自适应扩展卡尔曼滤波器在移动机器人定位中的应用

针对移动机器人定位过程中存在的误差积累问题,提出了采用自适应扩展卡尔曼滤波算法(AEKF).分析了扩展卡尔曼滤波(EKF)和AEKF两种算法,AEKF取采样时刻的各项泰勒级数,并利用Sage-Husa时变噪声估计器实时估计观测噪声,克服了线性化误差,增强了环境适应性;同时,对AEKF的收敛性及运算复杂度进行分析,并结合算法实验表明AEKF具有良好的速度精度综合性价比;最后对比分析两种算法实现机器人定位的效果并实验完成误差对比.结果表明AEKF具有更优的定位性能.

基于模糊自适应扩展卡尔曼滤波器的锂电池SOC估算方法

精确的锂电池荷电状态(SOC)在线估算可以有效地延长电池使用寿命,提高电池的安全性,对于电动汽车电池管理系统(BMS)而言至关重要。针对自适应扩展卡尔曼滤波(AEKF)算法运行初期收敛速度缓慢问题,该文提出模糊AEKF(FAEKF)算法可以改善收敛速度。以NCR18650B型三元锂电池的实际端电压与预测端电压差值的绝对值及其变化率作为模糊输入,以卡尔曼滤波器的系统测量噪声R作为模糊输出,通过对R进行模糊控制来调节算法在迭代过程中的增益K,进而实现收敛速度的模糊调节。实验结果表明,在0.5C倍率恒流放电工况和动态应力测试工况(DST)条件下,改进的算法相比于扩展卡尔曼(EKF)和AEKF算法,在不降低估算精度的情况下能够明显地提高收敛速度,在SOC在线估算中更具有实用性。

基于自适应扩展卡尔曼滤波器的永磁同步电机超低速控制

在使用低精度编码器的条件下,为获得永磁同步电机良好超低速控制性能,提出了一种适用于宽转速、高噪声环境下,获得伺服驱动系统瞬时转速、角位移和等效负载转矩的在线估计方法。通过构建基于扩展卡尔曼滤波器的最优状态估计器,在线辨识系统转动惯量及迭代更新估计器系数矩阵,实现了准确、实时和稳定的状态估计。仿真和试验结果表明,该算法可获得良好的低速控制性能,并对环境噪声和系统建模误差具有良好的鲁棒性。

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。

基于自适应反步与扩展卡尔曼滤波器的PMSM无感控制策略

目的为了在提高包装生产线控制性能的同时降低成本,针对永磁同步电机(PMSM)有感控制依赖于霍尔传感器获得转子位置和速度信息的问题,提出基于自适应反步与扩展卡尔曼滤波器的PMSM无感控制策略。方法首先,建立自适应扩展卡尔曼滤波器转子位置和转速信息估计算法,以获得较为精确的转子位置和速度信息。然后,根据反步控制原理,设计基于自适应扩展卡尔曼滤波算法的自适应反步控制器,以达到更好的控制效果。最后,基于Lyapunov稳定性判据,证明所设计控制器的稳定性。结果所设计的控制器相比于PID和滑模控制器,在突变参考转速和突变负载情况下,有更快的响应速度以及更好的抗干扰能力。结论文中方法可以有效提高PMSM的动态性能和抗干扰能力,并减少位置传感器的使用,使改进后系统运行成本更低,能更好地完成包装作业。

一种自适应扩展卡尔曼滤波的永磁同步电机无位置传感器矢量控制

在粗差干扰或噪声统计偏差情况下,扩展卡尔曼滤波(EKF)对永磁同步电机(PMSM)的速度和转子位置估计存在精度下降问题,为此提出一种基于新息序列的自适应扩展卡尔曼滤波算法(AEKF)。首先,将粗差干扰加入系统观测方程中,分析粗差干扰对系统观测精度的影响。其次,为增强算法的抗扰性能,在新息协方差计算中设置加权系数,通过调整临近时刻的新息协方差阵权重,计算出新息协方差值,并更新到卡尔曼增益的计算。最后,建立AEKF数学模型,并对比粗差干扰与噪声统计出现偏差情况下,AEKF与EKF两种策略的观测性能。仿真和实验结果表明,在粗差干扰或噪声统计信息出现偏差情况下,AEKF算法对永磁同步电机转速的观测具备更强的鲁棒性及更高的预测精度。

永磁同步电机扩展卡尔曼滤波器电流观测方法

为提高前置电感电容LC滤波器永磁同步电机系统性能,提出一种基于扩展卡尔曼滤波器(extended Kalman filter,EKF)的电机电流观测控制方法。该方法采集逆变器侧电流,通过新型EKF观测器获得实际电机电流,并将估计的电机电流用于电流环反馈控制。论文给出了新型EKF电流观测器的结构和参数设计过程,并利用Lyapunov稳定性定理证明了该方法的稳定性。仿真结果表明,与传统Luenberger观测器相比,新型EKF观测方法的电流估计误差更小,电机电流跟踪性能更好,电磁转矩脉动及其谐波明显降低。

基于混合自适应扩展卡尔曼滤波的永磁同步直线电机等效机械参数辨识策略

针对机械参数辨识精度受推力系数波动影响而降低的问题,提出等效机械参数模型,将推力系数与待辨识参数相结合,并推导该模型在控制器调谐和前馈补偿上与传统模型的等效性。为了进一步实现等效机械参数在线辨识,构建基于混合自适应扩展卡尔曼滤波的辨识器。混合自适应扩展卡尔曼滤波在系统噪声矩阵和渐消因子中加入自适应机制,能够估计系统噪声,并在负载突变时快速收敛。通过对系统可观性和矩阵正定性的推导,证明算法的稳定性。最后,在一台永磁同步直线电机上进行实验,验证所提算法的有效性及其在PWM周期为32 kHz和10 kHz时在线运行的可行性。

多传感器非线性系统序贯观测融合二阶扩展卡尔曼滤波器

对多传感器非线性系统提出了一种序贯观测融合二阶扩展卡尔曼滤波(Second-order Extended Kalman Filter,SOEKF)算法。该算法的中心思想是根据传感器观测数据到达融合中心的先后次序依次进行处理。研究表明,提出的序贯观测融合SOEKF算法比集中式观测融合EKF算法具有更高的精度;与集中式观测融合SOEKF算法精度相当,且具有更低的计算复杂度。目标跟踪系统的仿真验证了算法的有效性。

基于自适应扩展卡尔曼滤波的移动机器人定位优化研究

随着自动化程度的提高,移动机器人被越来越多地应用于工业、农业、医疗、服务等各个领域,而精确定位是移动机器人实现自主导航与高效率作业所必须解决的关键问题。传统定位方法因累积误差而难以满足高精度定位的要求,而扩展卡尔曼滤波器是一种基于概率统计理论的非线性滤波方法,它可以有效地将多个传感器数据进行融合,提供更高精度的位置信息,提高移动机器人的定位精度与稳定性,所以探究扩展卡尔曼滤波器在移动机器人定位中的应用为当前相关行业的热议话题。

基于扩展卡尔曼滤波的直线感应电机速度观测

为解决在直线感应电机(linear induction motor,LIM)高性能闭环控制系统取消速度传感器后,速度闭环中缺少速度反馈信息问题,在考虑LIM边端效应前提下,实现了一种基于扩展卡尔曼滤波算法的速度观测器。首先,基于考虑边端效应的三相LIM数学模型,推导出具有合适增益和协方差更新矩阵的扩展卡尔曼滤波观测器,并基于LIM的矢量控制系统,将观测器辨识的速度参数反馈到速度闭环系统中。然后,在Simulink中搭建带有速度观测器的LIM矢量控制系统模型,对观测器的辨识速度和电机实际速度进行对比。结果表明,利用辨识速度进行闭环控制可以保证系统稳定运行。在3种负载情况下,观测器的预测速度和实际速度之间的误差在0.51%~2.34%之间。对系统多种动态性能进行分析可知,基于扩展卡尔曼滤波观测器的LIM矢量控制系统,随着负载增大,预测速度的误差增大,推力误差减小,磁链幅值误差略微增大。因此,在考虑边端效应情况下,基于扩展卡尔曼滤波的观测器可以代替速度传感器实现空载和带载时的三相LIM控制。

基于自适应级联扩展卡尔曼滤波器的数字DC-DC变换器信号预测控制

DC-DC变换器工作在电磁干扰的恶劣环境中,为了实现它的全数字化,需对反馈信号进行滤波。滤波算法的优劣决定着变换器的稳态性能和动态性能。以Boost变换器为研究对象,针对线圈电流和输出电压建模的非线性方程,采用自适应级联扩展卡尔曼滤波通过在线预测变换器的参数,实现变换器的稳态输出。实验结果表明,本文算法能有效地滤除变换器中存在的高斯噪声干扰。

采用抗差扩展卡尔曼滤波器的感应电机转速估计方法

扩展卡尔曼滤波器(extended Kalman fileter,EKF)已广泛应用于无速度传感器矢量控制转速估计。尽管扩展卡尔曼滤波器具有较强的抗干扰能力,但是面对粗差时仍然会出现较大的抖动,影响系统的控制性能。提出了一种基于抗差扩展卡尔曼滤波器的转速估计方法,分析了粗差对扩展卡尔曼滤波器估算精度的影响,探讨了在应用于感应电机转速估计时抗差EKF能否同样取得良好的估计精度,以及优于EKF的抗粗差性能。通过仿真与实验,对比了遇到较大外部干扰和估算误差干扰时抗差EKF与EKF的转速误差和磁链变化。仿真与实验结果表明,抗差EKF较EKF而言具有更好的抗粗差性能,可以使系统遇到干扰时更快收敛。

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。

基于扩展卡尔曼滤波器的矢量跟踪算法研究

该文针对矢量跟踪算法缺乏定量分析的问题,对线性化模型与跟踪误差进行了研究。为了提高矢量跟踪环的动态跟踪性能,修正了已有线性化观测矩阵忽略接收机伪距率对位置的偏导项的问题;提出了新的环路反馈量,简化了运算过程。推导出了矢量跟踪环的热噪声跟踪误差,与标量跟踪环相比跟踪门限明显降低,并且在相同条件下,观测卫星数越多,矢量跟踪环的跟踪门限越小;推导了矢量跟踪环的动态应力跟踪门限,证明矢量跟踪环可以处理高动态微弱信号。通过Monte Carlo仿真验证了理论分析结果的正确性。

基于扩展卡尔曼滤波器的异步电机转速辨识

在异步电机控制基础上 ,利用扩展卡尔曼滤波器将转子转速看成系统的一个状态量 ,根据定子侧可以测量的电流、电压值 ,逐步估计出转子转速 ,为研制无速度传感器控制打下基础。

基于扩展卡尔曼滤波器的永磁同步电机转速和磁链观测器

为了取消永磁同步电机控制中的机械传感器,获得直接转矩控制中需要的电机磁链信息,设计了一种基于扩展卡尔曼滤波器的永磁同步电机转速和磁链估算方法。选取定子固定坐标系下定子磁链、电机转速和转子位置为状态变量,电压和电流作为输入、输出量,建立估算定子磁链、电机转速和转子位置的EKF滤波器系统。采用空间矢量调制的直接转矩控制策略,有效减小了直接转矩控制方法的转矩脉动,并保持了功率器件恒定的开关频率。实验结果表明EKF准确地观测了电机转速和磁链,所构建的无速度传感器DTC控制系统具有良好的转速和转矩控制性能。

基于扩展卡尔曼滤波器和空间电压矢量调制的永磁同步电机直接转矩控制

针对传统直接转矩控制中存在磁链和转矩脉动较大,以及速度传感器的使用降低了系统可靠性、增加了系统成本等问题,分析了空间电压矢量调制的实现方式。根据当前预期电压矢量获得基本电压空间矢量的优化组合,对转矩和磁链偏差进行精确补偿,同时保证逆变器开关频率恒定。基于扩展卡尔曼滤波器同时进行定子磁链和转速观测,提高了磁链观测精度,实现了表面式永磁同步电机空间电压矢量调制直接转矩控制,保持了直接转矩控制转矩响应快和系统鲁棒性强的优点,降低了磁链和转矩脉动。仿真和实验结果验证了所提方法的可行性和有效性。

渐进扩展卡尔曼滤波器

渐进贝叶斯方法将贝叶斯更新步骤等效为伪时间上的连续演化过程,以实现对状态的后验估计.本文基于渐进贝叶斯框架,导出一种新的高斯型非线性滤波算法.在线性高斯条件下推导了渐进贝叶斯方法的精确解;证明了对于由线性高斯解确定的动态系统,其均值和协方差矩阵满足的微分方程与常数状态估计的Kalman-Bucy滤波器是一致的.对于非线性系统,利用一阶Taylor展开推导了近似解表达式,进而导出渐进扩展卡尔曼滤波器.仿真算例表明新滤波器性能较扩展卡尔曼滤波器有大幅提高,且避免了窄形似然函数带来的滤波性能恶化问题.

改进粒子群算法优化扩展卡尔曼滤波器电机转速估计

针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计。仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。