基于神经网络和卡尔曼滤波算法的说话人识别

首先从语音信号中提取出特征参数:线性预测倒谱系数(LPCC)和用小波包提取的小波特征参数(WPC);语音特征分类模型则选择多层前馈式神经网络(MBP网络),并将奇异值分解运用到扩展卡尔曼滤波(EKF)算法中作为神经网络的学习算法。仿真结果表明,小波特征参数具有良好的识别效果;同时采用改进后的扩展卡尔曼滤波(EKF)算法使人工神经网络具有更稳定、更准确的分类性能。

插值非线性滤波技术在大失准角传递对准中的应用研究

为了避免扩展Kalman滤波算法中的矩阵微分计算，提高计算效率，降低非线性函数线性化逼近中的高阶截断误差影响，文中分别利用一阶和二阶Stirling多项式插值逼近公式计算系统状态变量均值和方差矩阵，按照EKF滤波算法计算流程建立非线性系统一阶和二阶插值滤波算法。基于大失准角传递对准非线性系统滤波实时性和精确性要求，应用一阶和二阶插值滤波算法对其实现系统状态滤波研究。从仿真结果可以看出，与EKF算法相比，插值滤波算法计算量小，有效提高了传递对准非线性系统滤波精度，其中二阶插值滤波算法估计性能最好。

基于扩展卡尔曼滤波的蓄电池组SOC估算

随着能源的不断减少和环境破坏加重,风光互补发电系统得到了广泛关注,其中蓄电池组是整个系统中最受关注的一个组成部分。准确有效地估算蓄电池组的荷电状态(SOC),不仅可以保证资源的合理利用、减少成本,还能保证系统的安全可靠运行。由于蓄电池的正常运行具有很强的非线性,选用通用非线性等效电路模型,充分考虑了充放电倍率和环境温度,利用傅里叶函数对模型参数进行有效拟合,结合传统安时积分法,运用扩展卡尔曼滤波算法(EKF)对蓄电池组的SOC进行动态估算,通过MATLAB软件进行仿真验证,结果表明,文中选择的扩展卡尔曼滤波算法可以对蓄电池组SOC进行有效跟踪,并控制跟踪误差低于1%。

基于参数自适应的电动汽车整车质量辨识算法

为减少电动汽车(EV)质量估算模型在工程应用中对车辆参数的依赖性,提出了一种整车质量估算算法。该算法能适应空气阻力、迎风面积和传动比等部分车辆参数变化。基于车载终端获得的车辆运行信息,完成传动比和坡度的还原,并将空气阻力中的空气密度、迎风面积、风阻系数作为整体,与整车质量一同借助扩展Kalman滤波算法完成联合辨识。结果表明:在不同整车质量以及道路环境下,质量参数辨识的平均误差为3.74%。因此,该算法可以实时得到质量辨识结果,且对车辆参数具有较好的自适应能力。

基于SR-HPPC和EKF的强适应性电池参数辨识

准确的建模与荷电状态(SOC)估计能确保电池管理系统安全启动及稳定运转。以三元正极材料锂离子电池为研究对象,建立离散模型。在传统参数拟合的基础上,结合模型在阶跃响应下的性质,提出一种辨识方法。该方法结合不同工况实验,对电池工作特性进行分析。将参数辨识方法阶跃响应(SR)-混合功率脉冲特性(HPPC)构建的模型与扩展卡尔曼滤波(EKF)算法相结合,得到的系统鲁棒性提高,跟随效果较好,准确性较高,在动态应力测试(DST)工况下的电压误差最大为0.73%,SOC估计误差最大为1.04%。

基于EKF的机器人捕捉轨迹未知的抛物方法

针对机器人捕捉被抛出物体研究领域面临着当抛物轨迹动态未知时,机器人难以精确捕捉的问题,在研究六自由度机器人末端精确控制的基础上,模拟人捕捉抛物的思想,提出首先通过预测抛物的轨迹,预判机器人出机器人的近似捕捉点,并使机器人提前运动至该点等待;当抛物进入机器人工作空间时,再提出基于扩展卡尔曼滤波(EKF)的捕捉的算法,使机器人克服扰动,实现精确捕捉。实验结果表明:采用六组不同的动态未知抛物的情况下,机器人可以实现精确的捕捉。在此基础上又开展多组实验,结果表明:机器人捕捉的成功率可达95%以上,因此该方法能够有效地提高动态未知环境下机器人捕捉抛物的成功率,推动了机器人智能化水平的发展。

基于EKF的低温锂电池荷电状态估计算法

针对低温情况下电池荷电状态SOC估算不准确的问题,提出一种基于扩展卡尔曼滤波算法(EKF)的电池电荷状态SOC估算方法。为了验证该算法的可靠性,在实验室-20℃至0℃低温环境下对锂电池进行充放电测试,建立三阶RC等效电路模型,通过参数识别方法获取各温度下的开路电压(OCV)与荷电状态(SOC)关系图,并结合扩展卡尔曼滤波(EKF)算法进行仿真分析。研究结果表明:相较于传统的粒子滤波算法,本文提出的扩展卡尔曼滤波算法在-20℃~0℃的低温区间SOC估算具有较大的提升,平均最大误差仅为4.2%,提升了4.3%,是一种可靠的SOC估算方法。

光伏储能系统电池能量管理研究

为延长蓄电池的使用寿命、降低光伏发电系统的运行成本,分析了光伏发电系统中储能蓄电池工作状况的特殊性和建立一套完整的蓄电池能量管理系统的必要性。分析了蓄电池能量管理系统的主要组成模块,提出了一种以实现蓄电池优化管理和提高光伏发电系统能量利用率为目标的分组自治能量管理策略。实时在线估算蓄电池的荷电状态SOC是实现分组自治能量管理的基础,采用蓄电池Thevenin模型、利用扩展卡尔曼滤波(EKF)算法实现了蓄电池SOC的估算。仿真结果表明,EKF算法具有较好的精度,并对初始值的误差有较强的修正作用。

基于Elman神经网络的化工过程软测量建模方法

针对软测量建模问题,提出了一种基于Elman神经网络的软测量建模方法。将该方法应用于脱丁烷塔底部丁烷组分含量以及硫回收装置尾气中SO_2和H_2S含量的软测量建模,分别采用BPTT算法、RTRL算法和EKF算法对Elman网络进行训练。在同等条件下,通过与传统的梯度下降算法以及其他软测量建模方法对比表明,EKF算法能够获得较好的离线估计结果,具有较好的鲁棒性和较快的收敛速度。

基于轮边驱动电动汽车轮胎力估计的路面附着系数估算

为了能够实时准确的获得当前车轮的轮胎力及路面附着系数以提高汽车主动安全性能,提出一种轮边驱动电动汽车状态估计与路面附着系数估计相结合的估计方法。根据车载传感器及七自由度非线性车辆动力学模型,采用扩展卡尔曼滤波算法(EKF)进行车辆状态及轮胎力的估计。结合EKF估算结果和轮胎模型,采用递归最小二乘法(RLS)实时估计不同路面的附着系数。仿真结果表明:该方法可以在较为复杂工况下估计出不同的路面附着系数,估计精度较高,实时性较好。

DGPS差分定位系统应用于低空摄影测量无人机气动参数计算

低空摄影测量无人机稳定性较差,因此掌握无人机的气动参数,对于无人机的稳定性评估和改进,航空摄影参数纠正等都有重要意义。通过差分全球定位系统和EKF技术计算无人机气动参数,对于设计无人机的气动外形,计算无人机负载和摄影参数等,都有较高的应用价值。本文通过实验中DGPS差分机和光学追踪系统比较分析,计算无人机导航精度,同时以测量速度作为卡尔曼滤波器的观测值,对无人机平飞状态下固定坐标速度分量和启动参数进行评估。