基于改进衰减记忆滤波的组合导航算法研究

关于优化组合导航系统定位精度问题,由于惯导系统为非线性系统,存在滞后和噪声特性,影响系统定位精度,传统卡尔曼滤波器滤波一段时间后,系统预测误差方差阵逐渐趋于零,状态估计过分依赖旧量测值,从而导致滤波发散,系统定位精度差。目前采用在预测误差方差阵中引入标量衰减因子来抑制发散,但该标量因子是不变量,难以修正所有状态估计异常的情况。为有效提高新量测值对预测值的修正作用,研究了一种改进的衰减记忆滤波算法,通过引入可变加权系数来抑制发散。经数值仿真结果表明,新算法的滤波效果相比卡尔曼滤波和带标量因子的衰减记忆滤波有较明显的改善,提高了系统的定位精度,对工程应用有一定参考价值。

拦截临近空间滑翔目标的衰减记忆滤波中制导方法

针对临近空间高超声速滑翔目标的拦截问题,提出了基于衰减记忆滤波算法的滑模中制导律。基于当前统计模型衰减记忆EKF(Extended Kalman Filte)算法获取精确的高超声速目标运动参量;基于滤波信息和滑模控制理论,设计了随目标机动规律在线调节拦截弹道的滑模中制导律。仿真结果表明,该衰减记忆滤波算法可以对滑翔目标进行有效跟踪且滤波精度较高;针对滑翔目标的多种机动模式,所设计的中制导律可以实现在稳定跟踪目标的同时避免始终紧随目标机动,降低过载需求。所提出方法具有良好的制导性能和较强的鲁棒性。

一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法

针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.

伴飞卫星自主相对导航衰减记忆滤波算法

为实现伴飞卫星的自主相对导航,基于C-W方程提出了一种在伴飞卫星轨道系中建立简化的相对运动方程构成星上轨道递推、根据导航敏感器输出进行量测更新的导航滤波器,并利用衰减记忆滤波算法抑制系统模型误差对相对导航结果的影响。仿真结果表明,该滤波算法可实现伴飞星的自主相对导航。它不仅较C-W方程更简单,而且适于模型不准确时的相对导航,工程实现易。

基于指数加权衰减记忆无迹卡尔曼滤波的路面附着系数估计

针对车辆主动安全控制中路面附着系数这一关键信息,提出一种指数加权衰减记忆无迹卡尔曼滤波(FMUKF)估计算法。该算法在传统无迹卡尔曼滤波(UKF)的基础上,利用衰减记忆滤波来解决由于模型不准确造成的滤波误差过大甚至发散等问题。利用Car Sim和MATLAB/Simulink对算法进行了联合仿真和实车道路试验,并与传统UKF算法的估计结果进行对比分析。结果表明,该算法增强了滤波的稳定性、提高了算法的估计精度,且具有一定的自适应性。

纯方位被动目标运动分析的衰减记忆卡尔曼滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波器容易发散,从而导致滤波精度差而且收敛速度慢的问题,文中将水下纯方位被动目标运动分析中的扩展卡尔曼滤波算法改进为衰减记忆卡尔曼滤波算法.通过对当前测量数据的利用,减小了历史数据对滤波的影响程度.对比仿真分析表明,滤波效果有所改善,提高了精度和收敛速度.

无迹卡尔曼滤波衰减记忆算法研究

无迹卡尔曼滤波算法作为典型的卡尔曼滤波改进算法,有效地解决了线性化时高阶项的舍弃误差和强非线性模型的无法线性化问题。但是常规的无迹卡尔曼滤波对旧的数据和当前数据的利用率是相同的,很容易导致滤波的发散。通过引进衰减因子加强了对当前数据的利用,降低了旧数据对滤波结果的影响。本文基于此提出了衰减记忆无迹卡尔曼滤波算法,并对衰减因子的确定进行了分析。仿真试验分析表明,衰减记忆无迹卡尔曼滤波算法能够提高滤波结果的精度。

基于衰减记忆卡尔曼滤波的无刷直流电机转子位置估计

针对卡尔曼滤波器在无刷直流电机转子位置估计中易发散的问题,设计了基于衰减记忆卡尔曼滤波器(MAEKF)的电机转子位置估计方法,实现电机的换相控制。建立了以相电流、电机转速和转子位置角为状态变量的状态方程,通过优化卡尔曼滤波器增益实现降低电机控制系统对模型偏差、累积误差等敏感程度的目标,设计了基于MAEKF的电机控制系统,给出了转子位置角和电机绕组导通次序。通过仿真和实验验证了电机在空载、带负载、负载转矩突变时刻均能提供准确的换相信号,系统稳定运行没有出现发散的问题,控制系统具有较强的鲁棒性和可行性。

衰减记忆平方根UPF算法及其在组合导航中的应用

针对用UPF算法进行导航滤波计算可能出现协方差矩阵不对称或负定的问题,在研究衰减记忆滤波和平方根滤波的基础上,以Unscented粒子滤波为框架,提出一种新的衰减记忆平方根UPF算法。该算法利用衰减因子减小历史信息对滤波的影响,增强当前量测信息在滤波计算中的作用。然后,以协方差矩阵的平方根阵代替协方差矩阵进行滤波解算,保证了协方差矩阵的对称性和非负定性,提高了滤波算法数值稳定性和解算精度。将提出的算法应用到SINS/SAR组合导航系统中进行仿真验证,并与UPF算法进行比较,结果表明,提出算法的滤波性能明显优于UPF算法,能提高组合导航系统的滤波精度。

衰减因子自适应估计卡尔曼滤波比较研究

针对卡尔曼滤波算法发散的问题,从卡尔曼滤波技术的稳定性出发,分析了卡尔曼滤波发散的原因,提出了新的衰减记忆卡尔曼滤波中衰减因子的自适应估计方法。该方法利用滤波残差序列在最优估计时为零均值白噪声的性质,分别检验滤波残差每一个分量得出衰减因子值,并与强跟踪滤波器进行了对比研究。仿真结果表明,新算法在系统噪声特性不准确的情况下,能自适应地估计出衰减因子的大小,抑制卡尔曼滤波估计的发散,滤波精度要高于强跟踪滤波器;且其推导形式简单、计算量小、适合于在线运算。

基于记忆衰减滤波的X射线脉冲星自主导航

针对扩展Kalman滤波(Extend Kalman Filter,EKF)在处理X射线脉冲星的自主导航定轨问题上易发散的问题,本文提出了基于记忆衰减滤波的抑制发散自主导航算法。在研究了自主导航滤波中误差变化的特征的基础上,从原理上分析了预报误差随迭代次数增加而增大的原因。针对EKF存在的这一缺陷,本文应用记忆衰减滤波控制误差发散,推迟了误差发散的时间并减小了发散的幅值,使得滤波结果稳定于更精确的结果。本文的结论均通过数值计算的方法验证。

衰减记忆迭代不敏卡尔曼滤波算法研究

提出了一种基于不敏卡尔曼滤波(UKF)的新方法。该方法首先将迭代策略引入到UKF中,一步预测值通过量测更新之后的状态值确定,然后引入衰减因子提高当前数据的利用比重,逐渐减小旧数据的利用比重,将迭代策略与衰减记忆算法融合。应用于GPS的静态单点定位中,仿真实验表明,新算法能够提供高于传统UKF算法的定位精度和稳定度。

基于衰减记忆UKF的高精度GPS定位估计

目前单机GPS接收机定位精度较低,主要是由于定位模型的不完善和定位估计算法的误差造成的。为了提高识别精度,提出了伪距和多普勒频移相融合测量模型,采用一种将衰减记忆平淡卡尔曼滤波算法(MAUKF)进行GPS定位估计,来提高单机GPS的定位精度。MAUKF是一种改进的卡尔曼滤波算法,通过引进衰减因子加强对当前测量数据的利用,以减小历史数据对滤波结果的影响。经过GPS单机静态定位实验验证,算法能够提供优于传统滤波算法的定位估计精度,并可用于提高单机GPS定位精度。

改进的衰减记忆UKF算法在伪距定位中的研究

研究伪距定位中衰减记忆无迹卡尔曼滤波(MAUKF)方法,针对衰减记忆UKF滤波器可能因衰减因子引入造成滤波精度降低、滤波收敛速度并没有得到改善的问题,本文依据预测残差的统计量,对衰减记忆UKF滤波算法进行了改进。仿真结果表明,该算法相比衰减记忆UKF算法提高了定位精度和收敛速度。

组合导航系统多重衰减因子自适应估计算法比较研究

提出了多重衰减因子自适应估计卡尔曼滤波方法,用该方法对系统每个误差状态估计进行控制,提高滤波器的估计性能。仿真结果表明,新算法在系统噪声特性不准确的情况下,能够抑制卡尔曼滤波估计的发散,GPS/SINS组合导航精度比强跟踪滤波估计的精度高。这种算法推导形式简单,计算量小,适合在线运算。

基于改进广义卡尔曼滤波的结构损伤识别方法

针对传统的广义卡尔曼滤波算法不能有效地追踪结构刚度的变化情况,本文以传统卡尔曼滤波理论为基础,得到了基于衰减记忆的广义卡尔曼滤波算法公式,利用该算法对所得到的地震响应信号进行分析,提取结构的特性,辨识结构的参数,并从中判断结构损伤发生的时刻、位置及程度,改善了广义卡尔曼滤波的效果。衰减记忆的广义卡尔曼滤波算法只能够判断出结构参数变化的时间并且容易出现振荡,因此采用了一种新的自适应追踪技术,用一个自适应因子矩阵代替了原有的遗忘因子,这种技术可以有效追踪结构参数变化的时间、位置和大小,从而能够在线识别出结构的损伤。

SINS/GPS组合导航系统的修正自适应滤波方法

模型误差和噪声是导致SINS/GPS组合导航计算发散的主要原因。提出了一种适用SIN S/GPS组合导航计算的残差监控加权修正自适应卡尔曼滤波方法,利用滤波残差的均值和方差不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,提高了滤波器对模型不确定性和噪声变化的适应能力和鲁棒性,显著改善了组合导航系统的定位精度。通过SINS/GPS组合导航系统仿真,验证了方法的可行性。

采用扩展卡尔曼滤波的永磁同步电机转矩控制

针对现有的永磁同步电机观测器精度低、参数易发散的问题,提出了一种采用衰减记忆卡尔曼滤波器的永磁电机直接转矩控制器。通过建立的永磁同步电机旋转坐标系下的状态模型,选取旋转坐标系下的电流、转子位置和转速作为状态变量,实现了电机转矩和磁链的衰减记忆卡尔曼滤波器估计系统。通过引入衰减因子降低过去量测值对系统的影响,改善了衰减记忆卡尔曼参数易发散的问题。仿真和实验结果表明该方法能够准确观测到电机转矩和磁链,在负载转矩突变时具有较强的鲁棒性和可靠性。

拓展卡尔曼滤波算法在目标跟踪中的改进及应用

拓展卡尔曼滤波器的稳定性并不能保证滤波器算法在实际应用中具有收敛性,为克服滤波发散,基于衰减记忆扩展卡尔曼滤波,利用系统新的量测值对估计值进行修正或进行系统模型的修正,引入衰减因子加强当前数据的权系数,在一定程度上克服线性化和时变等因素造成模型不准而引起的滤波发散。实验结果表明,该算法对道路中运动车辆有良好的跟踪效果,对噪声统计特性的不确定性也有较好的适应性。