稳态卡尔曼滤波优化方法研究

微机电系统(Micro-electromechanical Systems,MEMS)陀螺仪测量精度低、噪声大等不足,亟需对微机电陀螺仪输出信号进行数字滤波处理。针对传统卡尔曼滤波方法在信号处理初期对协方差初始值依赖较大的问题,基于陀螺仪实时输出信号,在线分析数据、辨识误差类型,利用动态性高的时间序列模型描述陀螺仪输出角速度,实时构建陀螺仪信号自回归一阶模型,根据自回归一阶模型分析卡尔曼滤波器协方差、状态预测误差、量测误差等,深入研究稳态卡尔曼滤波实时优化方法,直接计算每一个时刻最优方差和最优卡尔曼增益,使得每一个时刻都可以达到稳态情况下的最优估计,消除传统卡尔曼滤波方法初期对协方差初始值的依赖。采用MPU6050作为微机电陀螺仪测试样机进行了试验验证,结果表明:与传统卡尔曼滤波方法相比,稳态卡尔曼滤波方法在滤波初期输出结果的平均值可提升93.33%,标准差可提升96.87%,实现微机电陀螺仪信号最优估计,满足微机电陀螺仪实时滤波、快速优化的需求。

结合稳态卡尔曼滤波的永磁同步电机滑模观测器

采用滑模观测器进行永磁同步电机的转子位置和转速估计,实现了永磁同步电机的无传感器控制。研究了一种改进的滑模观测器,在传统滑模的基础上加入稳态卡尔曼滤波器,能够快速、有效地减弱抖振。相比于传统的锁相环滤波,稳态卡尔曼滤波器能够获得更高的精度和更快的响应速度,且由于其增益矩阵固定为常数,因此计算量很小。仿真和实验结果表明,结合了稳态卡尔曼滤波的滑模观测器能够获得更干净的反电动势信息,最终的位置观测误差更小。

基于卡尔曼滤波的倒立摆控制系统噪声抑制

在二级倒立摆稳摆控制中,摆杆的角度信号受到测量噪音污染,通过差分获取角速度时,该噪音被放大,导致稳摆控制器的输出产生较大的随机波动,同时电机作为执行器,也混入了较大的过程噪音.这两种噪音使系统出现较强抖动,既不利于摆杆稳定,也缩短了电机寿命.对此,将稳态卡尔曼滤波器与渐消记忆法结合起来,找到了确定稳态卡尔曼滤波器增益矩阵的有效方法,既克服了模型误差,又满足实时性要求,减小了电机抖动,取得了较好的效果.

一种基于改进客观聚类分析的模糊辨识方法

针对模糊辨识中采用迭代和人为决策法确定模糊规则数时易受噪声和人为因素的影响,而导致算法鲁棒性较差和计算量较高的问题,提出一种基于改进客观聚类分析的模糊辨识方法.首先引入并改进了客观聚类分析法,克服了迭代导致的规则数冗余,降低了人为因素对聚类结果的影响,从而减小了计算量并提高了鲁棒性;然后结合模糊聚类和稳态卡尔曼滤波法,分别辨识了前提和结论参数;最后通过Box-Jenkins仿真实例验证了所提方法的有效性.