基于模糊卡尔曼滤波的HEV氢镍电池SOC估计

混合动力汽车(HEV)电池管理系统工作于恶劣工况环境中,采用常规卡尔曼滤波算法估计电池荷电状态(SOC)时,量测噪声统计特性随实际工况条件剧烈变化,会导致估测不准,甚至滤波发散.采用基于模糊自适应卡尔曼滤波的氢镍动力电池SOC估算算法,通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高估算精度.仿真结果表明,这种算法对随机的量测噪声具有较强的抑制能力.     

基于改进模糊卡尔曼滤波的感应电机转速估计策略研究

针对感应电机转速估计过程中,采集数据易受到外界干扰,导致的转速估计值出现较大偏差的问题,提出采用基于模糊自适应卡尔曼滤波的感应电动机无速度传感器控制策略.通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高转速估计精度.仿真及实验结果表明,提出的改进模糊卡尔曼估计器,对随机的测量噪声具有较强的抑制能力.能够准确估计电机转速,抗差能力较好,满足工程实际需求.     

自适应卡尔曼滤波在计算机继电保护中的应用

本文基于极大似然估计理论及虚拟噪声补偿技术,提出了关于电压、电流噪声参数的一种在线优化估计方法,据此可构成自适应卡尔曼滤波器,以对保护所需的基频电压、电流分量进行“最优”估计,该算法无需象常规卡尔曼滤波器那样,需事先对电压、电流噪声进行复杂的统计分析以求取滤波算法所需的噪声参数。因此,该算法使用起来将更为灵活、方便,此外,算法的收敛速度较快,噪声参数的估计计算简便,易于在微机保护中加以采用。     

改进型Sage-Husa卡尔曼滤波器在电压暂降检测中的应用

电压暂降是电网中的一个关键电能质量问题。用于电压暂降检测的Sage-Husa型卡尔曼滤波器具有形式简单、计算量小、响应速度快的优点,但在系统阶次较高时容易出现滤波发散的问题。为避免滤波发散,同时进一步提高该滤波器的实时响应速度,改进Sage-Husa型卡尔曼滤波器中的噪声矩阵估计器,给出基于改进后Sage-Husa卡尔曼滤波器的电压暂降快速检测方法,并通过仿真和实验证明了该方法的有效性。与传统的Sage-Husa型卡尔曼滤波器相比,改进后Sage-Husa卡尔曼滤波器避免了滤波发散的现象,同时提高了的响应速度。     

基于卡尔曼滤波器的PMSM逆变器死区效应补偿方法

分析了死区效应及其对PMSM逆变器工作状况的影响,提出了一种基于卡尔曼滤波器的死区效应补偿方法.该方法通过对系统电流在α、β静坐标系进行系统噪声、量测噪声滤波,从而得到系统的三相电流方向,进而得到死区导致的误差电压矢量,根据误差电压矢量对电压输出进行补偿,实现对死区效应的有效抑制.实验结果表明,该方法可有效改善逆变器输出电流波形,提高PMSM系统的工作性能.     

一种基于增量式卡尔曼滤波器的PMSM转速滤波算法

为了滤除永磁同步电机转子转速测量环节存在的量化误差等噪声,提出一种基于增量式卡尔曼滤波器的转子转速滤波算法.该算法通过两个相邻周期的离散运动方程相减的方式消除负载转矩项,根据卡尔曼滤波器原理,推导出基于增量式卡尔曼滤波器的永磁同步电机转子转速滤波算法,并与低通滤波器的滤波效果进行比较分析.研究表明,基于增量式卡尔曼滤波器的滤波算法可以在不带来延时的前提下有效滤除转速测量噪声,并且计算负荷显著减少,对电机参数依赖度低.仿真和实验结果验证了所提算法的有效性.     

基于改进鲁棒自适应UKF的配电网动态状态估计方法

配电网动态状态估计中状态方程的过程噪声统计参数是未知而且时变的,因此在状态估计过程中需要在线对过程噪声统计参数进行实时估计,而且不准确的噪声参数将会导致无迹卡尔曼滤波器的滤波性能下降甚至滤波发散。文中研究了基于改进鲁棒自适应无迹卡尔曼滤波器的配电网动态状态估计方法,其噪声参数统计估值器由一个有偏的和一个无偏的估值器组成,可以提高在状态估计过程中噪声参数估计的准确性,同时确保过程噪声方差矩阵的半正定性,从而保证算法的鲁棒性。通过对IEEE 33节点系统进行仿真验证,结果表明所提方法在系统平稳运行、负荷发生剧烈变动或者初始噪声参数值设置不当的情况下,均能保证较高的状态估计精度。     

伺服系统惯量辨识技术(四) 扩展卡尔曼滤波器

<正>1引言扩展卡尔曼滤波器(Extended Kalman Filter,EKF)是一种最优随机状态估计器,具备平滑噪声和较强地抗干扰能力,当系统出现测量噪声时,依旧可以对系统状态进行准确估计。基于扩展卡尔曼滤波的惯量辨识方法通过将电机转速和转动惯量看成滤波器的状态变化量,滤波器输出即可得到惯量的辨识结果。     

基于卡尔曼滤波的高精度弹道滤波算法研究

在弹道轨迹估计中,卡尔曼滤波算法是一种普遍使用的算法,常规卡尔曼滤波算法适用于线性离散系统.对于非线性离散系统模型,为了提高滤波的精度,减小系统模型误差以及未知的量测噪声和过程噪声统计特性对滤波精度的影响,提出了一种带有噪声统计估计器的拟线性最优平滑滤波算法.将该算法应用到弹道系统模型中,对弹道轨迹进行滤波估计.通过计算机建模仿真改进的算法和传统的拟线性最优平滑滤波算法,得到的实验结果表明,改进后的算法可以减小由于系统模型不精确带来的误差,很大程度上提高了弹道轨迹滤波估计的精度.     

用离散到达条件提升变结构滤波器性能

基于传统到达条件的变结构滤波器稳定性已经得到证明,但是已有的研究还没有推导出能保证一定收敛速度的矫正增益。通过引入离散线性到达条件和离散积分到达条件来保证滤波器的收敛速度。由于变结构滤波器是基于模型的,系统噪声会引入状态估计的稳态误差,离散积分到达条件可以消除稳态误差。测量噪声会对状态估计性能带来较大影响。将均值滤波和离散线性到达条件相结合,推导出可以抑制测量噪声影响的矫正增益。应用一种带系统噪声和测量噪声的线性系统来对经过改进的滤波器进行仿真。仿真结果验证了所提方法的有效性。