基于卡尔曼滤波的空气细颗粒物称重数据处理

针对在细颗粒物采样监测装置中称重部分数据采集易受外部环境的影响,产生测量误差和干扰,导致称重部分的精度达不到要求,进而影响整个监测装置的测量精度和性能.通过经典的卡尔曼滤波算法,对传感器读取的数据进行处理,去除了极端数据,提高了称重部分的检测精度.通过MATLAB编写程序,对称重数据进行处理并图形化显示,满足称重部件精度要求±2 mg的要求,验证了卡尔曼滤波算法在此应用的有效性.该方法可应用于相关领域的数据处理.     

使用线性卡尔曼滤波进行WiFi-惯导的融合定位

为提高WiFi室内定位的精度,对线性卡尔曼滤波融合WiFi与惯导定位数据的方法进行了研究.阐述了数据融合所具有的优势,分析了卡尔曼滤波的原理与过程,详细推导了将线性卡尔曼滤波应用于融合定位过程的全部计算公式,其中包括协方差阵估计公式.通过实地实验发现,应用本方法后,定位精度由2.81 m提高到了1.95 m.相对于传统的常用的非线性卡尔曼滤波和无迹卡尔曼滤波进行融合定位的方法,本方法具有形式简单,易于实现,计算量小且精度高的优点.     

考虑饱和效应的永磁同步电机全程无位置传感器控制

针对永磁同步电机无位置传感器控制静止和低速时位置估计困难,采用恒电流变频(I/F)起动,可在不同负载下都能顺利起动。中高速阶段采用无迹卡尔曼非线性滤波器(UKF)进行位置估计,同时考虑了磁场的饱和效应和滤波器的滞后,采用时变电感参数和滤波器滞后补偿来提高位置估计精度。并利用转矩-功角自平衡特性,完善了I/F起动到UKF无位置传感器闭环控制的过渡策略,实现电流和转速的平滑切换。实验结果说明该策略可实现全程无位置传感器控制,并且在负载、转速变化过程中,估计位置无稳态误差。     

基于UKF和IGG改进聚类算法的特高压交流输电线路参数辨识

为有效辨识特/超高压交流输电线路的实时运行参数,尽可能剔除相量测量单元(PMU)量测数据存在的随机噪声,提出一种改进算法。该算法首先采用无迹卡尔曼滤波(UKF)对原始量测数据进行初始滤波,然后通过分布参数等值电路模型辨识线路参数,最后利用三段式IGG(Institute of GeodesyGeophysics)原理设置权函数的改进聚类方法对辨识的参数进行聚类处理,将多时间断面的参数聚类中心作为线路参数最终辨识结果。对1000k V特高压交流示范工程晋东南-南阳-荆门线路进行仿真分析,算例仿真结果表明了新型混合算法的准确性与有效性。     

一种新型非线性卡尔曼滤波方法

提出了一种新型非线性卡尔曼滤波方法—单形无迹求积卡尔曼滤波(SUQKF)方法,该方法通过对单形无迹卡尔曼滤(SUKF)波所用的采样点进行修正,并与高斯-拉盖尔积分准则相结合,构造了一组个数、权系数和空间分布确定的新型高阶采样点,用来进行滤波。同时指出SUKF是SUQKF的特例。将所提方法通过实验与扩展卡尔曼滤波(EKF)、容积求积卡尔曼滤波(CQKF)进行比较,结果表明:SUQKF方法滤波精度高于EKF和CQKF,且收敛速度较快,实时性优于CQKF。     

四驱混合动力轿车驱动工况无迹卡尔曼车速估计

针对驱动模式复杂多变的四驱混合动力轿车,考虑其后轮毂电机驱动转矩的准确可测以及既定模式下前驱动轮转矩的可推算性,结合电子稳定程序(Electronic stability program,ESP)系统传感器信号,提出无迹卡尔曼车速估计算法。搭建四驱混合动力轿车仿真平台,其集成了驱动系统模型、非线性7自由度车辆动力学模型和统一轮胎模型。基于车辆动力学模型和轮胎模型,设计融合驱动轮转矩信息和传感器信息的车速估计算法,并将估计结果与仿真车速进行比较分析。在样车上加装转向盘转角、横摆角速度和质心加速度等传感器,采集轮转、驱动轮转矩信息,在后轮纯电驱动模式低速双纽线试验、四轮混合驱动模式双移线和蛇行试验工况下,对所设计算法进行实车道路试验。仿真和实车试验结果表明,无迹卡尔曼车速估计算法精度较高,且具有较强的工况适应性。     

采用卡尔曼滤波的电子稳定性程序分析

汽车的横摆加速度过大会引起过度转向和过多不足转向等危险工况。采用线性二自由度车辆模型计算目标横摆角速度和目标质心侧偏角,运用卡尔曼滤波理论实时估算汽车的质心侧偏角并结合横摆角速度传感器对车辆稳定状态进行监测,提出了基于横摆角速度和质心侧偏角的ESP控制方法,着重介绍了ESP逻辑判断准则,应用Matlab/Simulink软件实现相应的电子稳定控制策略,同时利用AMESim软件中的15自由度整车模型建立AMESim-Simulink联合仿真模型,仿真结果验证了所提出的质心侧偏角估算的可行性及稳定性控制策略的有效性。     

基于改进卡尔曼滤波算法的煤矿井下跟踪方法

煤矿井下环境特殊,受限的多径衰落无线信道对跟踪技术提出了极大的挑战。提出了指纹匹配和卡尔曼滤波相结合的井下跟踪算法。首先利用卡尔曼-均值滤波器对采样RSSI值进行去噪等处理,然后执行指纹匹配算法得到观测点处的位置坐标作为跟踪中的观测值,并与真实值估算出井下观测噪声方差,最后采用改进的卡尔曼滤波算法跟踪目标运动轨迹。试验结果表明,改进的算法能够满足矿井下目标的跟踪精度及误差的要求,增强了跟踪系统的可靠性。     

基于CORS的高层建筑物三维形变监测关键技术研究

主要研究了相对定位数学模型和数据预处理方法,分析了GNSS观测的主要误差源及处理办法,建立了Kalman滤波的实时参数估计方法和模糊度固定解算技术;研究了基于Kalman滤波的形变信息提取技术,建立了Kalman滤波平滑降噪数学模型,对基于不同平滑降噪因子的平滑效果进行了分析;以天津悦雅国际某高层建筑监测项目为例,结合天津市二等水准成果和天津CORS站点稳定性分析成果,验证基于CORS的高层建筑物三维形变监测方法的正确性。     

强跟踪自适应CKF及其在动力定位中应用

针对容积卡尔曼滤波(cubature Kalman filter,CKF)在动力定位系统存在不良测量及船舶运动模型不确定时滤波精确度下降甚至发散的问题,提出一种强跟踪自适应CKF算法。利用新息协方差匹配原理,建立对系统的不良测量具有鲁棒性的自适应CKF。基于强跟踪滤波(strong tracking filter,STF)的理论框架和自适应CKF算法,构建强跟踪自适应CKF,该算法克服了标准强跟踪滤波的理论局限性,兼具STF与自适应CKF的优点,在系统存在模型不确定性及不良测量时具有良好的鲁棒性和滤波精确度。通过仿真验证了所建算法的有效性。