基于平方根容积卡尔曼滤波的核反应堆功率H_(∞)控制

核反应堆的负荷跟踪控制是核电站灵活调峰、具有应用价值的基础之一.根据反应堆中子动力学、热工水力、反应性方程等数学模型构建了反应堆的平方根容积卡尔曼滤波器(Square-root Cubature Kalman Filter,SCKF),对反应堆状态反馈问题中部分状态量无法量测或估计精度不足的问题加以解决,结合离散H_(∞)性能指标设计了基于SCKF的反应堆功率H_(∞)控制器,并与基于经典卡尔曼滤波器(Kalman Filter,KF)的反应堆功率H_(∞)控制器进行了同工况数值仿真对比.仿真结果表明,基于SCKF的功率控制器具有较好的负荷跟踪性能,能够根据期望跟踪目标调节反应堆功率水平;由于SCKF对非线性系统模型相比于KF具有更高的状态估计精度,基于SCKF的功率控制器相比基于KF的功率控制器具有更优的控制效果.

基于自适应H_(∞)容积卡尔曼滤波的配电网动态状态估计方法

受负荷随机变化、需求响应参与、分布式电源波动、量测装置种类多等因素的影响,容易出现配电网量测数据值异常,导致配电网动态状态估计精度下降。为了提高配电网状态估计的精度,提出了一种基于自适应H_(∞)容积卡尔曼滤波的配电网动态状态估计方法。首先,在容积卡尔曼滤波基础上,将自适应因子和H_(∞)滤波器相结合,对模型误差问题进行处理与限制。其次,结合噪声估值器,对过程噪声中的参数进行在线估计,减少噪声对预测误差的影响。最后,对典型配电网69节点系统进行仿真,仿真结果表明:该方法在系统正常运行、需求响应参与削峰填谷以及负荷发生突变这3种场景下,其估计精度均提高10%以上,保持了相对高的估计精度。

A new extended H_∞ filter for discrete nonlinear systems

Nonlinear estimation problem is investigated in this paper. By extension of a linear H_∞estimation with corrector-predictor form to nonlinear cases, a new extended H_∞filter is proposed for time-varying discrete-time nonlinear systems. The new filter has a simple observer structure based on a local linearization model, and can be viewed as a general case of the extended Kalman filter (EKF). An example demonstrates that the new filter with a suitable-chosen prescribed H_∞bound performs better than the EKF.

基于自适应H_(2)/H_(∞)滤波的锂电池SOC和SOH联合估计

准确、实时地估计电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)是现代电池管理系统的关键任务。通过自适应H_(2)/H_(∞)滤波器可对锂电池的SOC和SOH进行联合估计。该方法基于锂电池的二阶RC等效电路模型,采用AFFRLS法在线辨识锂电池的模型参数,并利用H_(2)/H_(∞)滤波器估计锂电池的SOC,AFFRLS辨识与H_(2)/H_(∞)滤波交替进行,得到一种自适应H_(2)/H_(∞)滤波器。SOH依据AFFRLS辨识的电池内阻进行估计,实现了锂电池SOC与SOH的联合估计。实验结果表明:自适应H_(2)/H_(∞)滤波算法的估计精度高且鲁棒性强,电池的SOC和SOH的平均估计误差始终保持在±0.19%以内,相比于EKF和H_(∞)滤波算法有更高的估计精度与稳定性。

量化误差下具有多丢包的信息物理系统H_(∞)滤波

研究一类具有信息传输不完全的信息物理系统H_(∞)滤波问题,考虑的信息传输不完全现象主要包括通信设备缺陷引起的量化误差和网络固有因素造成的连续随机多数据包丢失。采用Delta算子离散化方法构建信息物理系统状态空间模型和H_(∞)滤波器模型,通过分析和建模将量化误差和丢包模型与滤波器模型结合得出滤波误差系统。利用Lyapunov稳定性理论和Schur补引理推导出保证系统渐近稳定和H_(∞)性能的2个定理。基于目标追踪系统进行滤波器的仿真验证,结果表明:当量化器的参数固定时,随着最大丢包数的增加,H_(∞)性能指标γ逐渐增大,即数据包丢失越严重对系统稳定性造成的影响越大,但所设计的滤波器仍满足稳定性条件。所提滤波方法是有效的。

基于创新序列扩展H_(∞)滤波器的自适应车辆运动估计

车辆运动估计是考察汽车自动驾驶技术的关键性能指标。提出了一种新的车辆运动估计方法,以实现高度动态驾驶环境下对汽车的精确定位和跟踪。提出的扩展滤波器基于恒定转速和加速度的运动学模型,融合了激光雷达传感器、惯性传感器和车辆动态传感器的测量结果。利用机器人竞赛中自动驾驶赛车的测量数据验证了该融合算法,并与标准卡尔曼滤波算法的结果进行了比较。结果表明:该估计方法可对高速运动下的物体进行非常快速地跟踪,即使是在创新较低的情况下,仍然可以实现估计。此外,采用了纯运动学模型,该模型对车辆参数、轮胎路面状况变化和驾驶动作变化具有鲁棒性。因此在不同的场景下同样具有广泛的适用性,该算法对车辆运动估计算法的发展有着一定的参考意义。

一类随机时滞系统的有限时间H_(∞)滤波

本文主要研究一类带有界干扰的随机时滞系统的有限时间H_(∞)滤波问题。将有限时间引入带时滞的H_(∞)滤波问题中,通过构造合适的李雅普诺夫泛函,结合It8公式得出随机时滞系统具有有限时间H_(∞)性能的滤波器的设计算法,使得滤波器的误差系统有限时间随机有界。同时,利用LMI工具箱求出满足有限时间H_(∞)性能的滤波器参数。最后数值算例说明本文方法的可行性。

H_∞滤波技术在捷联惯性系统在线校正中的应用

在运载体有机动时,卡尔曼滤波器会导致捷联惯性系统(SIS)产生大的机动误差。计算机仿真结果表明,用H滤波器代替卡尔曼滤波器对SIS的状态变量进行估计后,能有效降低SIS的机动误差,提高系统的精度。

基于H_(∞)滤波的主/子惯导组合中挠曲变形补偿算法

针对舰载环境下,主/子惯导组合中主、子惯导间的挠曲变形问题,设计了H?滤波算法。算法将主、子惯导间的挠曲变形作为一种能量有限的量测噪声,通过H?滤波对不确定噪声的鲁棒性来保证滤波精度。在经典的"速度+姿态"匹配方法的基础上,仿真比较了:1)方案一,已知挠曲变形时的标准Kalman滤波算法;2)方案二,未知挠曲变形时的标准Kalman滤波算法;3)方案三,未知挠曲变形时的H?滤波算法。仿真误差曲线直观表明:基于H?滤波算法可以在未知挠曲变形时有效提高组合精度;统计结果表明:滤波方案三得到的姿态与速度的系统误差、随机误差均与理想条件下的方案一相当;相较于方案二,滤波方案三得到的姿态与速度的系统误差至少可减小40%,随机误差至少可减少15%。

H_∞鲁棒滤波器与Kalman滤波器的对比

通常Kalman滤波技术应用得比较广泛 ,然而在系统模型和噪声统计特性存在不确定性的条件下 ,Kalman滤波的应用就受到了一些限制。H∞ 滤波可有效地解决Kalman滤波所遇到的问题 ,不仅估计精度高 ,而且还具有鲁棒性。简要介绍了H∞ 滤波技术和Kalman滤波技术 ,设计了H∞ 鲁棒滤波器和Kalman滤波器 ,并分 3方面对二者的性能进行了比较分析。

H_∞滤波及其在惯导初始对准中的应用

阐述了H滤波器的设计过程,并将其运用于惯导系统的初始对准,建立了惯导系统的误差模型,并对其进行了可观性分析,利用H滤波方法对可观可测子系统进行了滤波计算,给出了白噪声下失准角的仿真曲线。仿真表明对准时间得到了很大的提高,精度也能够满足工程实际需要。文中给出了方位误差角的一种快速估计方法,结果表明该方法是可行的。

H_∞滤波在GPS/INS组合导航系统中的应用研究

提出了 GPS/ INS位置、速度、姿态组合方法 ,并把线性时变离散系统的 H∞ 滤波应用于组合系统。由于 GPS存在多路径误差及 SA误差等原因 ,难以确定准确的噪声统计模型。H∞ 滤波对噪声的不确定具有鲁棒性 ,所以用于组合系统能取得高于 Kalm an滤波的效果。文中对基于Motion Pak惯性组件和三个 Jupiter GPS接收机组成的组合系统进行了实验研究。实验结果表明 ,H∞ 滤波取得了较好的效果 。

姿态匹配传递对准的H_∞滤波器设计

姿态匹配传递对准对机翼弹性变形很敏感,若机翼弹性变形建模不当,将造成姿态匹配传递对准卡尔曼滤波性能的恶化。由于H∞滤波对系统的不确定性干扰具有很强的鲁棒性,因此本文将机翼的弹性变形视为姿态匹配传递对准中量测的不确定性干扰,并且设计了姿态匹配传递对准的H∞滤波器。仿真结果表明,在不对机翼弹性变形进行建模的情况下,姿态匹配传递对准的H∞滤波器能在十多秒钟的时间内完成传递对准,并且传递对准精度可达5′。

基于H_∞滤波器的离散时滞系统鲁棒故障检测方法

针对一类具有不确定性的离散时滞系统 ,基于H∞ 滤波器研究了系统的鲁棒故障检测问题。利用H∞ 控制理论得到了系统的故障检测滤波器设计方法 ,证明了故障检测残差对不确定性具有H∞ 范数界的鲁棒性 ,给出了滤波器参数设计方法。仿真示例验证了该方法的有效性。

用H_∞滤波解决惯导系统中的动态扰动误差

惯性导航系统中的动态扰动误差,一直是阻碍其推广应用的主要瓶颈,通过对惯导载体状态方程的解析,用 H_∞滤波理论来解决状态反馈控制器的设计问题,为改善惯导系统中的动态扰动误差提供了一种切实可行的新方法。

奇异值分解H_∞联邦滤波及其在传递对准中的应用

捷联惯导(SINS)合成孔径雷达(SAR)组合导航系统中,SINS与SAR天线附加的惯性测量元件(IMU)之间的抗干扰、动态快速传递对准是一个研究难题。为了既不增加滤波器阶数,减小计算量,又能提高传递对准的速度和精度。在吸收现有滤波算法优点的基础上,提出了一种新的奇异值分解H∞联邦滤波算法。首先,建立了"速度+姿态+位置"匹配更新的传递对准模型,利用基于奇异值分解的H?子滤波器进行滤波,得到系统状态的局部最优估计值;然后,通过联邦滤波器对局部最优估计值进行融合得到全局最优估计值。仿真结果表明,提出的滤波算法得到的失准角估计值能在200s内收敛,且分别稳定在3'、-5'和20',性能明显优于H∞滤波和联邦滤波。新的滤波算法不但速度快,精度高,而且计算量小,抗干扰性好,为提高传递对准的精度提供了一种新方法和新途径。

递阶遗传—H_∞滤波混合优化的前向神经网络在捷联惯导对准中的应用

将前向神经网络用于捷联惯性导航系统(SINS)的对准问题。首先,运用递阶遗传算法(HGA)优化神经网络(NNW)的拓扑结构,并对网络其余参数进行全局粗调;然后运用H滤波算法对具有最优结构的神经网络的其余参数在线自适应精调,并对这一过程与常规算法进行了计算机仿真比较。仿真结果表明:该算法能根据实际问题自适应确定网络结构,而且精度、实时性与常规方法相仿。

网络环境下航天器交会对接系统的鲁棒H_(∞)滤波

以航天器空间交会对接为背景,探讨了其网络环境下的鲁棒H?滤波问题。基于传统的C-W方程,重新构建网络环境下航天器交会对接系统的数学模型。选取时滞相关Lyapunov函数并结合自由权矩阵处理方法,给出网络化滤波误差系统渐近稳定且满足H?性能的充分条件,进而将滤波器的设计转化为受线性矩阵不等式约束的凸优化求解问题。仿真表明,最劣情况下最优的H?扰动抑制水平达到??1.4142,得到的相对位置和速度估计误差分别为0.07与0.02,证明该算法是可行且有效的。

飞行器视觉导航的H_∞滤波

提出了用H∞滤波估计飞行器视觉导航参数。由安装在飞行器上的摄像机获取地面图像,结合飞行器的动力学和运动学方程,构成了一个非线性Kalman滤波模型。针对非线性模型线性化引入误差以及随机噪声建模不准确的问题,设计了H∞滤波器对组合系统进行滤波估计,并与推广Kalman滤波进行比较。仿真结果表明,H∞滤波的性能优于推广卡尔曼滤波。

基于快速遗传算法的固定阶H_2/H_∞自适应噪声抵消器

讨论了混合型固定阶H2/H∞自适应噪声抵消器的设计方法。其不仅能充分利用H2设计的最优性,而且能利用H∞设计的鲁棒性,克服了信号处理中存在模型扰动和噪声的不确定性等问题。固定阶次的H2/H∞自适应噪声抵消器的设计方法是从工程实践的观点出发,不仅实现简单,而且节省运行时间。采用快速遗传算法获取自适应噪声抵消器的系数。仿真结果表明:该方法设计的噪声抵消器即使噪声特性发生改变,而滤波器的结构及参数不变时,其去噪效果仍然良好;同时,该方法可以用于多路信号和复杂信号的噪声消除。