基于高斯–广义双曲混合分布的非线性卡尔曼滤波

本文研究带非平稳厚尾非高斯量测噪声的非线性系统状态估计问题.考虑到广义双曲分布包含多种常见厚尾分布特例,且其混合分布为共轭的广义逆高斯分布,选用广义双曲分布建模厚尾噪声;进而引入伯努利变量构建高斯–广义双曲混合分布来建模非平稳厚尾噪声,并利用该分布的高斯分层结构得到系统的概率模型.随后采用变分贝叶斯方法实现对系统状态以及噪声参数的后验估计,得到针对此类噪声系统的卡尔曼滤波(Kalman filter,KF)框架,现有的几种鲁棒滤波算法均是本文算法的特例.机器人跟踪仿真实验表明,所提算法与同类算法相比具有更好的估计精度和数值稳定性,且对于初始参数具有较好的鲁棒性.

基于非线性卡尔曼滤波方法的船载储能系统荷电状态估计

全电力船舶的储能系统已成为影响船舶安全稳定航行的关键因素,但目前对于新能源船舶储能系统的荷电状态估计问题鲜有研究。搭建船载锂电池储能系统数学模型,并基于非线性卡尔曼滤波方法,对新能源船舶锂电池储能系统进行荷电状态估计。仿真结果表明,所提出的方法不仅可以准确估计船载锂电池储能系统的剩余能量,而且估计精度较高,有利于延长电池的安全使用寿命,保障新能源船舶满足航行需求,为绿色船舶的智能航行提供了理论参考。

一种新的自适应非线性卡尔曼滤波算法

为避免由于系统噪声统计特性不准确所导致的滤波性能下降问题,改进了一种基于新息的系统噪声方差调整方法,并将其与扩展卡尔曼滤波、Unscented卡尔曼滤波和差分滤波相结合,形成自适应非线性卡尔曼滤波。将此方法应用到非线性测量光电跟踪系统中,并与采用基本非线性卡尔曼滤波进行性能对比。仿真实验结果证明该方法可以实时调整系统噪声方差,有效地避免由于系统噪声统计特性不准确所带来的滤波性能下降的问题,而且其性能明显优于基本非线性卡尔曼滤波。

基于伪线性卡尔曼滤波的多站IRST系统跟踪技术

建立了目标的多站IRST(红外搜索与跟踪)系统的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波算法.算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度.分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行跟踪的仿真结果表明:当探测器数目为3、4时,在跟踪初始阶段,伪线性卡尔曼滤波器在跟踪的速度和精度方面均优于推广卡尔曼滤波器,在稳定阶段,两者的性能基本相仿.当探测器数目为6时,则不论是在跟踪的初始阶段,还是在稳定阶段,伪线性卡尔曼滤波器与推广卡尔曼滤波器的性能基本相同.

基于伪线性卡尔曼滤波的两站红外无源定位及跟踪技术

建立了目标的两站红外搜索与跟踪系统的伪线性观测模型,基于该模型提出了运动目标的伪线性卡尔曼滤波算法.该算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度.分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行定位及跟踪的仿真结果表明:在跟踪初始阶段,伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波.在近距离范围,不论目标是匀速还是机动运动,两者的跟踪精度都非常高.在远距离范围,当目标机动时,伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波;当目标匀速运动时,推广卡尔曼滤波的跟踪精度略优于伪线性卡尔曼滤波.从整个仿真过程可以看出,目标的运动形式对推广卡尔曼滤波性能的影响是非常明显的,而对伪线性卡尔曼滤波性能的影响则很小.

两站基于角度和时差信息的伪线性卡尔曼滤波算法及其改进

建立了两站基于角度(DOA)和时差(TDOA)信息的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波(PLKF)算法。仿真结果表明该算法的稳健性要高于扩展卡尔曼滤波(EKF)算法,当观测误差较小时,PLKF算法的定位精度要高于EKF算法;当观测误差较大时,其定位精度低于EKF算法。对此文中结合两种算法的优点,提出了改进算法,以同时提高算法的定位精度和稳健性。

基于伪线性卡尔曼滤波的智能雷角度跟踪双环算法

基于三维坐标下的伪线性卡尔曼滤波方法,提出一种用于反直升机智能雷的目标角度跟踪双环算法,不仅可以对空间目标进行角度跟踪,还可以对目标的提前方位进行预报,使战斗部做好发射的准备。本文对此算法进行了数值仿真。仿真结果表明,通过对目标的角度跟踪与预测,可用于解决智能雷与直升机弹目交汇的命中问题。

一种蜂窝网中伪线性卡尔曼滤波混合定位算法

提出了蜂窝网中一种基于伪线性卡尔曼滤波的到达时间和到达角(TOA/AOA)混合定位的算法,能够对处于运动状态的用户进行跟踪定位.根据用户运动模型,使用笛卡尔坐标旋转以降低状态变量的维数,在确保跟踪精度的同时又降低了算法的运算量.同时考虑了用户在不同的观测平台间切换时实现连续跟踪的问题,分析和仿真了观测平台自身的定位误差和散射半径对跟踪精度的影响.结果表明算法的精度能够满足E911要求,并与最小二乘算法的定位精度进行了比较.

伪线性卡尔曼滤波在目标被动跟踪中的应用

在对目标进行纯方位跟踪时,伪线性卡尔曼滤波算法是一种有效的跟踪滤波方法,该方法可以很好地对目标运动状态进行估计。通过仿真证明了该方法降低了对模型精度的要求,具有较好的稳定性。

线性卡尔曼滤波算法在磁感应断层成像技术中的仿真研究

目的 :研究在磁感应断层成像(magnetic induction tomography,MIT)中使用多帧连续数据进行图像重建的线性卡尔曼滤波算法。方法:首先,对经典卡尔曼滤波算法进行改造,使其适用于MIT的需要;其次,为了评估线性卡尔曼滤波算法的性能,在仿真模型中对续变化的单个、2个和3个电导率扰动目标进行MIT仿真成像实验,并且绘制多个单元网格的电导率变化曲线。结果:获得了单个、2个和3个电导率扰动目标的重建图像和多个网格单元的电导率变化曲线。重建图像反映出了成像区域内电导率的分布,得到的电导率变化曲线和真实电导率变化曲线在变化趋势上基本一致,但扰动目标的位置在轴向上偏离中心。结论:在MIT中通过线性卡尔曼滤波算法可以有效地进行图像重建,并且有效地追踪电导率的变化,为进一步研究磁感应断层成像序列化图像重建算法打下基础。

一种线性卡尔曼滤波的并网逆变器的自适应准PR控制器

弱电网条件下存在电网频率偏移,使用固定参数的准PR控制器会导致控制性能下降,追踪电网频率并增强锁频环FLL(frequency locked loop)的抗干扰能力尤为重要。为此,提出一种基于线性卡尔曼滤波的并网逆变器自适应准PR控制策略。首先,针对传统锁频环抗干扰能力不足的问题,设计了一种基于线性卡尔曼滤波的锁频环LKF-FLL(linear Kalman filter-frequency locked loop),提高锁频环的抗干扰性。利用设计的LKF-FLL跟踪电网基频,根据时变的电网基频,实时改变准PR控制器的谐振频率以实现自适应跟踪电网基频,从而保证准PR控制器的控制性能,改善并网电流的电能质量。最后,通过仿真实验及实验样机的研制,验证LKF-FLL策略的可行性和优越性。

PMSM线性卡尔曼滤波结合扰动转矩观测器无速度传感器控制

传统扩展卡尔曼滤波算法在线计算量大,对处理芯片的要求高。针对这一问题,设计了一种新型降阶卡尔曼滤波算法,减少调节参数,以简化算法和。另外,为提高传统矢量控制系统动态响应能力及抗负载扰动能力,设计了一种扰动转矩观测器,并结合前馈补偿控制方法对速度环施加前馈补偿。仿真和实验结果表明,提出的新方法能准确估计电机转子位置和转速,并提高负载扰动抑制能力。

GPS定位中非线性卡尔曼滤波研究分析

GPS定位中常采用线性卡尔曼滤波模型,由于线性化模型精度很难满足高精度用户要求。为此,本文介绍了非线性卡尔曼滤波常使用的扩展卡尔曼滤波(EKF)和基于Bancroft算法的两步滤波法,并结合算例进行了比较分析。

非线性卡尔曼滤波方法的实验比较

实际系统中存在的非线性因素和不确定性是实时状态测量以及不确定性估计算法需要解决的重要问题.以机器人系统中典型的动态目标观测问题为背景,采用多飞行机器人实验平台,分别针对EKF、UKF以及基于MIT规则的AUKF方法进行实验研究,并比较了上述方法的计算速度及估计精度等性能.最后,根据实验结果并结合其原理分析了每种方法的特性.

基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测方法

提出了基于加窗线性卡尔曼滤波模型的设备剩余使用寿命预测新方法,明确了应用加窗线性卡尔曼滤波模型进行剩余使用寿命预测的过程。应用试验数据验证了方法的有效性,案例分析结果表明:对于退化指标在前期平稳、后期突变的齿轮箱全寿命试验数据,剩余使用寿命的预测值与实际值在齿轮箱运行的前期相差较大,而在后期则较为相近;通过对退化指标值进行拟合处理,可以明显消除退化指标值波动对剩余使用寿命预测值的影响。

非线性自适应平方根无迹卡尔曼滤波方法研究

针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法——自适应平方根无迹卡尔曼滤波(NASRUKF)方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波(SRUKF)算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。

基于支持向量机和卡尔曼滤波的机械零件剩余寿命预测模型研究

现有机械零件剩余寿命预测模型在建模过程中,无法同时采用已有数据库数据及被预测产品实时退化数据,为了弥补其不足,提出一种支持向量机(SVM)和非线性卡尔曼滤波相结合的机械零件剩余寿命预测模型。根据现有全寿命试验数据训练所得的SVM回归模型,建立非线性卡尔曼滤波状态更新方程,依据机械零件退化特征构造时间更新方程,设定初始剩余寿命值及其方差,通过逐步迭代计算各时刻剩余寿命估计值及一定置信水平的置信区间。该计算模型能够充分利用现有零件与同类零件全寿命试验数据和被预测零件的实时状态退化数据,实现剩余寿命预测。以某型号滚动轴承为例,验证了所提出剩余寿命预测模型的精度、稳定性及工程应用价值。

含有多普勒频率的无迹卡尔曼滤波

针对传统扩展卡尔曼滤波不含多普勒频率和非线性的缺陷,提出一种新的含有多普勒频率的无迹卡尔曼滤波算法。新算法通过推导观测向量与状态向量之间的函数关系,结合无迹卡尔曼滤波思想,使得滤波精度有了明显提高。最后对新老算法进行了仿真对比分析,结果表明,由于新算法在滤波过程中不需要计算系统的雅克比矩阵并且加入了多普勒频率,较传统扩展卡尔曼滤波算法具有更高的精度和良好的跟踪性能。

卡尔曼滤波算法在多传感器融合技术中的应用

为了进一步提高测量精度,针对多传感器融合技术和非线性系统的连续-离散卡尔曼滤波算法的研究,提出了一种综合卡尔曼滤波和数据融合算法的优点相结合的估计技术和算法。仿真结果表明在使用连续-离散卡尔曼滤波方法估计的基础上,进一步采用加权融合算法,可以降低系统测量量的噪声干扰,并明显改善传感器测量参数的估计精度,其算法也是递推算法,可以满足实际应用中的实时性要求。

基于卡尔曼滤波补偿的注采井间连通性反演方法

海上水驱油田开发过程中,基于地质信息和动态资料建立的流线数值模拟过程复杂且存在较大不确定性,动态反演是矿场实践中快速获取注采连通性认识的一种重要方法。基于水电相似原理的阻容模型作为一种经典动态反演方法得到了广泛的应用。然而,研究表明该方法将复杂的注采动态转化为简单的信号处理过程中存在较大不确定性,导致注采连通性认识失真。为更准确地获取注采连通系数,本文提出基于卡尔曼滤波补偿的注采井间连通性反演方法:首先通过卡尔曼滤波算法过滤观测数据中的噪点,降低观测误差;然后通过连通性分段评价和添加补偿因子降低动态快速波动导致的计算误差,提高模型预测稳定性与准确性。应用机理模型证实该改进模型具有准确性,可作为动态反演获取连通性认识的有效方法。