自适应强跟踪卡尔曼滤波在陀螺稳定平台中的应用

考虑陀螺稳定平台速度环控制系统含有陀螺测量噪声,设计了带有系统参数扰动迭代估计的自适应强跟踪卡尔曼滤波器,并与模型参考控制系统相结合,然后将其与现有的PI控制系统进行扰动隔离性能的系统仿真对比实验及其结果分析.实验结果表明,所提出的自适应强跟踪卡尔曼滤波器可以进一步提高扰动控制系统的隔离度性能,尤其在把非线性摩擦力补偿一半的情况作为未建模的不确定因素影响情况,所设计的滤波器不但能够稳定地工作,而且模型参考自适应控制系统和PI控制系统的隔离度性能都有明显的提高.

基于弯道自适应强跟踪卡尔曼滤波的侧向坡度估计算法

道路的侧向坡度直接影响车辆侧向运动,侧向坡度估计已成为智能汽车稳定控制系统的关键部分之一。然而,侧向坡度与车身侧倾之间存在耦合,且侧向力估计困难,准确的侧向坡度估计难度较大。为此,提出了一种基于加速度传感器的可拓融合侧向坡度估计算法:首先,提出加速度传感器模型和车辆侧倾模型,采用弯道自适应强跟踪卡尔曼滤波算法(CASTKF)对侧向坡度进行估计;然后,提出基于侧向加速度传感器的直接估计方法,防止CASTKF算法在失去可观性后的错误估计;再后,利用可拓算法对两种模式的估计值进行数据融合;最后,采用硬件在环测试(HIL)验证所提算法的有效性。结果表明,智能汽车的侧向坡度估计中采用CASTKF融合算法具有更高的精度和鲁棒性。

基于改进型自适应强跟踪卡尔曼滤波的电池SOC估算

为解决扩展卡尔曼滤波算法估算锂电池荷电状态(State of charge,SOC)时存在的系统噪声统计不确定性和电池模型不准确性问题,该文提出了一种基于改进型Sage-Husa自适应强跟踪卡尔曼滤波的SOC估算算法。以参数辨识得到的锂电池等效电路模型为基础,在扩展卡尔曼滤波算法中引入一个强跟踪滤波器的渐消因子来加强跟踪能力,结合可对时变噪声进行特征统计的Sage-Husa自适应滤波器来调整系统噪声参数,实现了锂电池SOC的估算。最后通过锂电池模拟工况实验,验证了该算法相比于扩展卡尔曼滤波具有更高的精度和实用性。

基于强跟踪滤波器的改进非线性自适应观测器

对基于强跟踪滤波器的非线性自适应观测器(nonlinearadaptiveobserver,NAO)的收敛性进行了分析,给出了NAO局部渐近收敛的充分条件。提出了一种改进非线性自适应观测器(modifiednonlinearadaptiveobserver,MNAO)算法。MNAO在具有强跟踪特性的同时对输出测量中的坏数据有较强的鲁棒性。为了降低对初始误差的敏感性,采用一种强跟踪扩展卡尔曼观测器算法启动MNAO。数值仿真示例显示了本方法的有效性。

强跟踪滤波器在高动态GPS信号跟踪中的应用

为解决在高动态环境下GPS接收机跟踪环路中频信号失锁的问题,提出了一种基于线性强跟踪卡尔曼滤波器(STKF)理论的GPS信号跟踪环路.此跟踪环路以码鉴相器和载波鉴相器输出作为观测量,利用线性强跟踪卡尔曼滤波器对高动态环境下的码相位误差、载波相位误差、多普勒频率误差以及多普勒频率变化率误差进行估计,并将估计结果反馈给跟踪环路的数控振荡器,从而产生准确的本地载波和本地码.仿真结果表明,在GPS信号载噪比为45 dBHz时,线性强跟踪卡尔曼滤波器跟踪环路在多普勒频率变化率为5.0 kHz/s时仍能可靠跟踪,而传统的基于PLL/DLL和环路滤波器的跟踪环路在1.8 kHz/s时已经失锁.

改进强跟踪EKF算法在MEMS姿态解算中的研究

本文针对四旋翼姿态解算,提出了一种噪声自适应强跟踪扩展卡尔曼滤波算法(ASTEKF)。当机体从平稳状态向机动状态过渡时,由于量测噪声影响会导致算法估计不准确,因此本文首先证明不同时刻新息序列方差满足正交性原理,正交性原理表明,量测噪声对观测值的准确性影响很大;其次,引入Sage-Husa噪声自适应估计器较准确估计系统量测噪声均值和方差,使观测值更准确;最后,通过满足正交性原理条件公式计算次优渐消因子,将次优渐消因子引入协方差一步预测运算式中,得到强跟踪滤波器。次优渐消因子的引入使得一步预测协方差矩阵增大,即增大强跟踪扩展卡尔曼滤波器增益,使系统增加对观测值权重,得到更准确的状态估计值。离线仿真实验和在线实物实验结果表明了所设计算法的有效性。

基于改进强跟踪滤波的广义系统传感器故障诊断及隔离

在广义系统故障诊断过程中,若系统动态模型中存在不确定性,传统的无迹卡尔曼滤波算法将失去其传感器故障估计精度。为解决该问题,提出一种改进的强跟踪卡尔曼滤波算法以实现广义连续-离散系统的传感器故障诊断及隔离。首先,提出基于多重渐消因子的强跟踪滤波算法以实现动态模型存在不确定性广义连续-离散系统的故障诊断;然后提出一种结合多模型自适应估计的强跟踪卡尔曼滤波(STUKFMMAE)算法以实现传感器故障的有效隔离。最后,针对基于广义连续-离散系统的惯性传感器故障模型提出仿真算例。仿真数据表明,传统无迹卡尔曼滤波对于传感器故障估计误差为0.002左右,而提出的基于多重渐消因子的强跟踪滤波算法对于传感器故障估计误差最大值为未超过4×10^(-4),且STUKFMMAE相较于UKFMMAE算法具有更好的隔离效果。仿真结果验证了设计方案的有效性。

一种自适应混合滤波铁塔姿态解算方法

姿态解算精度是制约铁塔姿态监测准确性的主要因素,针对低成本的惯性传感器存在精度低、抗干扰性较差的问题,提出一种自适应互补滤波与强跟踪卡尔曼混合滤波算法。首先利用互补滤波算法融合加速度计和陀螺仪传感器信息,根据载体非重力加速度调整PI控制器参数,自适应补偿陀螺仪角速度;再将滤波解算的角速度向量作为强跟踪卡尔曼滤波的输入矩阵,并通过比例因子实现对量测噪声方差自适应修正,最后经强跟踪卡尔曼滤波后得到姿态估计。通过转台设计静态和动态实验,实验结果表明:混合滤波在静态环境中能抑制姿态角波动,动态环境中能够较好地跟踪姿态变化。

考虑有色噪声影响的脉冲星导航2级强跟踪差分滤波器

为提高X射线脉冲星导航对有色噪声及太阳系内星历误差的鲁棒性,设计了2级强跟踪差分滤波器(TSTDKF)。首先在分析导航原理基础上,导出了中心天体星历误差对导航结果的误差传递关系,并利用扩展卡尔曼滤波器(EKF)进行了仿真验证;在同一运行轨道上,又结合引力摄动模型对第三天体引力摄动数据进行了分析,证明该部分噪声为有色噪声。根据以上结论,将普通2级卡尔曼滤波器(TKF)的无偏滤波器设计为一种改进的差分卡尔曼滤波器以降低有色噪声对导航系统的影响,同时又在其独立偏差滤波器中根据观测残差构建了多重自适应调节因子以增强其跟踪性能,两者共同构成TSTDKF的2个并行滤波器。通过仿真实验证明,TSTDKF的位置误差性能最大可比EKF和TKF改进56.49%和35.18%,速度误差性能改进27.66%和17.07%;对星历误差的跟踪效果也整体好于TKF。

列车橡胶弹簧参数识别方法研究

针对难以准确判断高速列车车下悬挂装置内橡胶弹簧是否失效的问题,提出了通过广义卡尔曼参数识别算法对装置的阻尼及刚度进行识别从而判断橡胶弹簧工作状态的诊断方法.针对卡尔曼滤波器跟踪速度不足的问题,应用自适应-强跟踪卡尔曼滤波算法对卡尔曼算法进行改进,提高辨识速度.通过对仿真信号及实测数据的辨识结果对滤波器性能进行了验证,结果表明自适应-强跟踪滤波器能够快速对参数进行跟踪.

基于GPS定位导航的电力巡检PDA系统研发

本文以电力网的安全运营和线路巡检的高效、可靠性为主旨,研发基于GPS定位导航的电力巡检PDA系统。该系统以嵌入式GIS技术为核心,结合GPRS无线通信技术和数据库技术,结合Saga-Husa自适应滤波与强跟踪kalman滤波算法并以收敛性判断为依据,构建了改进的自适应滤波算法来提高PDA上的GPS定位精度,实现巡检过程的精确定位和数据采集,并智能导航野外巡检路径,通过GPRS和USB端口实现与服务器端的数据交互,确保巡检管理层人员实时掌握并监督管理野外巡检任务的执行情况。

Strong tracking adaptive Kalman filters for underwater vehicle dead reckoning

To improve underwater vehicle dead reckoning, a developed strong tracking adaptive kalman filter is proposed. The filter is improved with an additional adaptive factor and an estimator of measurement noise covariance. Since the magnitude of fading factor is changed adaptively, the tracking ability of the filter is still enhanced in low velocity condition of underwater vehicles. The results of simulation tests prove the presented filter effective.

基于星敏感器的卫星姿态估计方法研究

以星敏感器姿态信息作为测量数据,结合卫星姿态动力学方程组,采用增广卡尔曼滤波方法对无陀螺卫星姿态进行估计。研究发现,干扰力矩的变化会降低卫星姿态估计结果的精度,为此提出两种改进的姿态估计算法:增广自适应卡尔曼滤波方法和增广强跟踪卡尔曼滤波方法;仿真表明,两种算法都能很好地克服干扰力矩变化导致的精度下降现象。