无迹粒子滤波跟踪的发动机性能退化预测

针对航空发动机性能退化预测问题,这里提出了一个结合多阶段有效传感器融合的无迹粒子滤波发动机剩余寿命预测模型。模型针对数据融合,基于累积方差贡献率动态更新各个退化阶段的有效传感器,得到更符合实际情况的退化状态健康指标,然后应用无迹粒子滤波算法更新模型时变参数以实现发动机健康指标和剩余寿命的提前预测。这里采用发动机性能退化仿真实验数据集进行数据分析和验证。结果表明,所提出的基于方差贡献率的分阶段非线性融合方法,可以减少退化量中的冗余数据影响。所引用的无迹粒子滤波算法,有效解决了传统滤波算法中的粒子退化、结果发散问题。相较于一般的滤波方法在最终预测结果上,绝对误差减少7个周期,精度提高了3.6%,加强了粒子的跟踪能力,提高了目标跟踪的精度。为航空发动机的健康管理和可靠性评估提供参考依据。

预测滤波器理论在惯导非线性对准中的应用

讨论了预测滤波器的基本算法,并针对平台惯性导航系统在大方位失准角情况下的非线性对准中,用预测滤波器无法估计陀螺误差的问题,提出了将预测滤波和扩展卡尔曼滤波相结合的算法。通过对大失准角下的静基座和动基座对准的仿真,证明预测滤波和扩展卡尔曼滤波相结合的算法能够提高的平台姿态误差角特别是方位误差角的估计精度。比起扩展卡尔曼滤波算法,该算法还能降低系统的维数,减小计算量。

用于低维混沌时间序列预测的一种非线性自适应预测滤波器

在二阶Ｖｏｌｔｅｒｒａ滤波预测器基础上，提出了一种用于低维混沌时间自适应预测的非线性自适应预测器。基于最小均方误差准则导出了一种ＮＬＭＳ类型的自适应算法来实时调整这种非线性滤波预测器的系数。仿真实验结果表明：这种线性化的非线性自适应滤波预测器能够有效地预测低维混沌时间序列，且它的模块化特征更易于ＶＬＳＩ电路实现，具有广泛的工程应用价值。

纯角度跟踪非线性预测滤波算法研究

为了提高目标跟踪的准确性和可靠性,采用纯角度跟踪模型和非线性预测滤波算法相结合的方法来确定跟踪目标的实时位置。通过仿真发现,在恰当的选取加权矩阵的前提下,可对模型误差进行实时估计,很好的预测出目标的实时位置,由此表明纯角度跟踪非线性预测滤波算法在目标跟踪应用中不但操作简单,且有很好的精确性和有效性。

非线性预测滤波器在机动目标跟踪中的应用

提出了一种直接根据新息的机动目标跟踪非线性预测跟踪滤波算法。该算法不需要假定目标的机动加速度模型 ,而是将目标的机动加速度作为滤波结果的一部分直接估计出来。对不同机动目标的仿真结果表明 。

星敏感器/GNSS定姿系统的联合非线性预测滤波算法

提出一种联合式非线性预测滤波算法,解决该系统在姿态动力学模型误差非高斯分布条件下的多敏感器信息融合问题。从算法结构和估计准则两个方面证明非线性预测滤波(NPF)与Kalman滤波的等效性,分析联合式NPF的算法流程,讨论模型误差方差矩阵的计算方法,给出加权系数矩阵的设计准则;介绍星敏感器和全球卫星导航系统(GNSS)的定姿原理,推导星敏感器/GNSS组合姿态确定系统的联合式NPF滤波模型,分析系统的算法实现流程;进行数值仿真试验,结果表明联合式NPF算法融合NPF与联邦滤波的优良品质,可有效解决姿态动力学模型误差非高斯分布条件下无陀螺姿态确定系统的多敏感器信息融合问题。

基于双非线性预测滤波法的锂离子电池SOH估计

动力电池的健康状态(SOH)估计是电动汽车电池管理系统的关键技术之一。提出了一种基于双非线性预测滤波法的锂离子电池SOH估计方法。基于Thevenin等效电路模型来表达电池的性能,基于双非线性预测滤波法对电池的容量和内阻进行估计从而实现SOH的在线估计,基于磷酸铁锂电池的循环寿命测试对提出的方法进行验证,结果表明,基于双非线性预测滤波法的SOH估计方法能够在电池的整个生命周期内实现SOH的精确预测。

基于非线性预测反滤波声门下嗓音源提取方法的研究

根据嗓音呼吸系统生理和生物物理原理，提出了利用声门下嗓音源研究声带振动特性的新方法，并建立了提取声门下嗓音源的非线性数学模型．在声门上、下声道耦合的条件下，用非线性预测反滤波技术提取了声门下嗓音源，并在不同发声方式条件下运用该模型和人体实验证实了该方法的有效性，克服了线性预测反滤波技术的不足，并消除了声门上、下声道所产生的伪迹．

只有角度测量的机动目标非线性预测滤波器设计

提出了一种直接根据信息的机动目标跟踪非线性预测滤波算法，该算法不需要假定目标的机动加速度模型，而将系统的初始状态偏差和机动目标的未知加速度的综合作用结果作为系统的未知输入，利用角度的测量信息直接估计出来。通过对不同机动形式的机动目标进行仿真，结果表明文章所提出的预测滤波算法具有优良的估计性能。

自适应高阶非线性FIR滤波预测器的最优输入维数

基于相空间重构理论，用条件概率确定了用于混沌预测的一种自适应高阶非线性预测滤波器的最优输入维数Ｎｏｐｔ。理论分析和实验研究表明：这种自适应高阶非线性预测滤波器的最优输入维数小于或等于混沌时间序列的最小嵌入维数，且与混沌时间序列的关联维数Ｄ２的关系为Ｎｏｐｔ大于Ｄ２的最小正整数。

基于非线性回归的目标航迹预测算法

基于非线性回归对目标航迹进行准确预测是实现目标跟踪的基础。针对传统的卡尔曼滤波在目标行为发生较快变化时航迹预测精度降低的问题,本文提出了一种改进的卡尔曼滤波算法对目标航迹进行预测。该方法结合了目标的实际运动情况,根据预测值和真实值的实时偏差调整滤波过程,将系统方差矩阵转换为可变量,从而可以解决当目标行为明显变化时传统方法预测精度低的问题。实验结果表明,在目标行为状态发生变化的情况下,提出的算法均可以实现对目标航迹的速度、方向和转向角的精准预测。

非线性动态模型的迭代滤波及Bayes预测

就观测误差方差V_t已知和V_t=V常数未知两种情况,对于非线性动态模型,利用新获得的观测值y_t及滤波公式重新对t—1时刻的状态进行估计,改进了均值与随机状态向量的接近程度,然后重新对非线性函数进行线性化,之后再进行滤波,直到均值和方差没有显著的改善为止,由此再进行下一步的递推和预测。

基于非线性预测滤波的卫星姿态确定

为了提高卫星姿态确定系统的精度和可靠性,采用由姿态动力学与运动学方程构成的非线性卫星姿态运动模型,结合陀螺和矢量观测信息来确定卫星姿态。针对转动惯量变化等引起的模型不准确问题,研究基于预测滤波实现姿态估计的关键技术。仿真结果表明,在恰当选取加权阵的前提下,该方法可实时估计模型误差,当用低通滤波去除高频噪声的模型误差进行补偿后,大大削弱了模型不准确对姿态估计精度的影响,其估计效果明显优于传统的扩展卡尔曼滤波,由此验证了预测滤波在卫星姿态确定中的有效性和精确性。

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。

混沌时间序列的自适应非线性滤波预测

本文基于混沌动力系统相空间的延迟坐标重构,根据混沌序列产生的确定性和非线性机制及混沌序列高阶奇异谱特征, 提出了混沌时间序列的二阶Volterra和高阶非线性HONFIR两种模型,引入Sigmoid函数后又提出了一种少参数非线性自适应滤波预测模型,并对它们的自适应算法作了介绍。

基于粒子滤波的非线性退化设备剩余寿命自适应预测

针对非线性退化设备缺乏历史退化数据和先验信息不足等问题,提出了一种基于粒子滤波的剩余寿命自适应预测方法。在状态空间模型的框架下建立了具有双隐含状态的非线性随机退化模型,基于粒子滤波算法估计隐含状态,并在首达时间的概念下推导出了剩余寿命的分布。提出了一种基于粒子期望最大化算法的参数估计方法,实现了模型参数的自适应估计和剩余寿命分布的在线更新。通过惯性导航系统中陀螺仪的实际退化数据验证了本文方法的有效性。

利用径向神经网络和Volterra级数滤波器进行海杂波非线性预测

本文利用非线性预测理论建立基于径向神经网络和Volterra级数滤波的海杂波预测,利用IPIX雷达和Logisic混沌映射信号采集海杂波,然后进行非线性预测。实验结果表明,对于Logisic混沌映射信号产生的海杂波,通过设定阈值能够较好的将目标检测出来。在今后的研究中会进一步探究海杂波中变化缓慢的目标的检测,以及高效的基于径向神经网络和Volterra级数滤波器算法的海杂波消波方式。

联合神经网络与子带分解结构的非线性预测滤波器

基于 PRNN神经网络与 FIR子带滤波器 ,本文提出一种新颖的非线性自适应预测滤波器。子带分解采用便于实时实现的 DCT,文中给出了相应的学习算法。对实际语音信号进行的非线性预测结果表明 ,本文所提出的非线性预测滤波器与原来的相比 ,在降低预测误差动态范围与提高收敛速度等方面都有了十分明显的改善。

基于非线性预测滤波算法的疲劳裂纹扩展预测

针对传统Paris疲劳裂纹扩展模型预测精度低、无法考虑裂纹扩展过程中各种不确定因素影响的问题,提出一种基于非线性预测滤波算法的疲劳裂纹扩展预测方法。使用基于Paris公式的状态空间方程表征裂纹扩展过程,采用基于Lamb波的监测技术构建观测空间方程,利用实时观测信息修正模型预测值。最后通过Q235钢试件的单边疲劳裂纹扩展实验验证了该预测方法的有效性。实验结果表明,非线性预测滤波算法在疲劳裂纹扩展预测中可以有效地修正Paris公式的预测误差,其预测精度高于扩展卡尔曼滤波和粒子滤波算法的预测精度,同时算法效率较粒子滤波算法有明显提高。

基于MME准则估计卫星姿态的非线性滤波算法

结合矢量观测的特点 ,基于最小模型误差准则给出了一种确定卫星姿态的实时估计算法 ,称为预测滤波算法 .该算法利用矢量观测信息 ,对动力学方程中的力矩模型误差进行预测 ,并利用预测值修正动力学模型 ,从而准确地估计卫星的三轴运动姿态 ,同时能获得角速度估计值 .通过误差观测矢量的建立 ,进一步提出了能够简化准则函数的修正预测滤波算法 .仿真结果证明 ,预测滤波算法及其修正算法克服了扩展卡尔曼滤波器的不足 。