基于联合EKF-UKF算法的锂电池SOC预估研究

电池储能在当前能源结构中有着至关重要的作用,其荷电状态(state of charge,SOC)的准确预估是电池管理系统工作的前提。通过在MATLAB/Simulink中建立电池的Thevenin模型,并经过实验获得SOC与开路电压之间的关系,对扩展卡尔曼滤波(extended Kalman filter,EKF)算法、无迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行了分析与模型的搭建,在实际工况输入下进行了SOC预估并与真实值进行了对比分析。最后,依据对EKF、UKF算法仿真结果的分析,提出了联合EKF-UKF算法,即初始阶段采用收敛速度快的EKF算法,之后采用误差低的UKF算法求取SOC值,仿真结果表明该算法能够有效提升SOC预估过程中稳定性。

基于EKF-UKF模型的锂电池电源参数更新和估计

由于对锂电池的电量参数直接建模存在困难,不便于实现对电源参数的估计,本文提出基于EKFUKF模型算法直接对锂电池的状态参数进行建模。应用EKF算法获取的电池模型参数、UKF算法观测锂电池的荷电状态,在实现对锂电池进行电量估计的同时,完成对电池模型参数的实时更新,有效地减少漂移电流对估算精度的影响。工况测试表明:这种复合算法复杂度低,能快速实现对锂电池的参数估计,且具有较高的估计精度和鲁棒性。

基于电池组模型的EKF-UKF电池参数和

在电池的使用过程中,电池组荷电状态(SOC)的准确估计对电动汽车的使用起到非常重要的作用,直接关系到车辆的续航里程。同时组成电池组的电池单体SOC的一致性会直接影响电池组的充、放电效率。在电池的使用过程中,组成电池组的电池单体会存在一定的不一致性,这使得电池组的SOC估计相当困难。在分析电池单体模型的基础上,对电池组进行建模,并使用重组状态空间方程的方法降低电池组状态空间方程的维数,同时使用EKF-UKF对电池组的内部参数和电池组的SOC进行观测和估计。最后通过恒流工况和DST工况验证算法的准确性和正确性,并分析了电池单体间的不一致性对电池组容量的影响。

基于自适应UKF的卫星星座自主导航方法

针对卫星星座自主导航系统中存在的模型不确定性及难以准确获取的时变系统噪声统计特性影响导航精度的问题,提出了一种系统噪声在线自适应调整的UKF算法。基于所提出的自适应UKF算法设计了一种基于星间相对测量的卫星星座自主导航方法,该方法结合奇异值分解和比例修正的采样策略,解决了应用UKF时易出现状态误差方差阵丧失正定性而导致的Cholesky分解无法进行的问题。通过在低轨区域星座和中轨全球星座上的仿真实验,验证了该算法在提高滤波精度以及改善状态估计置信度方面的有效性,所提算法的定轨精度优于EKF算法、自适应EKF算法以及基于对称采样策略的UKF算法。采用CRLB分析法对导航算法的估计性能进行了分析验证。

基于非线性卡尔曼滤波的城市轨道交通客流密度短时预测方法

[目的]为应对大客流事件,需准确识别城市轨道交通对大客流时空分布状态及演化规律,有必要基于EKF(扩展卡尔曼滤波)和UKF(无迹卡尔曼滤波),对城市轨道交通客流密度进行短时预测。[方法]从车站和断面两个层面,介绍了自动售检票设备数据的处理方法,并划分了城市轨道交通车站及断面的舒适度等级。通过定义客流密度状态方程和量测方程,分别介绍了EKF模型和UKF模型的城市轨道交通客流密度短时预测计算方法。以国内某城市轨道交通网络化运营城市某条线路为案例,比较了EKF模型及UKF模型的预测精度。[结果及结论]算例结果表明,EKF模型及UKF模型均能通过实时采集当前时段车站自动售检票设备数据来预测下一时段的车站客流密度和断面客流密度,适用于城市轨道交通客流密度短时预测场景。相比于EKF模型,UKF模型全天分时段预测值更接近真实变化趋势,UKF模型预测值与真实值的散点分布更趋集中收敛;UKF模型的均方根误差、平均绝对误差及平均绝对百分比误差均相对更低,说明UKF模型预测精度相对更高。

水下重力匹配导航的非线性滤波算法研究

地球重力场辅助惯性导航系统应用于水下运载体的导航定位,能够有效降低惯性导航系统误差随时间累积的影响,保证水下运载体的长时间导航精度。EKF算法与UKF算法是两种常用的非线性滤波算法,以水下重力匹配导航为例,在南海选取两块重力异常变化剧烈程度不同的海域开展仿真试验,试验结果表明:两种算法都能够匹配真实航迹,有效降低惯导定位误差,采用UKF算法的导航定位精度水平较EKF算法提升30%以上,具有较好的精度提高作用。

UKF与EKF在导航定位中的对比研究

为深入研究UKF与EKF两种滤波算法在导航定位应用中的表现,基于对扩展卡尔曼滤波与无迹卡尔曼滤波的原理的介绍,建立起一种导航单目标定位模型,利用无迹卡尔曼滤波方法进行目标定位的仿真并展开分析。通过对目标定位结果与其真实运动轨迹的对比,验证UKF轨迹与真实轨迹的重合情况,将位置估计的平均偏差控制在2m以内,在整个目标定位过程中未发生目标跟踪丢失情况。将仿真得到的结果与真实轨迹进行对比并计算位置估计偏差,以此论证两种算法在性能效果上的优劣。

永磁同步电机无位置传感器控制现状和展望

永磁同步电机(PMSM)的无位置传感器控制是当前电机控制领域的研究热点。针对永磁同步电机无位置传感器控制中基于反电动势观测以及电感凸极性的位置估计方法进行归纳总结。分别对滑模观测器法、模型参考自适应法、龙伯格观测器法、扩展卡尔曼滤波器法、无迹卡尔曼滤波器法和高频信号注入法的基本理念进行了介绍,通过比较每种方法的优势和不足,并根据其缺点归纳了目前主要的改进方法,并阐述了全速范围内两大控制方法的结合策略,且对无位置传感器控制的研究趋势进行了展望。

UKF滤波方法及其在车辆导航状态估计中的应用(英文)

在车载导航系统中,通常采用EKF作为状态估计方法提高导航的精度。由于EKF进行非线性估计存在一些缺陷,因此将其用于导航系统的非线性估计时,存在估计误差,从而影响导航系统的精度。为了获得更高的导航精度,将一种新的滤波方法—UKF方法用于车载导航系统的状态估计中。对一个车载DR/GPS组合系统,将EKF和UKF方法分别进行了滤波仿真。仿真结果表明:在车载导航状态估计中,UKF方法优于EKF方法。

大失准角下MIMU空中快速对准技术

为了提高微小型无人机空中的反应速度和作业精度,提出将基于模型误差预测的扩展卡尔曼滤波(MEP-EKF)方法应用在大失准角下微惯性测量单元(MIMU)的空中对准中,通过不同机动飞行策略的仿真结果,证实MEP-EKF算法不仅能够实时估计出系统的模型误差,而且将其与扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF)方法进行了仿真比较,结果表明MEP-EKF算法在方位误差角的估计上,取得了比EKF和UKF精度高的仿真结果,使得方位失准角由30°快速下降到1°左右,而且MEP-EKF所需时间仅是UKF的17%。

一种改进粒子滤波器在雷达目标跟踪中的应用

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统卡尔曼或扩展的卡尔曼滤波算法在闪烁噪声环境下,滤波性能将急剧下降甚至滤波发散。提出了将粒子滤波与无迹变换结合的改进粒子滤波算法UPF(uncented particle filter)应用在雷达目标跟踪中,解决了闪烁噪声情况下雷达目标跟踪问题。仿真结果表明,在高斯条件下扩展的卡尔曼算法和基于无迹变换的粒子滤波算法跟踪性能相近,但在闪烁噪声环境下,随着闪烁影响的增强,扩展的卡尔曼算法跟踪性能严重下降,而UPF算法能保持较好的跟踪精度。

惯性/地磁组合导航算法

针对惯性/地磁组合导航滤波算法进行了深入研究。分析了惯性/地磁组合导航系统的基本原理,基于巡航导弹巡航段飞行过程建立了组合导航系统的滤波模型。在观测信息分别为实测地磁场三分量信息和单一幅值信息条件下,采用广义卡尔曼滤波和Unscented卡尔曼滤波算法进行了仿真分析。仿真结果表明,在观测信息为三分量地磁信息条件下,Unscented卡尔曼滤波总体滤波效果略优于广义卡尔曼滤波,两种算法在最后30s内的平均定位精度都可达到50m;在观测信息仅为地磁场幅值的情况下,广义卡尔曼滤波算法的滤波收敛速度和精度均大幅下降,而Unscented卡尔曼滤波仍然取得不错的收敛效果,滤波性能明显优于广义卡尔曼滤波。

发射惯性坐标系下误差角与数学平台失准角的推导与仿真

基于状态空间法的捷联惯性/天文组合导航系统(SINS/CNS)需要数学平台失准角作为观测值参与滤波估计,工程实际只能得到SINS、CNS二者的姿态误差角。以弹道导弹为背景,在发射惯性坐标系下分别推导了四元数和欧拉角形式的姿态误差角与数学平台失准角之间的相互转换矩阵。建立了弹道导弹SINS/CNS数学模型,并采用EKF和UKF算法验证了该转换矩阵。仿真结果表明误差转换矩阵的正确性。

高动态GPS载波跟踪算法研究

为了寻求更好的高动态GPS载波跟踪解决方案,设计了适于高动态环境的基于参数估计的载波跟踪环路,分析了高动态GPS载波跟踪系统模型,比较了EKF、UKF和PF三种滤波算法的参数估计性能。在此基础上,完成了基于EKF、UKF和PF的载波跟踪环路的设计,并以JPL提出的高动态模型为例进行仿真验证。仿真结果表明,虽然这三种算法均能实现对高动态信号的精确跟踪,但总体而言,基于PF的载波跟踪环路具有更好的动态适应能力。另外,鉴于高动态GPS接收机应用场合的特殊性,又对PF滤波算法在非线性、非高斯GPS载波系统的假设下进行了仿真验证,结果显示了应用粒子滤波算法解决非高斯噪声干扰载波跟踪问题的可行性。

基于电动汽车锂电池的SOC动态估算策略

针对实际运行中电池参数的变化,建立了基于Thevenin模型的锂离子动力电池状态空间模型,采用递推最小二乘法进行模型参数在线辨识,对参数做出实时修正,同时克服广义卡尔曼滤波(EKF)估算的不足,提出了基于无色卡尔曼滤波(UKF)估算锂电池SOC估算的新方法。实验结果验证了在同等条件下,UKF比EKF具有更好的滤波估算精度,提高了系统的适应性。

基于UKF的混合坐标系下运动辐射源的无源定位跟踪

针对无源定位必须实现快速和稳定定位跟踪的要求,首先研究了混合坐标下的推广卡尔曼滤波(EKF)算法,充分利用了直角坐标系下状态方程的线性特性和修正极坐标系下观测方程的线性特性,并针对两坐标系间协方差矩阵变换的舍入误差,推导了一种混合坐标系下的UKF算法,并将其应用于运动辐射源的无源定位跟踪中。计算机仿真表明该算法提高了收敛速度和定位精度。

基于IMM-UKF的纯方位机动目标跟踪算法

针对在非线性机动目标跟踪中存在的滤波器易发散、跟踪误差大等问题,本文在多站纯方位跟踪的基础上,把Unscented卡尔曼滤波(Unscented Kalman filter,UKF)引进到交互多模型算法(Interacting multiplemodel,IMM)中,设计了交互多模型UKF滤波算法,克服了EKF中引入的较大线性化误差对机动目标跟踪算法性能的影响。最后将该算法与扩展卡尔曼滤波(EKF)、IMM-EKF算法进行了比较,仿真结果表明:IMM-UKF算法增强了EKF滤波器的稳定性,提高了滤波收敛速度和跟踪精度。

基于UKF滤波的WSN节点定位研究

无迹卡尔曼滤波(UKF)模拟系统的后验概率密度函数,避免了扩展卡尔曼滤波(EKF)中引入的较大线性化误差的缺陷。本文提出了一种基于加权最小二乘法(WLSE)和UKF的无线传感器网络(WSN)节点定位算法。算法采用TOF测距技术测量未知节点到信标节点的距离,利用加权最小二乘法估算未知节点的初始位置,并采用UKF滤波对节点进行精确定位,同时与EKF滤波结果进行比较。相关分析结果表明,算法在TOF测距基础上,将加权最小二乘法和UKF滤波结合,可以较大提高节点的定位精度。

低轨星座对自由段空间目标跟踪算法研究

根据空间预警系统中被动传感器所获得的目标方位信息,对自由段空间目标的多星定位方法进行了研究。建立了天基低轨星座的观测模型和对自由段空间目标的运动模型。使用EKF、UKF和高阶UKF滤波器进行了相应的跟踪定位数据仿真和系统定位分析。仿真结果表明EKF、UKF和高阶UKF都能对自由段空间目标进行定位和跟踪。从收敛速度、估计精度以及运算效率等方面比较3种滤波器的跟踪性能,UKF的跟踪性能优于EKF和高阶UKF。

基于UKF的GPS/DR组合导航非线性状态估计

GPS/DR组合导航系统是一个非线性系统,以往采用的扩展卡尔曼滤波算法EKF使得函数的整体特性被局部特性所代替,加上噪声的存在使系统的性能进一步下降。为了获得更好的状态估计性能,用无迹卡尔曼滤波算法UKF(Unscented Kalman Fil-ter)实现组合导航系统的非线性状态估计,避免了EKF方法的线性化近似过程,提高了算法的收敛速度和载体的定位精度。仿真结果表明:在非线性状态估计中,UKF滤波方法优于EKF滤波方法。