一种减小线性化误差的滤波跟踪算法

针对雷达目标跟踪数据滤波过程中,不同坐标系下测量数据处理引入量测误差的问题,提出通过估算非线性量测下扩展卡尔曼滤波算法的量测误差,再进行量测误差的有效修正,最后给出了1种减小线性化误差的滤波方程。通过对该滤波算法的仿真验证,该滤波算法增加了与距离有关的修正项,可实时对观测误差协方差矩阵进行计算,抵消了线性化误差的影响,可有效改进扩展卡尔曼滤波效果,并在很大程度上减小了雷达对目标的跟踪误差,提高了跟踪精度。

基于线性化误差模型的自适应控制系统设计

针对实际工业生产过程中的非线性、时变不确定性,提出了一种基于线性化误差模型的自适应控制系统.首先为非线性过程建立一个由ARX模型与基于神经模糊系统的线性化误差模型组成的合成模型,然后引入单神经元控制器,利用线性ARX模型输出和系统输出值之间的误差,以及被控制过程合成模型的梯度信息,对控制器参数进行在线调节,从而获得较好的控制结果.仿真实验结果表明,与PID控制器相比,基于线性化误差模型的自适应控制器具有更快的响应速度.

融合多源数据的局部重力场建模中线性化误差的研究

引入高阶重力场模型作为参考场,削弱局部重力场逼近中线性化误差的影响。以实测的陆地重力异常、船载重力异常及航空重力扰动为基础数据,基于泊松小波径向基函数分析不同参考场对局部重力场逼近的影响。结果表明,引入高阶全球重力场模型代替GRS80参考椭球正常场作为参考场,能更为准确地逼近真实的重力场,有效削弱线性化误差的影响。相比于基于GRS80正常场构建的似大地水准面模型,基于DGM1S重力场模型为参考场构建的似大地水准面的精度,在地形起伏较大的德国、英国及挪威区域分别提高了1.5mm、3.3mm和9.0mm。

线性化误差对于UWB系统定位精度影响分析

针对目前常用的超宽带算法,扩展卡尔曼滤波(EKF)在解算过程中产生的线性化误差,对定位结果产生影响,而无损卡尔曼滤波(UKF)算法可以不进行线性化过程进行解算,避免误差的产生。文中首先对UWB定位系统线性化误差进行分析,在此基础上提出UKF和TDOA相结合的定位模型,通过实验比较两种算法的定位精度。实验结果表明UKF算法定位结果相比于EKF算法在U方向上有明显提升,误差稳定在10 cm之内。同时,通过改变初始坐标偏差,来进一步比较两种算法的定位效果,结果表明,初始偏差设置为0.5 m时,UKF算法比EKF算法U方向精度提升15%;初始偏差设置为1 m时,UKF算法U方向精度提升60%以上;初始偏差设置为5 m和10 m时,UKF算法U方向精度提升可以达到90%。EKF算法会产生不可忽略的线性化误差且误差会随着初始偏差增大而增大,UKF算法则可以保持较好的定位精度和稳定性。

基于高度角加权的伪卫星定位线性化误差评估方法

与其他基于测距进行定位解算的导航系统(如GPS)一样,伪卫星定位系统观测模型在本质上是非线性的,对观测模型进行线性化对于大部分定位算法是一个必不可少的过程,而与GPS等卫星导航系统不同的是,伪卫星距离用户较近,其模型线性化时产生的误差不能被忽略,否则会导致定位解算可能无法正确收敛。针对此问题,本文精确地给出了线性化误差的边界值,并提出了判别线性化误差对定位精度影响的简化方法,根据此方法分析了不同伪卫星的星座布局对伪卫星系统线性化误差的影响。通过仿真对所提出的伪卫星的线性化误差评估的方法进行了验证。结果表明,当伪卫星系统满足判定条件时,迭代结果一定会收敛,而不满足时,则不一定收敛。

电火花线切割加工中上下异型体轨迹合成的同步线性化

具有 4轴以上联动功能的线切割机能加工上下异型的直纹曲面 ,等步长的直线逼近法被普遍用来实现上下异型体中对应曲线间的同步线性化 ,这种简易的逼近方法使数控加工代码变得冗长。针对这一问题 ,提出了轨迹合成中的等误差直线逼近法 。

神经网络和遗传算法相结合实现非线性传感特性的线性化

对测量系统非线性传感特性的线性化常用最小二乘回归、几何逼近或一次近似的方法 ,易引入较大的非线性误差 ,为此 ,提出了利用神经网络和遗传算法相结合实现非线性传感特性线性化的方法 ,该方法将测量系统的非线性模型改造成为与实际物理过程相一致的不失真的线性模型 ,从而减小非线性误差 .通过应用实验 。

光电跟踪目标的非线性滤波算法研究

推广卡尔曼滤波算法由于忽略线性化误差,当目标距离超过一定限度时,导致跟踪精度迅速下降,易发散。为此,提出了一种以改进跟踪性能的滤波算法。该算法是基于对实际测量噪声方差的正确估计。将距离测量值的非线性作为附加的噪声,进行补偿,克服了非线性的影响,距离测量误差的方差每一步重新估计。仿真结果表明本文提出的算法优于推广卡尔曼滤波算法。

一种精确跟踪目标的非线性滤波算法

论文分析了当目标距离或雷达极角量测误差超过一定限度时 ,扩展卡尔曼滤波器跟踪精度迅速下降的原因 ,并在精确计算线性化误差及实际量测误差的基础上提出一种补偿线性化误差的跟踪滤波算法 (PTLKF) .计算机仿真结果表明 ,论文提出的算法有效地减小了线性化误差的影响 。

SINS误差参数辨识中环境函数矩阵计算的一种新方法

文中针对SINS误差模型车载验证试验方案研究中遇到的问题,首先深入分析了环境函数矩阵的两种不同类型的求解方法。然后在此基础上提出一种新的环境函数矩阵的求解方法。从理论上和仿真结果上分别说明了新的环境函数矩阵计算方法能有效地降低误差分离模型中的线性化误差。

光电目标跟踪中非线性卡尔曼噪声滤波算法的应用研究

在非线性、非高斯噪声下对机动目标跟踪时,传统的卡尔曼滤波算法及其扩展型算法会使测量系统出现滤波精度下降、易发散等缺点。为了更好地解决系统非线性的问题,提高对机动目标的跟踪测量精度,本文提出了一种光电目标跟踪的改进型扩展卡尔曼滤波算法。该算法增加了相应的线性化误差补偿。仿真结果表明,改进型的扩展卡尔曼滤波算法可以有效补偿线性化误差,并且改进后的滤波性能要好于原滤波器。

基于联合粒子滤波的系统误差修正方法

在非线性滤波系统中,线性化误差和系统误差是影响滤波精度的两个主要因素.提出联合粒子滤波方法,在减少线性化误差的同时,能够实时估计系统误差的大小并自适应地消除其影响.说话人跟踪仿真实验结果验证了此方法的有效性.

电力系统实时运行状态的估计和预报

本文用自适应预报方法设计了动态估计器,对电力系统实时运行状态进行估计和预报,并应用稀疏矩阵技术和迭代Kalman滤波方法实现动态状态估计算法,在几个系统上验证了该算法的正确性和有效性。

尺度Unscented变换在同时定位与地图创建算法中的应用研究

同时定位与地图创建(SLAM)问题中运动及观测模型都是非线性的,当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化,由此带来的线性化误差影响了算法的一致性。本文将scaled unscented变换(scaled unscented transformation,SUT)以两种不同的方式运用到SLAM算法中,一是将整个状态方程进行SUT变换,用UKF完全代替EKF进行状态估计;二是只对状态向量中的机器人位姿进行SUT变换,地图特征的预测及整个状态的更新还是用EKF处理,以一种混合的方式进行状态估计。最后通过大量的Monte-Carlo仿真实验表明,两种方法都能有效地降低EKF的线性化误差,且第二种方法计算效率更高。

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。

一种基于电磁驱动的非圆异形孔加工方法

为了对镗杆施加径向可控随动作用力．在镗床主轴与镗杆之间设置一个柔性铰链变形机构(转子)，而在其外围设置一个多磁极加力机构(定子)，两者形成一个回转式电磁微位移驱动机构．定子与转子之间的作用力取决于定子线圈中的控制电流，改变控制电流可以改变转子与定子之间的作用力，实现转子相对于定子的径向微位移．通过对电磁驱动力的数值建模，提出了实现电磁驱动机构同步驱动的控制方法；通过对电磁驱动力线性化误差进行分析，给出了电磁驱动器关键参数的设计方法．在正常工作范围内，电磁驱动器微位移与控制电流之间具有较好的线性关系．模拟试验表明，通过改变控制电流的大小，转子(镗杆)中心的回转半径随之变化，从而带动镗杆在径向上做精密微位移．

一种用于雷达量测的滤波算法

在雷达跟踪系统中 ,广泛使用混合坐标系下扩展卡尔曼滤波器 (EKF)和转换卡尔曼滤波器 (CMKF)两种算法。但是当目标距离较远时 ,这两种滤波器由于量测方程非线性的影响 ,误差较大 ,甚至导致滤波发散。本文计算了传统 EKF滤波器引入的线性化误差 ,并在此基础上提出一种新的滤波算法 (NDRKF)。计算机仿真结果表明 ,该算法减小了线性化误差的影响 ,较明显地改善了滤波器的性能。

地形辅助导航系统的自适应滤波方法

本文将自适应滤波技术应用于地形辅助导航系统,提出了一种新的导航误差修正滤波方法,数字仿真结果进一步证实了此方法的有效性。

基于多次测量更新的移动机器人SLAM仿真

针对移动机器人同时定位与地图构建(SLAM)技术中,非线性系统进行线性化处理所产生的线性化误差问题,从费切尔信息角度分析,提出多次测量更新算法。该算法利用滤波中预测和各次更新阶段状态向量的费切尔信息加权关系,解算每次测量更新后的状态估计,通过多次将更接近于真实状态的估计值融入观测信息,可得到较高精度的后验状态估计,降低线性化误差的同时提高了机器人定位与构图准确性。实验部分实现多次测量更新与一次测量更新算法的仿真与对比,结果表明:所提算法能有效降低机器人位姿误差和地图估计误差。

基于最小二乘法的GNSS伪距测量定位

为解决GNSS导航定位精度误差增大的问题,提出一种基于最小二乘法的GNSS伪距测量定位模型。通过最小二乘法对导航解进行迭代校正,采用五卫星的ECI坐标系的目标位置求解来进行仿真验证。仿真结果表明:通过定位模型解算出的定位位置精度误差可达10^(-1) m,速度精度误差可达10^(-2) m/s,能够满足定位精度。同时,通过使用该模型可以解决定位误差增大的问题。