基于粒子滤波的永磁直线同步电机状态估计技术

蒙特卡罗粒子滤波在许多非线性非高斯问题中取得了成功的应用。针对永磁直线同步电机(PMLSM)的特点,将蒙特卡罗粒子滤波算法引入到PMLSM无传感器速度和位置估计中。用易于检测的电机端电压和端电流作为输入信号,采用粒子滤波算法实时地估计PMLSM的速度和磁极位置,得到矢量控制系统速度反馈信号和矢量变换角度。仿真结果表明,估计算法既具有较高的估计精度又具有相对少的计算量,可以满足PMLSM伺服系统无传感器控制需要。

采用拟蒙特卡罗法的被动多传感器目标跟踪

使用拟蒙特卡罗采样方法替代传统的蒙特卡罗采样方法,改善了高斯粒子滤波器的性能,结合多传感器集中式融合策略,提出了一种基于拟蒙特卡罗-高斯粒子滤波器的被动多传感器目标跟踪算法,较好地解决了被动跟踪中的强非线性和弱可观测性问题.该算法在降低计算复杂度的同时提高了跟踪的精度和稳定性,使算法快速收敛,并且具有并行结构,有利于用超大规模集成电路来实现.

被动定位跟踪中的非线性滤波技术

针对被动定位跟踪中状态空间模型非线性程度较高所引发的滤波精度偏低的问题,分析和总结了已有的包括推广卡尔曼滤波(EKF)、修正增益的推广卡曼滤波(MGEKF)、二阶滤波、自适应推广卡尔曼滤波(AEKF)等各种次优递推滤波算法的特点。在此基础上重点论述了一种基于贝叶斯原理的序贯蒙特卡罗粒子滤波技术,该方法通过粒子的加权和表征后验概率密度,获得状态估值,在处理非线性非高斯系统的状态估计问题时精度逼近最优,鲁棒性更好。

具有未知参数的GPS/DR组合导航系统跟踪与辨识

该文针对GPS/DR(Global Positioning System/Dead-Reckoning)组合导航系统中存在参数不确定性问题,构建自组织状态空间模型,应用蒙特卡罗粒子滤波方法对新构建的系统模型进行滤波。并且对于在自组织模型中粒子滤波易使未知参数搜索陷入初始取样子集的问题,提出一种人工鱼群-粒子滤波算法。该算法不仅可以估计系统状态,而且还能使未知参数的取样分布向真实参数分布"移动",最终辨识出未知参数的真值。仿真结果表明该方法的有效性。