直流配网多滤波器交互影响机理分析

直流配网是配电系统的主要发展方向,受非线性设备、不平衡负载等因素影响,系统中极易产生二次谐波,严重威胁系统运行稳定性与用电设备安全性.在系统规模较大的直流配网中,多有源滤波器协同滤波是治理二次谐波的方法之一,但由于滤波器之间存在耦合干扰,滤波性能与效果差别较大.建立多滤波器诺顿等效并网模型,基于相对增益矩阵理论提出了多滤波器交互影响机理分析方法,构建了滤波器输出电流变化量与谐波源电流变化量矩阵关系,分析了直流配网线路参数和滤波器控制参数对滤波效果的影响.利用PSCAD/EMTDC软件建立含多直流滤波器的直流配电网模型,在不同场景下验证滤波器交互影响分析的合理性;并利用RT-LAB软件搭建半实物仿真模型,进一步验证了方法的有效性.

一种抑制扩展卡尔曼滤波的发散方法

针对扩展卡尔曼滤波在 Sandia 惯性地形辅助导航(SITAN)系统中的发散问题进行分析,指出关键原因所在,并据此提出采用"冻结"增益矩阵和对增益矩阵加权相结合的扩展卡尔曼滤波方法,对该导航系统进行修正。仿真结果表明,此方法能够有效地抑制发散。

抗差卡尔曼滤波模型及其在GPS监测网中的应用

根据量测向量中的粗差对状态向量滤波值的影响规律 ,导出了抗差卡尔曼滤波模型 ,该模型对观测空间和设计空间均具有良好的抗差性。通过对含有粗差的模拟 GPS监测网的计算 ,与标准卡尔曼滤波模型相比较 ,利用该抗差滤波模型 ,可获得可靠的变形分析结果。

航空发动机相似增益扩展卡尔曼滤波研究

提出了一种用于估计航空发动机性能参数退化情况的基于相似增益的扩展卡尔曼滤波方法,滤波器由部件级非线性实时模型和卡尔曼滤波增益矩阵组成。增益矩阵在标准大气条件下设计,并通过相似理论将其扩展到全线。与常增益卡尔曼滤波算法相比,该方法具有更好的收敛性和滤波稳定性。系统仿真表明,该方法能够在当前的机载计算机上完成实时运算,仿真结果令人满意。

多新息理论改进优化粒子滤波研究

研究多新息理论改进优化粒子滤波问题,以提高粒子滤波精度。其中粒子滤波状态估计模型的改进和新息数的选择是难点题。首先,基于多新息理论,利用多新息的增益矩阵和新息向量的乘积,对标准粒子滤波的状态估计模型改进优化,提出基于多新息改进优化的粒子滤波MI-PF;然后,分析了MI-PF算法的时间复杂度,从理论上论述了多新息理论改进优化粒子滤波的可行性;最后,利用仿真的方法,研究了不同新息数对MI-PF滤波性能和效率的影响,并得出了在强非线性、非高斯系统下,MI-PF新息数的取值范围。实验结果表明:若粒子数相同,与其它改进的粒子滤波相比,MI-PF滤波精度更高;若滤波精度近似,MI-PF使用的粒子数最少效率最高。从而验证了多信息理论改进粒子滤波的可行性,提高了粒子滤波精度。

GPS监测网动态数据处理抗差Kalman滤波模型

为克服观测向量中的粗差对状态参数滤波值的影响 ,通过分析其影响规律 ,并充分顾及到粗差在预测残差中得到全部反映的特点 ,导出了 GPS监测网动态数据处理的抗差卡尔曼滤波模型——该模型对观测空间和设计空间均具有良好的抗差性 .通过利用该抗差滤波模型对含有粗差的模拟 GPS监测网的计算 ,与采用标准卡尔曼滤波模型的计算结果相比较 。

跳变时滞系统非脆弱H_∞滤波器的设计

文中针对一类具有马尔可夫跳变参数的It类型不确定随机时滞系统,讨论了此类系统的鲁棒非脆弱H∞滤波器的设计问题.在被控对象及滤波器同时存在不确定性的情况下,使闭环滤波误差系统的鲁棒随机指数均方稳定,且干扰抑制性能指标小于给定上界.针对被控对象和滤波器均存在加法摄动的情况,运用线性矩阵不等式(LMI)和It公式,给出了非脆弱滤波器存在的可解性条件.数值算例表明了该方法的有效性,并通过比较说明了非脆弱滤波器的优越性.

不确定离散时滞系统的鲁棒H_∞弹性滤波

针对一类具有参数不确定性的离散时滞系统,研究了鲁棒H∞弹性滤波器的设计问题.系统中的参数不确定项满足范数有界条件,待设计的弹性滤波器含有乘型滤波增益变化.首先,按照滤波器设计形式构造出滤波误差动态系统.然后,运用Lyapunov稳定性理论,获得满足设计要求的鲁棒H∞弹性滤波器存在的可解性条件,即代入滤波误差动态系统的参数.最后,利用矩阵变换方法,将鲁棒H∞弹性滤波器的设计问题归结为一个线性矩阵不等式(LMI)求解问题;通过求解LMI,获得满足设计要求的鲁棒H∞弹性滤波器参数,使滤波误差动态系统渐近稳定,且满足H∞范数界γ干扰衰减.基于数值实例的仿真结果验证了该弹性滤波器设计方法的有效性.

实时校正中系统噪声均值的空间分布

利用四点线性隐格式对圣维南方程组进行离散和线性化处理,建立了以水位和流量作为状态量的卡尔曼滤波状态方程,并结合相应的量测方程,进行了水动力学实时校正计算.针对预测阶段系统噪声均值的空间分布问题,提出了把卡尔曼滤波技术中的增益矩阵应用于系统噪声均值的空间分布,以改善原方程系统干扰矩阵形式的设想.验证结果表明,此方法对提高预报精度有明显帮助.

极坐标下卡尔曼滤波算法的研究

针对在某些情况下直角坐标系中卡尔曼滤波算法运算量较大、模型建立比较困难等缺点 ,提出了极坐标下的卡尔曼滤波算法。该算法选用极坐标作为滤波坐标系 ,建立了目标运动模型和外推方程 ,给出了增益阵的一种新的计算方法。仿真结果表明 ,提出的滤波算法在数据率较高时 ,滤波精度略低于直角坐标下卡尔曼滤波算法 ,优于自适应 α- β滤波算法 ,但运算量明显低于直角坐标下卡尔曼滤波算法。

广义离散随机线性系统最优递推估计

运用新息理论和射影的方法［１］，提出了广义离散随机线性系统最优递推滤波、预报和平滑估计算法，在一定条件下证明了最优递推估计的渐近稳定性．所得的结果可用于正常离散随机线性系统．

不确定离散时间系统的变增益H_2/H_∞滤波

研究凸多面体不确定离散时间系统的变增益H2/H∞滤波器设计问题.通过引入附加松弛变量,提出一种新的Lyapunov矩阵与系统矩阵解耦的混合H2/H∞性能准则.基于该性能准则,推导了变增益H2/H∞滤波器存在的充分条件,并将滤波器设计问题转化为具有线性矩阵不等式约束的凸优化问题.仿真结果表明了所提出方法的有效性.

基于快速卡尔曼滤波算法的运动人体跟踪

在对运动人体进行跟踪时，为保证系统的实时性和精准性，需要根据目标当前的运动轨迹预测目标在下一时刻的位置，并对该时刻的位置进行修正．笔者在卡尔曼滤波理论的基础上，对原有系统的增益矩阵和常数矩阵提出了新的确定方法，简化迭代计算的步骤，提高系统的计算速度，把该理论运用到人体跟踪中，使跟踪速度更为快捷，实现系统的实时跟踪．

一种噪声无关的图像复原算法研究

目前获取数字图像的方法存在使图像质量明显下降的问题,迫切需要图像复原的方法,对图像进行重建。在已知点扩散函数的情况下,通过摒弃传统的依赖噪声求出增益矩阵的过程,从修复增益矩阵出发,使复原后的图像更接近原始图像。新方法在递推过程中矫正增益滤波偏大或偏小的现象,从而减少因为缺少噪声信息而产生的误差,而且相较于其他迭代算法,该方法时间复杂度较低。实验结果表明新方法可以有效地保证复原图像质量,并提高效率。

稳态Kalman滤波器增益的一种新算法

用现代时间序列分析方法，基于ＡＲＭＡ新息模型，提出了稳态Ｋａｌｍａｎ滤波器增益阵的一种新算法。可处理模型噪声与观测噪声相关的系统，也可处理带奇异的和／或不稳定状态转移阵的系统。仿真例子说明了其有效性。

基于液晶可调谐滤波技术的动态增益均衡器研究

提出了一种基于液晶技术的新型可调谐滤波器结构,详细介绍了这种新型液晶可调谐滤波器的结构及其工作原理,用琼斯矩阵法推导出其光传输矩阵,得出了其光透过率表达式,并在数值上进行了仿真,得出了其幅度与相位的调制特性.同时分析了采用这种液晶可调谐滤波器八级级联组成动态增益均衡器的遗传算法优化仿真结果.利用优化得出的参数值,对该动态增益均衡器进行了实验,得出了DGE完整的光增益透过谱,实验结果与理论分析相吻合.

卡尔曼滤波在变形监测数据处理中的应用

在目前常用的变形监测数据处理的方法中,卡尔曼滤波法应用较为广泛。这种动态数据处理的方法是以滤波方程作为类推公式,相比于传统数据处理方法,大大地削减了测量误差,其动态系统是通过状态方程和观测方程来描述体现的。这是一个不断预测、修正的过程,求解完之后无需保留观测值序列,因此不必存储前期数据,只需新一期的数据便可滤波和预测,把参数估计与预报巧妙地结合起来,从而使数据处理更为精确。

一种新型液晶动态增益平坦滤波器研究

提出了一种新型液晶增益平坦滤波器(DGFF),对其基本结构,对其工作原理分别进行了介绍和分析;利用琼斯矩阵法推导出DGFF的光透过率表达式,并对其进行数值分析,得出采用非线性最小二乘法优化DGFF液晶相位参数可以动态均衡EDFA的光增益谱的结论,最后在实验中证实了其可行性。

机器人无标定手眼协调方法研究

无标定情况下的视觉定位是机器人视觉伺服领域的热点和难点。提出一种基于快速自适应滤波的机器人无标定手眼协调方法。首先根据机器人三维基坐标建立运动空间和图像特征空间的微分映射关系,在不预先标定视觉传感器与机器人参数情况下,设计一个直接估计增益矩阵Kk的自适应滤波器,在线辨识图像雅可比矩阵。采用最小二乘法获得状态估计的初始值,在此基础上设计视觉控制器和计算运动控制量。在MAT⁃LAB环境下建立机器人手眼协调控制系统仿真模型,将该方法用于观测噪声统计特性未知情况下的定位反馈,并对机器人空间螺旋运动的跟踪情况进行分析。实验结果表明,该自适应滤波器能够完成不规则环境下视觉引导的追踪任务,定位效果优于常规卡尔曼滤波和Sage-Husa自适应滤波,具有较强的鲁棒性。