Analysis of Optimal Conditions for Two-stage Kalman Estimator

The optimal conditions for two-stage Kalman estimator with random bias of anARMA model is considered in this paper.First,the optimal augmented state Kalman fil-ter and the two-stage Kalman estimator are given.Second,under an algebraic constraint,the equivalence between the two-stage Kalman estimator and the optimal augmented stateKalman filter is proved.Finally,because the given algebraic constraint are restrictive inpractice,the results thus obtained implies that two-stage Kalman estimator is suboptimal.

基于两级卡尔曼滤波器的三旋翼无人机执行器异常行为诊断

针对三旋翼无人机执行器异常行为,设计了基于两级卡尔曼滤波器的异常行为诊断算法。对三旋翼无人机执行器异常时的动力学特性进行分析,并在悬停状态下进行近似,得到系统状态空间方程。基于卡尔曼滤波器设计异常行为估计子滤波器,得到无人机执行器异常行为的最优估计。引入耦合方程将最优估计代入状态估计子滤波器,得到状态误差最优估计,并将系统状态和异常行为进行隔离,实现执行器异常行为诊断。最后通过数值仿真进行了验证,结果表明所提算法能够较好地对执行器异常行为进行诊断。

基于两级扩展Kalman滤波的海上多平台误差配准算法

为了建立统一态势图,利用平台的低精度导航信息和相互测量的位置信息来进行海上多平台传感器数据位置对准,避免了对高精度导航设备的依赖以及将地表近似为平面所带来的误差。分析数据位置对准过程中的主要误差来源,给出对准的坐标变换模型,分别构建关于导航系统误差和传感器系统误差的测量方程和状态方程,设计两级扩展Kalman滤波配准算法对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准,为后续数据关联和融合提供更高精度的传感器数据。仿真实验结果验证了算法的正确性和有效性。

基于两级滤波的改进滑模观测器PMSM无速度传感器控制

针对永磁同步电动机(permanent magnet synchronous motor,PMSM)伺服系统中由滑模观测器引起的位置估算误差以及抖振问题,提出了一种改进的两级滤波滑模观测器。首先,根据PMSM的数学模型,设计了利用传统滑模观测器估计定子电流和反电动势的估计算法;其次,分析了传统滑模观测器在PMSM伺服系统应用中的不足;再次,提出了一种新的饱和函数以代替传统的符号函数,改进了滑模观测器的控制律;最后,通过变截止频率滤波器和卡尔曼滤波器组成的二级滤波器,得到PMSM转子更精确的位置估计信息。利用Matlab,对使用了传统观测器的系统和使用改进的观测器的系统分别进行了仿真,仿真结果表明:与使用了传统观测器的PMSM伺服系统相比,使用了改进观测器的PMSM伺服系统转速误差更小、估算结果更准确。

基于噪声顺序解相关的两阶段Kalman滤波融合

针对传统两阶段Kalman滤波只能处理单一或部分复杂噪声情形,在充分考虑多雷达跟踪系统的误差噪声有色建模和四类噪声相关性建模基础上,建立一种基于噪声顺序解相关的两阶段Kalman滤波融合算法。首先给出能有效避免噪声相关性耦合化的噪声解相关顺序,进而应用等价变换技术来获得有色噪声、过程噪声和测量噪声三者间不相关的目标跟踪融合模型,最后应用平方根分解和单位下三角阵求逆技术来实现多雷达量测噪声相关系统的集中式Kalman滤波融合,并通过4个仿真实验验证了该算法对复杂噪声情形的有效性和高精度。

基于卡尔曼滤波器的高动态GPS载波跟踪环

为解决传统锁相环(PLL)在高动态环境下对全球定位系统(GPS)信号的跟踪精度问题,将自适应渐消滤波和二级卡尔曼滤波相结合研究了一种新的自适应二级卡尔曼滤波算法,并且提出了一种利用新息协方差计算渐消因子的方法,通过自适应渐消因子在线调节误差协方差矩阵补偿不完整信息的影响,使滤波器在系统模型不完整或者噪声统计特性不准确时仍接近最优。基于自适应二级卡尔曼滤波算法提出了一种高动态GPS载波跟踪环的设计方案。仿真结果表明,提出的方案较传统PLL的跟踪精度有显著提高,频率跟踪精度提高到9.28Hz。

基于双段卡尔曼滤波的永磁电机无传感器控制

基于传统卡尔曼滤波的无传感器算法可以在一定程度上消除模型误差和测量误差对状态变量估计值的影响,但存在运算量大、硬件成本高的问题.为解决这一问题,在保持原有算法优点的基础上,文中将一种最优双段卡尔曼滤波算法引入到永磁电机无传感器控制技术中,在静止两相坐标系上建立相应的线性数学模型,取静止两相定子电流值和反电动势值分别作为全阶状态量和增广状态量,以此设计最优双段卡尔曼滤波算法.为提高估计的精度,利用软件锁相环结构得出所需的速度值.实验结果表明,该方法与传统的卡尔曼滤波器在数学上等效,但减少了24.49%的运算时间.

基于两段卡尔曼滤波器的内置式永磁电机观测器设计

高性能内置式永磁同步电机的无传感器控制器需要精确的定子电阻值,将定子电阻作为变量加入到扩展卡尔曼滤波器中进行辨识将使运算矩阵阶数偏大,增加系统的运算负担。为解决这一问题,针对内置式永磁同步电机设计一种非线性两段扩展卡尔曼滤波观测器。该算法在原扩展卡尔曼滤波器的基础上通过坐标变换将其分解成为两个并行的低阶卡尔曼滤波器。所提出的算法是原扩展卡尔曼滤波器的分解运算,两者在数学上完全等价。理论分析和实验结果表明,与原有传统卡尔曼滤波器相比,该算法减少了一定的运算量并保持良好的辨识效果。

基于控制有效性因子的卫星姿态控制系统在轨重构容错控制

研究了在轨卫星姿态控制系统发生可修复性故障状况下的重构容错控制。首先在星敏感器对陀螺的标定模型中引入控制有效性因子,并利用二级卡尔曼滤波算法求解其值,以说明系统的控制有效程度。然后采用统计假设检验通过其幅值变化判断系统是否存在故障,当故障发生时,引入重构容错控制器对原控制器进行补偿控制。最后,建立卫星闭环姿态控制系统对算法进行了仿真验证,仿真结果表明该算法快速可靠,能够满足在轨卫星姿态控制系统故障状况下的性能要求。

基于融合反馈的多传感器空间偏差配准方法

利用多传感器的目标状态融合估计和融合估计误差协方差作为反馈信息,提出了带反馈机制的多传感器空间偏差配准方法.对二阶段Kalman滤波偏差配准方法进行扩展和改进,在不同噪声条件下对目标状态融合和偏差进行估计.仿真结果表明,带反馈信息的偏差配准方法可有效改善目标的状态估计和传感器的偏差配准,Crmaer-Rao下界分析说明了该算法的有效性.

UKF和KF两级滤波的雷达与红外配准算法

针对雷达与红外传感器的时间和空间偏差配准问题,给出时空偏差配准模型,提出了一种时空偏差实时估计算法。该算法将目标的运动状态和传感器偏差组合在同一状态方程中,构建扩维状态的系统动态方程和量测方程,并通过对量测方程的非线性分析,采用UKF和KF两级滤波的方法进行目标状态和配准偏差的联合估计。仿真结果表明,与采用UKF滤波的方法相比,该算法具有更高的估计精度,而且减小了计算量。

基于ATSUKF的飞行器惯性测量单元的故障诊断

非线性系统存在随机偏差情况下,最优二步无迹卡尔曼滤波(OTSUKF)可以获得系统状态及偏差的最优估计,但是它要求随机偏差被准确地建模,而这在实际情况下很难做到。飞行器是一种典型的非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,并且采用随机游走模型去描述故障。随机游走模型对故障进行建模的准确程度取决于随机游走模型的协方差与实际情况的匹配程度。基于OTSUKF的IMU故障诊断方法中,随机游走模型的协方差取的是一个常值矩阵,该矩阵的值是根据经验初始化的,但是在实际应用中较难初始化为一个与真实故障相匹配的矩阵。根据新息协方差匹配技术,在线自适应调整随机游走模型的协方差矩阵,提出了自适应二步无迹卡尔曼滤波(ATSUKF),并将该方法应用于飞行器IMU的故障诊断。仿真实验对比了OTSUKF和ATSUKF方法对飞行器IMU的故障诊断的效果,验证了所提出的自适应方法的有效性。

改进的TSKF算法及其在惯组系统级标定中的应用

在惯组系统级标定过程中,由于系统模型尤其是噪声统计特性的不确定性,常常造成较大的估计误差,严重时甚至导致滤波器发散。针对此问题,采用Two-Stage滤波思想,研究随机噪声干扰下系统不确定性偏差的最优滤波器设计(OTSKF),并在此基础上提出一种基于最优TSKF算法的快速次优滤波算法。理论分析表明该算法具有较小的运算量、良好的收敛性及抗扰动性。最后,将该算法应用于惯组系统级标定,通过一组自动化标定方案,实现了惯组的在线标定,实验结果验证了该算法的有效性。

基于两阶段卡尔曼滤波的多传感器信息融合

在目标跟踪中,对目标运动建模时,常会遇到系统状态方程存在偏差问题.传统的信息融合方法总是假设系统状态方程中的偏差为常量,很少涉及偏差为随机变量的情形,但实际建模中常会出现这类问题.针对此问题,提出了基于两阶段卡尔曼滤波的多传感器信息融合方法.这种方法可以有效地消除系统状态方程在建模存在随机偏差时给信息融合所带来的影响,从而提高了融合精度.

二阶段H_∞滤波在捷联惯导/里程计组合导航系统中的应用

针对一类包含未知常值偏置的线性系统的状态估计问题,比如捷联惯导/里程计组合导航系统,由于扩展未知常值偏置为系统状态,导致系统状态维数比较高。当应用H∞滤波进行估计时,就会引起滤波算法的计算量大大增加,进而会影响其估计性能。为了解决这个问题,将H$滤波问题转化为Krein空间下的求解某种二次型的最小值问题,而求解该最小值可以使用Kalman滤波来解决。因此,通过采用二阶段Kalman滤波理论,在Krein空间下建立了二阶段H∞滤波算法,将H$滤波中的高维矩阵计算解耦成并行的低维矩阵计算,有效地解决了高维矩阵计算所带来的数值计算问题,降低了计算量,并且该算法有利于硬件并行运算设计,为进一步提高算法执行速度提供了可能。通过在捷联惯导/里程计组合导航系统中的仿真实验,验证了算法的有效性。

存在常值偏差的卫星自主导航系统滤波算法

由于敏感器系统误差对导航精度影响较大,因此有必要对其进行标定。针对系统误差为常值偏差的情况,考虑到传统常偏扩维算法计算量大,且可能出现数值病态的问题,本文在UKF算法的基础上提出了两级UKF算法,该算法对状态和偏差实施分离估计,不仅能够精确标定常值偏差,而且还可以提高导航精度。利用该算法对存在常值偏差的月球卫星自主导航系统进行仿真,仿真结果验证了该算法的有效性。

基于OTSUKF的飞行器惯性测量单元的故障诊断

线性系统存在随机偏差情况下,最优二步卡尔曼滤波(OTSKF)可以获得系统状态及偏差的最优估计。无迹卡尔曼滤波(UKF)利用Sigma点采样和UT变换技术经非线性系统传播状态的均值和方差,是一种典型的非线性滤波方法。飞行器是一种典型复杂非线性系统,将惯性测量单元(IMU)的故障作为一种随机偏差处理,建立了包含IMU故障的滤波模型。将UKF算法和二步滤波思想应用到飞行器之中,提出了一种适用于飞行器IMU故障诊断的最优二步无迹卡尔曼滤波(OTSUKF)算法。针对于飞行器,提出了一种滤波模型设计的方法。基于该模型,应用所提出的OTSUKF算法实现了飞行器状态的最优估计和IMU故障的辨识,该算法经过了实际飞行数据验证其对风扰动具有鲁棒性并且与已经被提出的迭代最优二步扩展卡尔曼滤波(IOTSEKF)方法进行了对比验证其最优性。

自适应TSKF的空间电推进机动目标跟踪

非合作机动目标跟踪是地球静止轨道卫星进行状态监测、维修维护等复杂航天任务的前提.出于推进效率考虑,下一代高轨卫星将优选全电推进配置,但电推进的连续小推力机动特性致使基于CW方程的经典非合作目标跟踪算法期望有偏,两段状态估计法在稳态估计性能与机动跟踪响应间存在矛盾.为了解决电推进下对机动目标的快速跟踪估计问题,采用滤波误差理论对经典算法性能衰减因素进行分析,得到机动加速度至滤波新息的转移矩阵演变特性,进而提出一种自适应变维两段状态估计法.改进方法基于目标机动检测信息修正偏差滤波器的观测阵以匹配上述演变特性,使其在目标非机动区间性能与经典相对导航跟踪算法等效,在机动区间性能与两段状态估计算法等效,同时具备更快的跟踪响应特性.仿真结果表明,本算法对非合作目标的稳态跟踪性能与传统经典算法一致,跟踪响应速度提升4~5倍,是对空间非合作机动目标连续小推力机动下跟踪问题的有益探索.

基于两段卡尔曼滤波的永磁同步电机磁链在线辨识

针对永磁同步电机的磁链辨识问题,采用两段卡尔曼滤波算法对磁链参数进行在线估计。获取准确的永磁体磁链参数对于永磁同步电机的控制有十分重要的意义。基于经典卡尔曼滤波(KF)的磁链辨识方法能够快速准确地在线辨识永磁体磁链,但存在运算量大、硬件成本高的问题。为此,将两段式卡尔曼滤波算法用于永磁体磁链辨识中。首先以交直轴的电流和磁链为状态变量构建四阶KF算法,并在此基础上设计两段卡尔曼滤波算法,最终利用2个二阶KF进行磁链的在线辨识。实验结果表明,该方法能获得准确的永磁体磁链参数,而且相比于经典卡尔曼滤波减少了23.8%的运算时间。

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。