基于观测方程重构滤波算法的锂离子电池荷电状态估计

滤波算法中观测方程的准确性在电池状态评估中起着决定性作用。然而,该文通过试验发现,由于温度、工作电流和荷电状态(SOC)的影响,即使使用精度较高的电池模型,扩展卡尔曼滤波(EKF)算法中观测方程的输出值与实际电压之间仍会存在较大误差,即产生了较大的新息。该文提出一种基于观测方程重组的增强型扩展卡尔曼滤波(E-EKF)算法。该算法的核心思想是利用具有温度、SOC和电流自适应能力的误差修正策略对观测方程进行重组,实现算法中新息的降低,进而提高SOC估计的准确性。使用两种不同温度下的典型工况试验对E-EKF算法的性能进行了验证。试验结果表明,该算法能够适应不同的温度和工况,并具有较高的SOC估计精度。

时滞和相关性观测条件下的红外目标状态估计方法

着重对红外跟踪系统目标状态估计过程中存在的观测量滞后和相关性问题进行研究。在目标跟踪过程中,脱靶量信号的滞后导致目标量测位置和真实值间是有误差的,进而通过状态估计得到的目标参数也是不准确的,另外观测量的相关性也降低了估计效果的准确性。对于以上问题,首先利用观测重组技术对时滞观测序列进行重组,将其转化为变结构无时滞观测系统,并在此基础上提出了一种时滞椭球集员估计算法(Delayed ellipsoidal set filter,DESF)。仿真实验结果表明,DESF算法可以有效克服观测序列相关性的影响,同时系统跟踪性能较不考虑观测延迟的情况也有显著提高。

离散系统多步观测时滞的H_∞输出反馈控制

针对一类多观测时滞离散系统,本文提出了基于Krein空间理论解决H∞输出反馈问题的新方法．利用H∞输出反馈控制问题与不定二次型之间的关系,时滞系统的H∞控制问题分解为LQ问题和时滞的H∞估计问题．通过重组观测,时滞的H∞估计问题可转化为无时滞的H∞估计问题,从而给出由两个Riccati方程决定的H∞控制器存在的充要条件．本文的方法不需要增广系统．

随机时滞网络控制系统的后退时域估计

本文考虑具有随机观测时滞系统的后退时域估计问题.首先,针对随机时滞网络控制系统,运用观测重组技术,将带有时滞的观测方程转化为无时滞观测方程,得到一组新的无时滞观测序列.在此基础上,运用线性最小方差无偏估计理论,推导出后退时域估计器的批形式公式和迭代形式公式,并给出稳定性分析.通过具体的仿真实例,对比现有卡尔曼滤波器,验证了所提出的后退时域估计器具有更好的跟踪能力.