基于FFRLS+EKF的特定工况下铅炭电池SOC估计

提出一种快速、高精度估计铅炭电池荷电状态(SOC)的方法,并在特定工况下进行验证。通过建立等效电路模型,应用MATLAB仿真出SOC曲线,对比遗忘因子递推最小二乘(FFRLS)法+扩展卡尔曼滤波(EKF)估计的SOC与实际SOC曲线的误差,验证算法的精确性和可靠性。在恒流间歇放电特定工况下,使用所提算法估计铅炭电池的SOC,与实际SOC的最大误差不超过0.9%。

基于EKF的电网运行状态自动预测方法

为加快预测速度,提出基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的电网运行状态自动预测方法。首先,采集电网的运行数据,利用电场感应原理对电网中的电流信号进行接收和转换;其次,基于卡尔曼滤波检测电网谐波,全方位监控电网谐波环路;最后,进行实验分析。实验结果表明,该方法的预测时间优于对照组,可以有效地预测电网的异常状态和故障风险。

基于EKF及弹道方程的弹道目标跟踪滤波器设计

针对地面跟踪雷达多目标、低数据率、高跟踪精度要求,提出了基于弹道运动方程的扩展卡尔曼滤波(extended Kalman filter,EKF)算法。建立了导弹被动段精确的质心运动方程,改进了EKF算法,经过与传统的基于常加速模型的EKF算法和基于弹道运动方程的无迹卡尔曼滤波(unscented Kalman filter,UKF)算法比较,验证了基于弹道运动方程的EKF具有低数据率下滤波精度高、计算量小等优点,解决了地面跟踪雷达实际中遇到的问题。

基于鲁棒EKF的MEMS-INS/GNSS/VO组合导航方法

针对传统惯导/卫导组合导航在复杂环境下易受干扰,观测量异常从而影响导航性能的问题,提出了基于鲁棒扩展卡尔曼滤波(extended Kalman filter,EKF)的组合导航方法。设计了基于微惯性导航系统(micro-electro-mechanical system-inertial navigation system,MEMS-INS)、全球导航卫星系统(global navigation satellite system,GNSS)及视觉里程计(visual odometry,VO)的融合框架,给出了在GNSS信号失效情形下的导航滤波模型,并将EKF与Huber方法结合,克服观测量受噪声干扰时对导航性能的影响,以提升系统鲁棒性。经仿真和KITTI数据集验证,MEMS-INS/GNSS/VO组合导航方法在GNSS信号失效时仍能输出较高精度导航结果,且可以较好克服异常观测值对系统的影响,具有较高可靠性和鲁棒性。

基于EKF修正算法的锂电池SOC估算

随着电动汽车产业的迅速发展,实时掌握动力蓄电池所处荷电状态,保证电池长期处于良好工作状态成为当前研究重点。由于锂电池充放电过程中复杂的电化学反应,电池荷电状态(SOC)与其影响因素呈现非线性动态关系,导致难以实时精确估算SOC。本文中,基于扩展卡尔曼滤波(EKF)修正算法对动力蓄电池SOC进行估算,并与传统算法进行比较。结果表明,该算法有效解决了采用安时积分法难以估计SOC初始值和累计误差的问题,大大提高了估算精度,使最大估算误差保持在2.0%以内。

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。

多传感器信息融合在移动机器人定位中的应用

机器人自定位是实现自主导航的关键问题之一。为了满足机器人在导航时精确定位的要求,提出一种基于多传感器信息融合的自定位算法。根据对机器人运动机构的分析和运动机构间的刚体约束,建立起机器人的运动学模型;由传感器的工作原理建立里程计和超声波传感器的观测模型;利用扩展卡尔曼滤波(EKF)算法将里程计和超声波传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计。实验结果表明:该算法明显地消除了里程计的累计误差,有效地提高了定位精度。

基于广义卡尔曼滤波的桥梁结构物理参数识别的子结构法

文章将子结构法与广义卡尔曼滤波(EKF)算法相结合,推导出基于子结构有限元模型的状态方程和观测方程,对观测方程和状态方程组成的非线性参数系统应用广义卡尔曼滤波,成功识别出子结构的物理参数。该方法可以根据需要建立不同位置的子结构动力方程进行特定位置、并进一步实现整体结构的物理参数识别,为测量响应信息不完备条件下桥梁结构物理参数识别问题提供了一个较好的解决方法。数值算例表明,所提方法识别精度高、收敛速度快、抗噪性能好,适用于大型桥梁结构物理参数识别。

卡尔曼滤波实现车载GPS/DR组合导航

陆地车辆是在二维平面内运动的,而在车载GPS接收机和DR组合装置中,测量值是在不同的坐标系中得到的,通过对坐标系转换和测量误差分析得到组合系统的整体状态方程和测量方程,由于这些状态方程和测量方程都是关于状态的非线性函数,用广义卡尔曼滤波器来实现GPS/DR组合导航的实时求解。最后在行驶车辆上采集数据并进行仿真试验,结果表明这种组合系统能够大大提高系统实时定位精度和容错能力。

基于扩展卡尔曼的锂离子电池SOC估算研究

基于目前的锂电池荷电状态测试方法得到的性能指标,尚不能够直观地获取锂电池的剩余电量,还需要进行合理的SOC估算。文中采用卡尔曼滤波方法,同时深入研究并结合扩展卡尔曼滤波EKF的原理;利用适合电池系统的Rint,RC,Thevenin几种典型等效电路模型展开研究,并在Mat Lab中仿真验证该方法的估算精确程度。通过软件仿真和试验测试结果的对比,验证了扩展卡尔曼滤波法具有较高的估算精度,其平均误差保持在4.5%以内,可用于实时估算锂离子电池的SOC。

未知地震激励下结构恢复力及质量非参数化识别

地震作用过程中结构恢复力是描述结构损伤发生发展过程定量描述的基础,更有助于描述结构在地震中破坏模式的演化。该文研究地震激励下结构部分质量及动力响应信息未知时,结构非线性恢复力、质量以及未知加速度时程的非参数化识别方法。首先,根据部分已知动力响应测量和质量信息,识别地震加速度时程。随后,利用记忆衰退全局加权迭代扩展卡尔曼滤波算法,引入幂级数多项式表征结构恢复力,实现了结构质量与非线性恢复力的非参数化识别。将具有非线性恢复力的磁流变阻尼器中引入到一个剪切型多自由度结构构成非线性系统,考虑测量噪声的影响,通过数值模拟验证了在噪声及较大质量初始误差情况下该方法识别结构质量、非线性恢复力及地震动加速度时程的识别效果。

粒子滤波算法(PF)在疲劳驾驶检测系统中的应用研究

目前,实现定位跟踪的算法有很多,如卡尔曼滤波算法、扩展卡尔曼滤波算法、粒子滤波算法等。由于我们实际生活中的系统基本上都是非线性的,因此本文研究的是专门用于非线性非高斯系统跟踪的粒子滤波算法(PF)的基本原理及其具体应用。

一种改进的FastSLAM算法

同时定位与建图是移动机器人实现真正自治的必要前提,FastSLAM作为一种成功的SLAM方法受到研究者的广泛青睐,FastSLAM将SLAM问题分为一个定位问题和一个建图问题,其中用扩展卡尔曼滤波器(EKF)实现地图陆标的估计与更新,提出了一种改进的FastSLAM方法,用UKF滤波器代替EKF实现FastSLAM中的陆标估计,使得陆标的估计精度提高,该方法同时具有UKF滤波器无需求解观测模型的雅克比矩阵的优点。

UKF在GPS/INS伪距、伪距率组合导航中的应用

扩展卡尔曼滤波(EKF)是GPS/INS组合导航系统中常用的数据融合方式。但是EKF的线性化会带来截断误差,从而影响系统定位精度。不敏卡尔曼滤波(UKF)是一种新的非线性滤波的方法,它能减少线性化截断误差对系统定位精度的影响。文中在线性状态方程的条件下,主要研究了伪距、伪距率的非线性对系统定位性能的影响。UKF采用非线性观测方程,EKF采用线性观测方程。仿真结果表明UKF能明显改善位置项的定位精度。

一种改进的多普勒雷达跟踪算法

多普勒雷达能够获得目标位置量测的同时,还能获得多普勒量测,即目标径向速度。为解决多普勒雷达量测处理算法过程复杂、计算量大的问题,本文提出一种用不敏卡尔曼滤波处理多普勒量测的改进方法对多普勒雷达量测直接在混合坐标系下进行非线性滤波,实现过程简单,计算量小。仿真结果表明该算法能够达到序贯扩展卡尔曼滤波和序贯不敏卡尔曼滤波算法的状态估计精度,并且明显改善估计的一致性。

气动参数在线辨识在火箭助推段制导中的应用

为减小气动参数扰动对火箭助推段的影响,提高制导精度,本文将火箭飞行过程中的气动参数扰动量视为摄动制导中的小扰动量,对传统摄动方程进行改进。采用扩展Kalman滤波方法对气动参数扰动量进行辨识,再利用限定记忆递推最小二乘法基于辨识结果进行预测,将预测结果用于下一阶段的摄动制导计算,构建了“辨识—预测—计算”迭代更新的在线辨识模型。本文设计的扩展Kalman滤波器辨识效果较好,收敛时间10 s左右,辨识精度10%以内。设计的结合气动参数在线辨识的摄动制导方案相对于传统方案,能有效降低终端状态偏差。Monte Carlo打靶结果表明改进摄动制导方案对偏差的鲁棒性增强,弹道收敛性更好。本文将气动参数在线辨识用于火箭助推段的摄动制导,降低了气动参数扰动对制导精度的影响,在一定程度上提高了摄动制导的性能,对工程实践具有参考作用。

基于单信标纯方位测量的AUV水下定位方法

在信标深度已知条件下,提出了一种基于单信标纯方位信息测量的自主水下航行器(AUV)实时定位方法,以解决单信标AUV水下定位中遇到的问题。不同于传统基于单信标测距信息方法,文中从坐标变换原理出发,构建了2自由度(2-DOF)姿态的AUV运动模型,推导了深度已知条件下纯方位AUV定位的状态空间模型,在所建立模型的基础上采用扩展卡尔曼滤波器(EKF)进行求解,并针对EKF算法应用给出了一种滤波器调参方法,通过构建仿真试验对所提出方法进行了有效性验证,并将其与现有方法进行了对比分析。结果表明,在该仿真条件下,文中基于单信标方位观测模型的方法在滤波精度上要好于基于测距信息的方法,且收敛性能优于后者。

基于部分加速度测量的结构Bouc-Wen非线性恢复力及质量识别

结构非线性行为识别是结构灾后损伤评估的关键。扩展卡尔曼滤波(Extended Kalman Filter,EKF)有助于解决结构动力响应测量不完备的问题,但一般要求结构质量已知。针对仅部分加速度响应已知和结构质量未知情况下结构非线性恢复力的识别问题,提出一种结合EKF和最小二乘算法的结构非线性恢复力及质量识别的迭代算法。该方法基于质量估计值和部分自由度上的加速度响应测量,通过EKF预测完整响应时程,再利用最小二乘法识别修正质量分布,循环迭代至收敛,最后基于质量收敛值实现物理参数(刚度、阻尼、非线性)的识别,进而得到非线性恢复力。以一个含Bouc-Wen磁流变阻尼器的多自由度体系的数值模型为例,考虑4种不同的质量初始误差,通过数值模拟验证该方法识别结构质量及非线性恢复力的有效性。同时考虑加速度测量噪声的影响,证明了该方法的鲁棒性。

四旋翼飞行器姿态控制系统优化设计

由于四旋翼飞行器的控制系统存在非线性、强耦合性、欠驱动性等问题,在捷联惯导测量单元中的累积误差大,导致姿态控制系统设计困难。为解决上述问题,提出了扩展的卡尔曼滤波器和UD分解滤波算法相结合的方式,并结合经典PID控制算法,实现了四旋翼飞行器的姿态控制系统的优化设计。经过仿真验证和实际测试表明,扩展的卡尔曼滤波器和UD分解滤波算法能够得到长时间稳定高精度的姿态数据,再应用PID控制算法,能够实现四旋翼飞行器稳定有效的姿态控制输出,达到了设计的目的。

基于自适应卡尔曼滤波的电池荷电状态估算

提出基于自适应卡尔曼滤波(AEKF)的磷酸铁锂锂离子电池荷电状态(SOC)估算方法,以改进型新一代汽车合作计划(PNGV)等效电路模型为基础,提高SOC估算的稳定性和精度。在MVEG-A和FTP75工况下,相比于常规扩展卡尔曼滤波(EKF)算法,AEFK算法可实时估计未知噪声的均值和方差,误差率分别降低4.846%和3.672%,估算精度得到提高。