池荷电状态估计

滤波算法中观测方程的准确性在电池状态评估中起着决定性作用。然而,该文通过试验发现,由于温度、工作电流和荷电状态(SOC)的影响,即使使用精度较高的电池模型,扩展卡尔曼滤波(EKF)算法中观测方程的输出值与实际电压之间仍会存在较大误差,即产生了较大的新息。该文提出一种基于观测方程重组的增强型扩展卡尔曼滤波(E-EKF)算法。该算法的核心思想是利用具有温度、SOC和电流自适应能力的误差修正策略对观测方程进行重组,实现算法中新息的降低,进而提高SOC估计的准确性。使用两种不同温度下的典型工况试验对E-EKF算法的性能进行了验证。试验结果表明,该算法能够适应不同的温度和工况,并具有较高的SOC估计精度。

基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

改进的北方苍鹰算法优化粒子滤波算法

针对标准粒子滤波过程的权值退化和样本贫化问题,提出一种改进的北方苍鹰算法优化粒子滤波算法INGOPF(Improved Northern Goshawk Optimization for Particle Filter)。首先,利用透镜成像学习策略增加种群多样性,在优化初始解的同时增加种群搜索范围,使算法尽可能搜索到潜在的最优解,增加算法的搜索能力。其次,将改进的北方苍鹰位置更新公式用于优化迭代更新,然后将最优最差学习策略与透镜成像学习策略结合,克服算法陷入局部最优和易早熟的情况,提高算法的收敛精度。最后,将INGOPF应用于锂电池的寿命预测。仿真结果表明:与标准粒子滤波以及粒子群算法优化的粒子滤波方法相比,INGOPF有效提升了粒子多样性、系统状态估计精度、滤波稳定性和实际运用能力。

基于改进金枪鱼优化粒子滤波算法的谐波估计

新能源快速发展和电力电子设备不断应用,在推动整个电力系统快速发展的同时,也加重了影响电能质量的谐波污染问题。对谐波的准确估计是有效解决谐波污染的前提,针对目前电力系统的谐波估计精度不高、适用性低、抗干扰性较弱等问题,提出了改进金枪鱼群优化粒子滤波算法(TSO-PF)。首先引入Tent混沌映射初始化粒子种群,使其个体分布更均匀;随后将金枪鱼的螺旋觅食和抛物线觅食两种狩猎行为引入粒子滤波算法中,通过加入高斯扰动因子和水波动态自适应因子改进策略,提升金枪鱼优化算法的寻优能力,并指导粒子向高似然区域移动,提高粒子的多样性;最后对IEEE-14节点系统进行仿真,结果表明,所提的算法具有较好的鲁棒性、精度和抗干扰能力。

三维体声波滤波器芯片电-力-热耦合建模与仿真

为了直接、高效地建模和分析实际复杂的三维(3D)体声波(BAW)滤波器结构电-力-热耦合效应,文章采用一种基于有限元方法的电-力-热耦合算法。首先,建模BAW滤波器的3D几何模型,设置几何结构内部的材料属性以及材料参数。其次,构建基于有限元(FEM)算法的固体力学和静电场耦合的电-力耦合算法。然后,在电-力耦合算法基础之上考虑BAW滤波器内部由于压电材料在工作过程中机械损耗产生的热耗散问题,建立直接求解的电-力-热耦合算法。该电-力-热耦合算法使用COMOSL软件内部的一种新型自主化的画网格技术。最终,得出一个工作带宽在2.27~2.44GHz,带内损耗在3dB以内,带外抑制在-20dB以下的BAW滤波器内部电-力-热耦合仿真结果。

基于α-β滤波算法的目标运动信息滤波与估计

针对目标运动量测信息的特点,通过分析α-β滤波算法,指出该算法常增益的特点影响其对机动目标的跟踪效果。为了克服这个缺点,给出了一种新的目标运动信息滤波和估计的自适应算法,该算法可直接利用构造的函数关系自适应调整α,β的值。仿真结果表明,该自适应α-β滤波算法对目标运动信息的滤波和估计具有较好的性能。

基于多时间尺度双扩展卡尔曼滤波的电池峰值功率估计方法

动力电池是电动汽车的技术瓶颈,其状态的高精度估计一直是行业的技术难点,不准确的状态估计值易造成安全隐患,并加速动力电池系统老化。然而,动力电池每用必衰、时变非线性、环境敏感性等特点导致对其状态的实时精准估计极具挑战性。该文针对锂离子动力电池峰值功率估计的问题,提出基于多时间尺度滑动窗口的双扩展卡尔曼滤波(DEKF)算法,基于峰值功率测试结果更新模型参数库,实现了参数的缓时变估计。评价指标显示,动力电池全寿命、全电量区间内,变温度等条件下的验证结果表明所提算法能够准确估计电池参数和功率状态,电压误差小于40 mV。

基于ASIT-UKF算法的锂电池荷电状态估计

针对无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计锂电池荷电状态(state of charge,SOC)时精度低、稳定性差、产生的sigma点过多导致计算难度大等不足,提出一种基于自适应球形不敏变换方式的无迹卡尔曼滤波(unscented Kalman filter based on adaptive spherical insensitive transformation,ASIT-UKF)算法。该算法通过使用球形不敏变换方式选择权系数以及初始化一元向量对sigma点的产生进行选取。与UKF算法相比,ASIT-UKF算法产生的sigma点减少近50%,使得算法的计算复杂度大大降低。同时,将产生的所有sigma点进行单位球形面上的归一化处理,提高了数值的稳定性。考虑到实际运行中锂电池系统噪声干扰带来的不确定性,加入Sage-Husa自适应滤波器对不确定性噪声的干扰进行实时更新和修正,以达到提高在线锂电池SOC估计精度的目的。最后,将均方根误差和最大绝对误差计算公式引入到性能估计指标中。实验结果表明,ASIT-UKF算法在准确度、鲁棒性和收敛性方面具有优越的性能。

自适应卡尔曼滤波与PSO-GA-BP算法的机器人误差补偿

采用七轴机器人设备夹持激光器的方式对某型号发射筒进行切割开孔加工。在加工过程中,因轨迹精度和绝对定位精度较低,容易对型号产品发射筒产生损伤和误差切割等问题,运用D-H算法建立七轴机器人理想模型,运用正逆运动学数值算法对理想模型进行验证,运用理想模型的理论位姿参数和激光跟踪仪的测量位姿参数基于Sage-Husa自适应卡尔曼滤波求解七轴机器人真实位姿坐标信息,得到理想位姿参数和真实位姿坐标信息的关节误差,然后结合粒子群优化-遗传算法-BP神经网络联合算法对七轴机器人建立误差预测模型,采用七轴机器人理论位姿参数作为输入样本,真实位姿与理论位姿的各关节角度差作为输出样本,通过库卡机器人Workvisual 5.0软件按照模型输出值对七轴机器人的各关节角度值进行补偿。经过仿真实验和加工,各关节误差补偿后的七轴机器人轨迹误差和绝对定位误差减小72%,满足工艺要求。

基于RLS自适应滤波算法的MIMO-OFDM信道估计

对于传统递归最小二乘算法信道估计性能的抗噪声问题,提出一种基于自适应滤波的RLS估计算法。该算法通过在时域内加入自适应滤波器,对信道中的估计结果进行自适应滤波。经过仿真分析,将自适应滤波的RLS算法与传统的RLS算法在误码率(BER)的性能进行比较,得出基于自适应滤波的RLS算法是一种高精度抗噪声的信道估计算法。将系统的输入含有噪声的信号进行自适应滤波,得到输出信号波形,与输入信号波形进行对比,来验证自适应滤波对噪声抑制作用。

基于自适应α-β滤波算法的机动目标跟踪方法

机动目标跟踪技术广泛应用在民间和军事领域,而α-β算法作为卡尔曼滤波算法的经典扩展之一,广泛应用在实际工程中。然而经典α-β算法无法有效地完成对机动目标的跟踪,为此,本文提出一种自适应滤波算法,能够实时检测机动目标的运动情况,自适应地调整目标运动模型,从而完成对机动目标的跟踪。仿真实验表明,该滤波算法具有更好的目标跟踪性能和准确度。

联邦滤波算法与Gauss-Markov估计的统一性分析

从矩阵论和数理统计理论的角度,阐述了联邦滤波与Gauss-Markov估计的内在联系,论证了联邦全局最优滤波与Gauss-Markov估计的统一性。推导了基于Gauss-Markov估计的联邦滤波信息融合算法,并与最小二乘估计的信息融合算法以及集中卡尔曼滤波算法在舰载组合导航系统中应用进行了对比。仿真结果表明,基于Gauss-Markov估计的联邦滤波信息融合算法与集中式卡尔曼滤波的精度相当,两者的估计精度均高于最小二乘估计,前者具有全局最优性。

基于连续-离散容积信息滤波的发电机状态估计方法

针对机电暂态过程中发电机动态状态难以精确估计问题,提出一种基于连续-离散容积信息滤波的动态状态估计方法。首先建立能准确刻画发电机实际运行动态的连续-离散状态估计模型,然后利用1.5阶泰勒展开将随机微分方程转换为随机差分方程并根据三阶球半径容积规则对状态预测值进行精确计算,最后利用测量值对预测状态进行修正得到精确状态估计值。四机两区发电机系统的仿真结果表明,相较于传统发电机状态估计方法,文中方法不仅具有更高的估计精度、更强的鲁棒性和可接受的计算开销,而且具有易扩展于分布式电力系统状态估计的灵活性。

基于扩展卡尔曼滤波算法的港口智能无人内集卡状态估计研究

为了保证港口智能无人内集卡行驶安全和作业效率,使用Trucksim软件模拟货车的运行条件,同时采用Simulink软件建立魔术轮胎模型并设计扩展卡尔曼滤波算法,对智能无人内集卡的纵向车速、横摆角速度和质心侧偏角进行估计。在典型工况下对比实际输出参数与估计参数,结果验证了算法的准确性与实时性,可为智能无人内集卡行驶状态参数估计研究提供技术指导。

基于高斯-牛顿四元数描述符滤波器的姿态估计算法

姿态解算是进行导航解算的基础,姿态的估计精度会直接影响最终的导航精度,在惯性行人导航中,足部的运动加速度变化剧烈,导致常见的姿态估计算法精度下降,针对这一问题,本文提出了一种改进型四元数描述符滤波器。算法采用高斯-牛顿迭代法对姿态四元数和载体运动加速度进行估计,取代了原四元数描述符滤波器中的加权最小二乘法,避免了计算加权矩阵及其求逆运算。该算法通过简化量测方程,减小状态量和状态转移矩阵的维数,使结构更加简单,运算量更小,经过实验验证,算法在计算机上运行的时间开销减小31.3%。由于该算法保留了非线性项,避免了运动加速度噪声干扰,使得姿态解算精度提高了12%。在行人导航系统中对该算法的有效性进行了实验验证。

分数阶扩展卡尔曼滤波算法的锂电池SOC估算

由于锂离子电池的SOC(state of charge)不能直接被测得,目前只能通过电池外部输出特性对其进行估算。以磷酸铁锂电池为研究对象,考虑到电池各种复杂的非线性特征,分析了电池的电化学阻抗特性,采用恒相位元件(CPE)对传统的等效电路模型进行改进,建立了分数阶(fractional order)等效电路模型;联合遗传算法和混合脉冲动力试验对分数阶等效电路模型的参数进行离线识别;基于扩展卡尔曼滤波算法,建立了分数阶扩展卡尔曼滤波算法(fractional order extended Kalman Filter)的锂电池SOC估算模型;根据动态应力试验DST(dynamic stress test)工况设计制定了锂电池充放电方案,在环境温度25℃条件下,实时采集电池电流及电压数据,将采集所得数据输入到Matlab建立的模型中,对目标电池进行SOC估算。仿真结果表明:与二阶戴维南电路模型SOC仿真结果相比,基于FEKF算法的SOC估算结果具有更高的精度且波动性更小,误差均小于0.72%,均方根误差仅为0.24%。

基于极大后验估计和指数加权的自适应UKF滤波算法

针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器;接着在此基础之上,采用指数加权的方法,给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析.相比于传统UKF,该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛,滤波精度及稳定性显著提高,而且其具有应对噪声变化的自适应能力.仿真实例验证了其有效性.

自适应混合滤波算法在微型飞行器姿态估计中的应用

针对低成本惯性测量单元(IMU)存在漂移和噪声干扰等问题,提出了一种具有自适应参数调节的混合滤波算法。采用四元数法进行系统模型的描述,用梯度下降法对加速度计测得的数据进行处理,再通过互补滤波器将其与陀螺仪测量值进行融合,形成混合滤波算法。同时,考虑到飞行姿态的复杂性,进行参数λ的自适应调节,因而改进后的混合滤波算法,能保证各种飞行姿态变化情况下实时姿态的最优估算。实际系统在线实时性能测试表明,提出的算法简单,估计精度高,易于在嵌入式系统中实现,具有较高推广应用价值。

一种融合UKF和EKF的粒子滤波状态估计算法

在扩展卡尔曼滤波算法(extended Kalman filter,EKF)和不敏卡尔曼滤波算法(unscented Kalmanfilter,UKF)的基础上,提出一种基于融合的粒子滤波算法(fusion based particle filter,FPF)。该算法首先利用EKF与UKF分别预测粒子状态,然后通过融合算法得到粒子的重要性建议分布,实现粒子状态更新。因为充分利用了量测信息,因而能有效提高状态估计精度。仿真中通过实例将该算法与已有的粒子滤波(particle filter,PF)算法进行比较,结果表明该算法各方面性能都有较大改进。

电力系统超高速保护的形态学-小波综合滤波算法

提出了一种用于电力系统超高速保护的形态学-小波综合滤波算法。该算法着力解决暂态行波中滤除随机噪声和脉冲噪声的困难,利用数学形态学设计的前置滤波单元在有效抑制各种噪声的同时,较好地保持了行波波头的基本形状。小波变换算子则可有效地检测出行波波头并进行精确定位,从而为各种行波保护或暂态保护提供可靠的判据。ATP 仿真结果验证了本算法的有效性。同时,该形态学-小波综合算法的计算量较单一的低通滤波器和多尺度小波变换的计算量小,有利于工程实现。