运用Vold-Kalman阶比跟踪的发动机失火故障在线诊断

发动机一个工作循环内,其燃爆次数等于气缸数,燃爆产生的振动信号频率与转速相关。由于排气噪声的频率与转速也相关,并且排气噪声强度随燃爆振动强度变化,因此,提出了一种通过测量排气噪声间接检测发动机失火故障的方法。利用等角度采样阶比跟踪方法分析了各阶比分量幅值的变化规律,通过Vold-Kalman阶比跟踪方法提取了特定的阶比分量,以其能量与原信号总能量比值作为特征参量,利用极限学习机,实现了发动机失火故障的在线诊断。应用实例分析表明,发动机失火故障诊断准确率接近100%,诊断耗时不超过0.1s。

基于弗德卡曼阶比跟踪的转子起停车故障特征提取方法及应用

针对传统起停车过程分析采用短时傅里叶变换提取瞬时幅值及相位会损失瞬变信息的不足,用弗德卡曼阶比跟踪原理(Vold-Kalman Filter Based Order Tracking,VKF-OT)结合全息谱原理,提出新的转子起停车故障特征提取方法。由转子起停车瞬态响应数据中提取随转速变化的阶比分量,通过各阶分量复包络直接求幅值、相位,能克服傅里叶变换的平均效应,保留转子振动瞬变信息;通过VKF-OT集成转子截面振动信息,结合全息谱理论绘制阶比全息瀑布图,提取转子起停车状态的故障特征,并用于起停车瞬态动平衡。结果表明,该方法可有效提取转子典型故障特征、降低转子系统一阶临界振动。

基于自适应分数阶Kalman滤波的船舶视觉跟踪

为提高Kalman滤波算法的准确性和鲁棒性,提出一种基于自适应分数阶系统的Kalman滤波算法,设计状态噪声协方差选择的自适应机制,推导其数学过程。将该算法应用到船舶视觉跟踪中,选取不同河流的CCTV(Closed Circnit Television)船舶监控视频(包括不同情况下的内河船舶运动监控),针对不同船舶大小、复杂光照、不同明暗度、多船会遇和多船追越等情况进行船舶视觉跟踪。对不同分数阶下的跟踪误差和准确度进行分析,并将分数阶Kalman滤波器与整数阶滤波器相比,说明其具有更宽的参数选择范围和更高的跟踪精度。研究结果表明:与分数Kalman滤波和Kalman滤波相比,该自适应分数Kalman算法具有更小的中心位置误差和更好的跟踪精度,能很好地避免跟踪器的漂移效应,具有较强的鲁棒性和准确性。

基于分数低阶统计量的卡尔曼滤波目标跟踪算法

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声,可以采用α稳定分布建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得基于分数低阶统计量的Kalman滤波目标跟踪新算法(FLOS-KF)。仿真验证了FLOS-KF滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的跟踪效果。

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。

跟踪机动目标的雷达波形选择新方法

针对多项式预测模型描述的机动目标,提出了一种新的雷达波形选择算法。由于机动目标的运动方程满足多项式的规律,以运动目标的多项式预测模型作为状态方程,Kalman滤波器可以很好地跟踪目标的位移和速度信息,并得到估计误差以及其预测。利用跟踪器得到目标状态估计误差的预测误差椭圆为基准,通过分数阶傅里叶变换来旋转测量误差椭圆,以使得雷达的测量误差椭圆与目标跟踪算法对目标状态的估计误差的预测的误差椭圆正交,从而得到了最优的波形选择。仿真结果表明,所提出的算法在性能上优于对比算法。

强跟踪延迟滤波算法及其在感应电机无速度传感器控制中的应用

在强跟踪滤波(Strong track filter,STF)算法和延迟扩展Kalman滤波(Schmidt extended Kalman filter,SEKF)算法的基础上,提出了强跟踪延迟滤波(Strong track Schmidt filter,STSF)算法,结合感应电机降阶模型建立了电机状态估计算法,将其应用于感应电机无速度传感器控制系统中,并与扩展Kalman滤波(Extended Kalman filter,EKF)、SEKF和STF三种算法的状态估计性能作比较.仿真和实验结果表明,STSF算法在估计精度、跟踪速度、抑止噪声等方面均优于EKF算法,并且计算复杂度显著降低,能有效在线估计电机转速和磁链。

非高斯杂波下雷达目标跟踪算法改进研究

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声可以采用α稳定分布来描述,用α稳定分布可以建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得改进的基于分数低阶统计量Kalman滤波交互多模型算法(Based FLOS-Kalman-IMM),仿真验证了Based FLOS-Kalman-IMM滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的雷达跟踪效果。