自适应卡尔曼滤波在地铁监测中的应用

目的通过滤波后的数据对比,验证自适应卡尔曼滤波在处理地铁变形监测数据工作中优于经典卡尔曼滤波.方法分别应用经典卡尔曼滤波和自适应卡尔曼滤波建立动态处理数据模型,对地铁变形监测数据进行处理,并与人工实测值进行对比.结果使用经典卡尔曼滤波处理后,数据精度提高38%,使用自适应卡尔曼滤波处理后,数据精度提高55%.结论自适应卡尔曼滤波与经典卡尔曼滤波相比,自适应卡尔曼滤波剔除噪声效果强与经典卡尔曼滤波,并且自适应卡尔曼滤波后数据整体变化平稳,与实测值吻合性较好,自适应卡尔曼滤波在处理沈阳地铁一号线监测数据中,优于经典卡尔曼滤波.     

基于强跟踪卡尔曼滤波的电池SOC估计

针对锂电池模型不准确和状态突变导致SOC估计精度不佳的问题,提出了引入时变渐消因子的强跟踪卡尔曼滤波算法.以HPPC试验方法辨识了锂电池的等效二阶RC模型,对比分析了现有的扩展卡尔曼滤波原理及提出的强跟踪卡尔曼滤波算法.通过结合强跟踪原理和卡尔曼滤波算法并引入时变渐消因子,提出的方法能够强制估计残差保持正交特性,并保证残差满足高斯白噪声特性.仿真验证表明,与扩展卡尔曼滤波原理相比,在模型不准确和状态突变的情况下,强跟踪卡尔曼滤波算法具有更高的估计精度,估计误差低于2.5%,提高了近45%.     

组合导航系统中的自适应卡尔曼滤波技术

在比较了组合导航系统多种卡尔曼滤波技术的基础上,提出了能提高系统鲁棒性的自适应卡尔曼滤波技术。并利用系统静态仿真证明了该算法的有效性。     

基于卡尔曼滤波的地表移动变形预测

针对传统卡尔曼滤波模型在地表变形预测中依赖于噪声和数学模型而导致的运行发散问题,提出了一种基于方差补偿自适应卡尔曼滤波的建筑地表移动变形预测分析方法.提出的自适应卡尔曼滤波主要是通过适当的估算和修正系统模型的不确定参数以及噪声的统计特性,来弥补滤波过程中噪声方差的不足.建立了自适应卡尔曼滤波的数学模型,并在Matlab软件上对地表移动变形预测进行了仿真分析,其结果验证了所提卡尔曼滤波方法在地表移动变形预测应用中的可行性,表明该方法有效提高了实时预测的可靠性和预测精度.     

3种确定性采样非线性滤波算法的复杂度分析

为考察非线性卡尔曼滤波在SINS／GPS组合导航中的实时性问题,对无迹卡尔曼滤波(UKF)、中心差分卡尔曼滤波(CDKF)和容积卡尔曼滤波(CKF)3种常用确定性采样非线性算法的实现复杂度进行了理论分析,并总结了实时性选择的依据．根据确定性采样卡尔曼滤波的统一迭代步骤,以等效浮点操作数作为评价准则对3种算法进行了复杂度分析,导出了精确计算复杂度的表达式,并进一步对三者之间的差异进行了推导．将上述算法应用于SINS／GPS紧耦合导航中,并进行了蒙特卡罗仿真.结果表明:3种算法的精度一致,UKF复杂度最高,在状态维数高于量测维数的系统中CKF复杂度最低,但在高维量测系统中CDKF可望获得最小的硬件开销．     

降雨因子对卡尔曼滤波模型影响的研究

卡尔曼滤波是一种具有无偏性的递推线性最小方差估计,目前广泛应用于滑坡预测预报。降雨对滑坡变形有着重要的影响,但在普通卡尔曼滤波模型中,并未考虑降雨这一重要的外部因素。本文将降雨量因子引入到卡尔曼滤波模型中,从而考虑到了降雨对滑坡变形的影响,提出了顾及降雨量因子的自适应卡尔曼滤波模型,并应用于黄草坡滑坡监测的工程实践。     

高阶容积卡尔曼滤波及其在目标跟踪中的应用

针对传统的容积卡尔曼滤波(CKF)估计精度有限的问题,提出了一种基于任意阶容积规则的高阶容积卡尔曼滤波(HCKF)方法并应用于机动目标跟踪问题。传统的CKF采用三阶球面-相径容积规则,可获得优于其他非线性滤波如不敏卡尔曼滤波(UKF)的估计精度和数值稳定性。为了进一步提高CKF的估计精度,在基于点的高斯近似滤波框架下,分别使用Genz积分方法和矩匹配法推导出任意阶的球面规则和相径规则,以此构造高阶球面-相径容积规则来计算高斯型积分,并建立高阶容积卡尔曼滤波算法。将提出的HCKF算法应用于机动目标跟踪问题中并进行数值仿真。仿真结果表明,相对于传统容积卡尔曼滤波,高阶容积卡尔曼滤波对目标位置和速度估计的精度分别提高了11%和24%,可获得更高的估计精度。     

一种改进的卡尔曼滤波算法在非均匀校正中的应用

提出了一种改进的卡尔曼滤波算法,并将其应用于红外焦平面成像非均匀校正过程中。该算法合理的分配了传统卡尔曼滤波算法的计算量,克服了传统卡尔曼滤波算法计算量分配不均的不足,使该算法在相同的条件下不仅能更容易对非均匀校正算法进行实时处理,而且还能支持更高的分辨率。     

精密单点定位的抗差卡尔曼滤波研究

从卡尔曼滤波的新息出发,推导了卡尔曼滤波残差的新息表达式,并用其构造抗差因子.根据精密单点定位的内部可靠性和观测值的随机性,确定完全可探测的载波相位和伪距粗差,并分别加入相应观测值粗差.通过标准卡尔曼滤波、新息的抗差卡尔曼滤波和残差的抗差卡尔曼滤波3种方案对比,粗差使标准卡尔曼滤波的估计结果产生一定的偏差.当观测值精度不等时,新息的抗差卡尔曼滤波对较高精度观测值的粗差抗差效果较差.而残差的抗差卡尔曼滤波能够实现不等精度观测值粗差的同时抗差.     

基于扩展卡尔曼滤波的永磁同步电机惯量补偿

针对扩展卡尔曼滤波估计算法在突加负载时存在抗扰性不足的问题,提出一种基于扩展卡尔曼滤波的永磁同步电机惯量补偿方法。利用扩展卡尔曼滤波获取电机的位置与转速等状态参数,建立负载扰动观测器,对扰动惯量进行辨识并进行补偿。对比扩展卡尔曼滤波无速度传感器的永磁同步电机矢量控制的仿真结果表明,基于扩展卡尔曼滤波的永磁同步电机惯量补偿的调速系统具有更好的抗扰性能和鲁棒性。     

基于卡尔曼滤波的无速度传感器矢量控制系统

从卡尔曼滤波器的理论出发，结合感应电机数学模型，设计了获取模型，设计了获取异步电动机转子位置，转子速度和转子磁通的扩展卡尔曼观测器模型，仿真结果表明，该方案能使系统获得良好的动态性能，对负载扰动具有很强的抑制能力，证明了扩展卡尔曼观测器方法的合理性和优越性。     

一种有效的数据融合方法——分布式的离散Kalman滤波方法

介绍了一种基于Kalman的数据融合方法,分析了用于多传感器数据融合的Kalman滤波方法基本概念和理论。在Kalman滤波理论的基础上对全球定位和惯性导航系统的车辆组合系统进行了仿真。结果表明,分布式的离散Kalman滤波方法是一种有效的数据融合方法。     

基于EKF算法的交流永磁无刷同步电机参数辨识

用扩展的卡尔曼滤波算法(EKF)对表贴式交流永磁无刷同步电动机进行动态参数估计,根据电机控制系统中传感器检测到的电机定子电流、电压和转子的位置、转速等信号,推算电机定子绕组的电阻和转子的主磁通值,经过对电机模型和卡尔曼算法的分析,给出了电机控制系统的全阶卡尔曼滤波模型和经过简化处理后的降阶估计模型,用降阶的简化模型对系统进行估计后,得到了定子电阻和转子主磁通的结果,并分析了定子电阻和转子磁通估计值和实际值之间的误差,以及估计值随电机转速和负载大小变化的曲线.电机用脉宽调制(PWM)的电压源逆变器供电,用TMS320F2812系列数字信号处理器(DSP)作为控制芯片,用矢量控制的策略对电机进行转速控制.     

捷联惯导晃动基座自对准算法比较

为了提高晃动载体的初始对准精度,分别采用了卡尔曼滤波法和H∞滤波法。高斯白噪声和随机晃动的条件下进行两种算法的仿真研究,结果表明,高斯白噪声条件下,两者的滤波效果都很好,但在加入基座周期性晃动时,卡尔曼滤波出现了明显的发散现象,H∞滤波表现出了更好的稳定性。     

卡尔曼滤波在半自磨机中的应用

本文论述了用卡尔曼滤波方法对半自磨机中不可量测的参数的估计。文中给出了描述半自磨机工作过程的数学模型和卡尔曼滤波递推算法,并对渐近预报估计器进行了仿真,编写了BASIC滤波程序,结果表明该程序是正确的和可应用的。     

低轨卫星紧组合导航UKF方法

针对紧组合导航系统状态方程及量测方程的非线性,以低轨卫星为应用对象开展了无迹卡尔曼滤波UKF方法研究．给出了惯性系下的系统模型及算法模型,其中姿态直接采用修正Rodrigues参数来表述以避免四元数归一化条件的限制,系统状态更新采用四阶Runge-Kutta法以适应卫星的高速运动;之后通过数学仿真与广义卡尔曼滤波EKF进行了比较分析．结果表明:UKF滤波对于姿态精度明显优于EKF,提高了一个数量级,对于速度、位置精度两者滤波效果相当,但对于运算时间UKF耗时较长．因此实际应用中可根据导航精度与运算时间需求决定是否采用UKF方法．     

航姿参考系统中一种自适应卡尔曼滤波算法

在航姿参考系统测量载体姿态的过程中,由于观测噪声不确定,严重影响了常规卡尔曼滤波结果的精度.另外,当系统受到干扰而使观测噪声突然改变时,甚至会导致滤波发散.提出一种航姿参考系统自适应卡尔曼滤波算法,能够根据观测数据来自适应调整观测噪声,从而提高卡尔曼滤波精度,改善系统的鲁棒性.仿真表明,当观测噪声时变时,常规卡尔曼滤波结果明显发散,而新自适应卡尔曼滤波结果收敛良好,在系统计算复杂度没有明显增加的前提下,系统的稳定性得到了明显提高.     

双基地前向散射栅栏雷达的目标运动参数估计

针对双基地前向散射栅栏雷达运动参数估计精度低、易发散的问题,在扩展卡尔曼滤波和不敏卡尔曼滤波基础上,提出了一种新的滤波跟踪算法U EKF.该算法利用不敏卡尔曼滤波对初始误差不敏感的特点实现目标初始捕捉,克服了扩展卡尔曼滤波由于初始估计误差较大而引起的发散问题;然后采用扩展卡尔曼滤波进行目标跟踪保持,克服了目标穿越雷达基线时不敏卡尔曼滤波由于对系统模型的误差敏感而引起估计精度低的问题.     

两飞行体相对定位技术及其滤波算法研究

为了解决两飞行体相互之间的定位问题,在二维平面运动模型的基础上提出了相位差变化率定位方法,进行了可观测分析,给出了可观测分析结果。同时简单介绍了几种典型非线性滤波算法,并将EKF（ExtendedKalman Filter）、UKF（Unscented Kalman Filter）、PF（Particle Filter）等非线性滤波方法应用到定位模型中。仿真结果表明,UKF方法用时最短,PF滤波方法精度最高。