不确定系统鲁棒协方差交叉融合稳态Kalman滤波器

针对带不确定模型参数和噪声方差的线性离散多传感器系统,基于极大极小鲁棒估值原理,该文提出一种鲁棒协方差交叉(CI)融合稳态Kalman滤波器。首先,用引入虚拟噪声补偿不确定模型参数,把模型参数和噪声方差两者不确定的多传感器系统转化为仅噪声方差不确定的系统。其次,应用Lyapunov方程证明局部鲁棒Kalman滤波器的鲁棒性,进而保证CI融合Kalman滤波的鲁棒性,且证明了CI融合器的鲁棒精度高于每个局部滤波器的鲁棒精度。最后,给出一个仿真例子来说明如何搜索不确定参数的鲁棒域,并验证所提出的鲁棒Kalman滤波器的优良性能。

带丢失观测和不确定噪声方差系统改进的鲁棒协方差交叉融合稳态Kalman滤波器

对带丢失观测和不确定噪声方差的线性定常多传感器系统,引入虚拟噪声将原系统转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman滤波器及其实际方差最小上界,并利用保守的局部滤波误差互协方差,提出一种改进的鲁棒协方差交叉(covariance intersection,CI)融合稳态Kalman滤波器及其实际方差最小上界.证明了所提出的鲁棒局部和融合滤波器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合鲁棒精度,且高于每个局部滤波器的鲁棒精度.一个仿真例子验证所提出结果的正确性和有效性.

带不确定参数和噪声方差的鲁棒观测融合Kalman滤波器

对带不确定参数和噪声方差的多传感器定常系统,引入虚拟白噪声补偿不确定参数,可将其转化为带已知参数和不确定噪声方差系统.应用极大极小鲁棒估值原理和加权最小二乘法,基于带噪声方差保守上界的最坏情形保守系统,提出了鲁棒加权观测融合Kalman滤波器,并证明了它与集中式融合鲁棒Kalman滤波器是等价的,且融合器的鲁棒精度高于每个局部滤波器鲁棒精度.一个Monte-Carlo仿真例子说明了如何寻求不确定参数的鲁棒域和如何搜索保守性较小的虚拟噪声方差上界.

逆协方差交叉融合鲁棒Kalman滤波器

分布式状态估计系统通过将多个传感器状态融合以得到更精确的融合结果,当传感器之间的协方差未知时,常采用保守估计的策略,但结果精确度较差。为了在传感器之间互协方差未知时得到更精确的融合结果,引入了逆协方差交叉算法,将其与局部稳态Kalman滤波器相结合,提出逆协方差交叉融合鲁棒Kalman滤波器。它克服了协方差交叉融合(CI)算法保守的缺点,证明了ICI的精度高于CI的精度,并基于协方差椭圆给出ICI、CI和局部传感器精度的几何解释。通过两传感器系统的蒙特卡洛仿真例子表明,其实际精度相比于CI融合鲁棒稳态Kalman滤波器更接近于带已知互协方差的最优融合器的精度。

多传感器非线性系统的鲁棒SCI-UKF滤波器

非线性系统在生活中普遍存在,而同时在对系统进行状态估计时,噪声的统计特性也很难实时确定。针对带不确定噪声方差的多传感器非线性系统,提出了一种基于局部无迹Kalman滤波(UKF)的序贯协方差交叉(SCI)融合鲁棒Kalman滤波器。将有效地解决噪声方差未知条件下的多传感器非线性系统的状态估计问题,融合算法的引入极大地提高了其估计精度。一个关于跟踪系统的Monte-Carlo仿真实例也证明了所提出的算法的有效性。

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。

具有不确定噪声的连续时间广义系统确保估计性能的鲁棒Kalman滤波器

讨论了一类具有不确定噪声的连续时间广义随机控制系统的鲁棒Kalman滤波器的设计问题 .文中给出了确保估计误差性能指标的不确定噪声协方差矩阵扰动上界 .文章研究结果表明 ,在此界限内采用最坏情况下的最优滤波器实现对状态的估计 ,它不仅能极小化不确定下的最坏性能 ,而且也能确保估计误差性能指标达到给定的某个自由度 .

非线性离散系统基于扩展Kalman滤波的鲁棒融合状态估计

非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分。提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的。融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用。仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性。

鲁棒Kalman滤波陀螺随机噪声AR快速/实时建模

针对传统陀螺随机噪声的AR建模方法收敛速度慢、所需样本多等问题,提出新的基于鲁棒Kalman滤波的陀螺随机噪声AR建模方法。该方法将AR模型参数作为系统的状态量,采用未知时变的噪声统计估值器估计观测噪声的均值和方差,通过Kalman滤波估计出AR模型参数。实验结果表明:这种AR建模方法具有收敛速度快,时间开销少的优点。当有新的噪声数据到来时,还能使建立的AR模型得到及时更新,提高建模准确度,适用于快速建模或陀螺随机噪声具有强时变性的工程场合。

基于鲁棒Kalman滤波的猎扫雷作战过程建模及效果评估

针对混布雷阵在猎扫雷作战效果评估中评估精度差的问题,采用时变带未建模动态系统对猎扫雷作战过程建模,通过引入带未知时变均值和方差阵的虚拟白噪声来补偿猎扫雷作战数学模型建立过程中简化带来的未知模型误差,并采用鲁棒Kalman滤波器对作战效果进行评估。仿真结果表明,该方法可有效改善Kalman滤波器的性能,对混布雷阵有很好的评估效果,评估过程和评估效果更贴近实际。

用偏差分离估计的鲁棒Kalman滤波算法

本文针对带模型误差系统,利用偏差分离估计提出了一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件。仿真结果表明本文算法是有效的。

鲁棒Kalman滤波在电控罗经数据建模中的应用研究

基于电控罗经实测数据,对实时数据进行时间序列建模,并对模型进行了处理,分别采用鲁棒Kalman滤波器和标准Kalman滤波器,并对这两种滤波器进行了对比,从数据的光滑性和滤波器的最优估计角度得出鲁棒Kalman滤波器对于数据处理具有良好的适用性。

协方差交叉融合鲁棒Kalman滤波器

对于带未知互协方差的两传感器系统,提出一种协方差交叉(CI)融合鲁棒稳态Kalman滤波器,它关于未知互协方差具有鲁棒性.严格证明了该滤波器的实际精度高于每个局部滤波器的精度,但低于带已知互协方差的最优融合Kalman滤波器的精度.基于协方差椭圆给出了精度关系的几何解释.进一步将上述结果推广到一般多传感器情形.一个跟踪系统的Monte-Carlo仿真例子表明,其实际精度接近于带已知互协方差的最优融合器的精度.

带不确定噪声方差保性能鲁棒集中式融合Kalman预报器

对于带不确定噪声方差的多传感器系统,基于极大极小鲁棒估计原理,提出保证估计性能的集中式融合鲁棒稳态Kalman预报器.对于预置的估计精度偏差指标,利用Lagrange乘数法求得相应噪声方差的最大扰动域,使该域中所有可容许的噪声扰动,其实际精度对鲁棒精度的偏差被保证在预置范围内,并给出精度偏差的最大下界和最小上界.应用Lyapunov方程方法证明了保证估计性能能够被满足.仿真分析表明了所得结果的正确性和有效性.

不确定性直接转矩控制系统

在异步电动机直接转矩控制系统中,由于定子电阻变化及负载扰动的不确定性,导致定子磁链、转子转速和电磁转矩估计不准确,从而影响系统的调速性能.本文基于扩展Kabilan滤波器,引进虚拟噪声补偿技术,然后采用Sage和Husa噪声统计估值器,构成鲁棒扩展Kabnan滤波器.并将定子电流,定子磁链,转子转速,定子电阻及负载作为状态变量,基于鲁棒扩展Kabilan滤波器进行了大量实验研究.实验结果证实;状态变量能够准确估计,且转矩脉动优于常规的直接转矩控制方案,实现了高性能无速度传感器的直接转矩控制系统.