捷联惯导初始对准的超球体采样SRUKF算法

平淡卡尔曼滤波(UKF)在捷联惯导系统静基座大方位失准角初始对准中计算量大,且滤波数值不稳定.针对这一问题,该文将超球体采样策略与平方根UKF(SRUKF)算法相结合,提出一种改进的SRUKF算法.该算法在保证其滤波精度和UKF算法相当的前提下,通过引入超球体采样减少了采样点数,提高了计算速度.并以协方差阵的平方根矩阵代替协方差阵参加递推运算,减少了计算机舍入误差,提高了滤波数值稳定性.仿真结果表明,该算法在保证初始对准滤波精度的前提下降低了计算量,提高了滤波性能.

SINS静基座初始对准的超球体采样STFUKF算法

初始对准是实现惯性导航高精度的一项关键技术。无迹滤波(UKF)在SINS系统静基座大方位失准角初始对准中计算量大,在不精确或错误的噪声统计情况下,收敛速度变慢,估计精度下降,甚至滤波发散。针对这一问题,将超球体采样与强跟踪无迹滤波(STFUKF)算法相结合,提高了运算速度和对准精度。利用SINS的非线性误差模型,通过数字仿真将卡尔曼滤波、UKF和STFUKF的性能进行比较,证明该方法具有精度高、抗干扰性好、跟踪能力强的特点。

动中通多传感器融合超球体采样UKF姿态估计

针对动中通系统低成本姿态估计计算复杂、易受侧滑角和机动加速度等外界因素干扰的问题,提出一种基于超球体采样无迹卡尔曼滤波算法,融合微机械陀螺、加速度计和单基线GPS,对载体姿态进行精确估计。为了提高姿态估计的实时性,采用超球体采样减少无迹卡尔曼滤波器的采样点数量,在不影响精度的前提下,有效降低了算法的计算量;此外,加速度计姿态角测量值在加速、转弯行驶过程中会受到机动加速度的影响,为解决这一问题,通过单基线GPS提供的速度、侧滑角信息进行机动加速度补偿。行车实验表明,提出的低成本姿态估计方法估计精度较高,在降低成本的同时能够满足宽带移动卫星通信波束对准要求。

基于超球体单形采样的BS-UKF算法在单站无源目标跟踪中的应用

根据单站无源目标定位跟踪模型,提出了一种基于超球体采样策略的BS-UKF(backward-smoothing unscent-ed Kalman filter)算法,并将其应用于单站无源目标跟踪。仿真分析表明,与标准比例采样的UKF(unscented kalmanfilter)和基于超球体单形采样的UKF相比,该算法在滤波精度上有显著的提高,在时间复杂度上有一定的增加,适合用于对定位精度要求较高的情况。

EIV模型参数求解的超球体单行采样法

EIV模型实际上是一种非线性模型,其参数估值是有偏的。引入可以使参数解达到二阶精度的超球体单行采样法,通过特定的采样策略近似非线性函数的概率密度分布,无需计算非线性函数的Jacobi矩阵和Hessen矩阵。在一定程度上降低了求非线性函数达到二阶精度的参数解的难度。通过算例表明,该方法可以得到比TLS迭代方法更为合理的结果,验证了本文方法的可行性和有效性。

SINS初始对准中的鲁棒超球体无迹卡尔曼滤波方法

捷联惯导初始对准大失准角系统误差模型中,当噪声具有不确定统计特性时,基于白噪声假设的无迹卡尔曼滤波算法鲁棒性较差。针对该问题,提出了一种基于H理论的鲁棒超球体无迹卡尔曼滤波算法。给出了计算量小的超球体采样策略,推导了H滤波的鲁棒机理,分离了鲁棒环节。将鲁棒环节引入超球体无迹卡尔曼滤波算法,得到鲁棒超球体无迹卡尔曼滤波算法,并分别在系统噪声和量测噪声为白噪声和有色噪声的条件下,对超球体无迹卡尔曼滤波和鲁棒超球体无迹卡尔曼滤波两种滤波方法进行了仿真实验。仿真结果表明,鲁棒超球体无迹卡尔曼滤波在白噪声情况下虽然精度有所降低,但是相对超球体无迹卡尔曼滤波具有了对有色噪声的鲁棒性,较超球体无迹卡尔曼滤波方法更适用于天向失准角为大角度并且噪声特性为有色噪声的情况。

超球体平方根平淡卡尔曼滤波及其应用

针对平淡卡尔曼滤波在捷联惯导大方位失准角下的初始对准中容易出现滤波数值不稳定以及计算量大的问题,提出了超球体平方根平淡卡尔曼滤波算法。该方法采用超球体分布采样点变换方法减少采样点数的求取,降低了算法的计算量;通过结合平方根滤波有效地克服了平淡卡尔曼滤波算法滤波数值不稳定的问题。仿真结果表明:该算法在保证初始对准滤波精度的前提下减小了计算量,提高了滤波效率。

基于加性超球体平方根UKF算法的无人机姿态确定

针对无迹卡尔曼滤波（UKF）计算量大的问题，提出一种加性超球体平方根UKF算法，即ASSRUKF算法。该算法通过引入加性非扩展形式减少状态维数，并采用超球体单形采样减少采样点的数量，有效降低了算法计算量；同时采用协方差阵的平方根代替协方差阵参加递推运算，以提高滤波算法的计算效率和数值稳定性。建立了加性噪声下基于微机械惯性测量单元和磁强计的无人机姿态模型，并采用ASSRUKF算法进行姿态估计。仿真结果表明，本算法的精度与UKF相当，而执行时间仅为UKF的36．8％，有效降低了算法的计算复杂度。

基于超球体UKF径向基神经网络的抽油机故障诊断研究

针对抽油机运行过程中具有强耦合、多变量、参数时变等特征,传统神经网络难以建立准确有效的故障诊断模型,本文提出一种基于超球体无迹卡尔曼滤波的径向基神经网络算法(AUKFRBF)。算法利用UKF优化RBF神经网络隐含层到输出层权值、隐含层节点的中心及宽度,建立UKF-RBF故障诊断模型,利用超球体无迹变换构造简单、误差更小等优点,对每个集合成员进行无迹变换得到Sigma点集,缩短了故障诊断时间。将该方法应用到抽油机故障诊断中,实验结果表明了算法的有效性。

简化超球体SRUKF的GPS/MIMU组合姿态估计

针对加速度计、磁强计易受机动加速度和周围环境影响的问题,提出了一种单基线GPS/MIMU组合姿态估计方法。该方法利用单基线GPS天线代替磁强计提供航向信息,并利用GPS的速度信息对加速度计输出的机动加速度分量进行补偿,构成单基线GPS/MIMU组合姿态确定单元。同时考虑实时性要求,在SRUKF的基础上,引入加性非扩展形式和超球体单形采样,提出了简化超球体平方根UKF算法,通过减少状态维数和采样点的数量,降低算法计算量。建立加性噪声下的单基线GPS/MIMU姿态模型,并采用简化超球体平方根UKF算法进行姿态估计。实验结果表明,单基线GPS的速度信息可以有效提高加速度计对水平倾角的确定精度,姿态估计算法收敛后的最大误差小于0.8°,估计精度与UKF相当,且执行时间仅是UKF的42%。

基于UKF的单站无源定位改进算法

针对在单站无源定位中UKF算法由于数值计算的舍入误差带来的滤波发散以及计算量较大问题,文中提出了一种采用奇异值分解和超球体采样的UKF滤波算法。该算法将标准UKF算法中的协方差矩阵进行奇异值分解,避免算法在递推过程中,由于计算舍入误差而引起协方差矩阵失去正定性,而导致算法失效的问题。并且新算法采用超球体采样策略,减小了采样点的数量,提高了计算效率。仿真实验结果证明了该算法的有效性。

基于改进型平方根UKF算法的永磁同步电机状态估计

针对永磁同步电机驱动系统的状态估计问题,提出一种改进型平方根UKF(SRUKF)的状态估计算法。为避免增加sigma点带来的计算量大问题,依据UT变换理论,采用超球体单形采样方法,使得sigma点的数量减少,从而在与SRUKF算法估计精度相当的情况下,计算量大大减少。考虑系统的非线性,采用SRUKF估计方法研究系统的状态估计问题,避免了扩展卡尔曼滤波(EKF)产生的线性化误差。同时在滤波过程中采用Cholesky和QR分解,以协方差平方根阵代替协方差阵参加迭代运算,有效地避免了滤波器的发散,提高了滤波算法的收敛速度和稳定性。仿真表明,与EKF、SRUKF估计方法相比,该方法能减少估计过程中的计算量,提高估计精度。

基于改进UKF的小卫星磁测定轨方法

针对小卫星设计简单、功耗低的特点,提出一种利用三轴磁强计测量信息实现卫星磁测自主定轨的方法。为了提高自主定轨的计算效率,采用基于球体单形ε点采样的改进UKF(Unscented Kalman Filter)作为处理自主定轨的滤波算法。最后对这种定轨方法进行了仿真试验,结果表明,该滤波算法能有效保证收敛的速度和定轨精度。

面向制导律设计的目标信息估计方法研究

针对制导律对目标信息的需求问题,利用超球体单形sigma采样平方根UKF滤波方法估计出弹目相对运动信息,提高了制导精度。首先基于变结构控制方法设计了滑模制导律,其次,针对制导信息的需求,建立了超球体单形sigma采样平方根UKF滤波系统,该滤波方法在处理弹目非线性关系时,采用对非线性函数的概率分布进行近似而不是对非线性函数进行近似,在估计弹目状态信息时比扩展卡尔曼滤波更加精确,并且保证了数值的稳定性。最后通过数学仿真,不仅验证了该滤波算法的有效性,而且提高了对大机动目标的制导精度。

基于超球体平方根无迹Kalman滤波算法的涡扇发动机气路部件故障诊断

研究了一种超球体平方根无迹Kalman滤波算法用来有效跟踪涡扇发动机气路部件发生渐变性和突变性故障的健康参数.该算法通过超球体单形采样来降低算法的计算量,采用测量残差协方差阵的平方根代替方差阵进行递推运算,提高了算法的计算效率和数值稳定性.分别采用扩展Kalman滤波算法、无迹Kalman滤波算法和超球体平方根无迹Kalman滤波算法对某型涡扇发动机进行仿真,结果表明:超球体平方根无迹Kalman滤波算法的滤波时间减少50%左右,能够实现渐变性和突变性故障中健康参数的准确估计,是一种有效的涡扇发动机气路部件参数估计和故障诊断方法.

Monaco治疗计划系统中量化并构建电离室有效点计算模型

目的蒙卡剂量计算中的统计噪声会影响有效点剂量测量的精度。采用用户定义的球体积替代有效点，围绕有效点进行球体取样可降低随机误差提高剂量统计精度。方法将0．125cm。电离室（IC）放置在圆柱型均匀模体的中心分别在0。和90。进行直接剂量测量。在扫描的cT体模系列中，勾画Ic敏感体积长度，将等中心点定义为模拟有效点。根据测量模式在治疗计划系统中模拟所有射野，采用2 mm体素计算网格间距要求相对标准偏差≤0．5％。在不同的采样球半径（2．5、2．0、1．5、1．0 mm）下对3种不同电子密度（ED）IC模型（模型A食管腔电子密度0．210 g,／cm^3、模型B空气电子密度0．001 g／cm^3和模型C默认cT电子密度）计算值与测量值进行比较，确定MC计算统计不确定度对剂量精度影响。结果在Monaco计划系统中对Ic使用模型A且取样球半径为1．5 mm时，计算统计值与测量值的绝对平均偏差最小为0．49％。当IC使用模型B和模型c时。推荐统计采样球半径为2．5 mm，绝对平均偏差分别为0．61％和0．70％。结论在Monaco治疗计划中，对31010电离室的有效点测量模型推荐使用电子密度为0．210 g／cm^3和取样半径为1．5 mm球体积替代有效点剂量测量以减小蒙卡随机统计误差。

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归(GPR)的改进平方根无迹卡尔曼滤波(UKF)方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波(EKF)和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.