加性复合有色噪声干扰下的强跟踪滤波器

将周东华等人提出的强跟踪扩展卡尔曼滤波器推广到一类加性复合有色噪声干扰下的非线性时变随机系统。通过增广状态向量，线性化非线性的增广状态空间模型和采用等效量测方程，加性复合有色噪声干扰下的强跟踪扩展卡尔曼滤波器问题可以转化为过程与量测量声相关情况下的强跟踪卡尔曼滤波器问题。数值仿真示例显示了方法的有效性。     

基于信息融合技术的复杂系统故障诊断研究

本文比较系统地研究了目前在复杂系统故障诊断领域中广泛应用的几种诊断方法,分析了各种方法的优缺点和适用领域,并在此基础上提出了基于信息融合技术的复杂系统故障诊断策略,建立了复杂系统综合故障诊断系统模型.     

基于贝叶斯网络的复杂系统故障诊断

系统结构和部件关系复杂、试验费用昂贵是小样本下基于不确定性信息的决策问题。针对其特点，建立了基于贝叶斯网络的复杂系统故障诊断模型，并提出采用Leaky Noisy-OR模型来降低数据需求量和计算复杂度。经研究表明，这种方法能综合利用各种来源信息，具有知识表达明确、样本需求量小、故障诊断准确度高等特点，可为复杂系统故障诊断提供决策支持。     

复杂系统参数不确定度的传递特征与理论建模

对不确定度进行推广,发展了多参数广义不确定度的概念,并对广义不确定度的基本性质进行分析。对复杂系统参数广义不确定度的传递特征进行研究并对传递特征进行分类,研究了单一子系统不确定度的传递模式和特征,传递矩阵中元素的绝对值对目标参数不确定度的计算结果有着重要影响。分析了各个子系统参数不确定度传递过程中的主要和次要作用并建立相应的判别准则。算例表明了该理论模型在研究复杂系统参数不确定度传递问题时的有效性和可行性。     

基于信息融合思想设计机械工程测试系统

根据信息融合技术思想,阐述了机械工程测试系统的构成。以摩擦学故障为例,讨论了基于信息融合思想设计的摩擦学故障的监测与诊断系统。     

复杂系统参数不确定度的传递特征与理论建模

对不确定度进行推广,发展了多参数广义不确定度的概念,并对广义不确定度的基本性质进行分析。对复杂系统参数广义不确定度的传递特征进行研究并对传递特征进行分类,研究了单一子系统不确定度的传递模式和特征,传递矩阵中元素的绝对值对目标参数不确定度的计算结果有着重要影响。分析了各个子系统参数不确定度传递过程中的主要和次要作用并建立相应的判别准则。算例表明了该理论模型在研究复杂系统参数不确定度传递问题时的有效性和可行性。     

基于复杂网络聚类的提升机主轴系统故障诊断

针对摩擦提升机主轴系统故障耦合、特征微弱且故障样本不易获得的问题,提出一种基于复杂网络聚类的故障诊断方法。该方法从故障数据表现出社团结构的本质出发,以各数据样本为节点,样本间相似度为有权边,构建加权无向复杂网络模型。将欧氏空间的距离概念推广到样本的相似性度量上提出广义Ward距离,并以此为划分准则,采用凝聚型合并过程实现网络模型中社团的聚类,即故障样本的模式识别。对主轴系统过载、滚动轴承元件故障及减速器齿轮磨损的分析结果表明,该方法能准确对已知故障类型数据进行聚类,且在过程中不预设类别数,为收集异常数据以便未知故障的发现与诊断提供了数据支持。与多元支持向量机与快速Newman算法的对比结果表明,该方法具有更高的识别精度与效率。     

指挥自动化信息融合测试评估系统的设计

指挥自动化系统(C4ISR)作为现代战争中对作战部队和武器系统实施高效指挥与控制的主要手段,其效能的发挥已成为制约部队整体作战效能的关键因素.信息融合技术已成为现代战争指挥自动化系统的重要支撑技术之一,利用多传感器的资料集成与融合技术把来自多个传感器的资料以及相关情报进行分析和综合处理,用信息融合算法的输出结果与真实情况作比较,得到评价体系中定义的性能指标,并根据这些指标进行综合评估,取得了很好的效果.     

信息融合在液压系统故障诊断中的应用

介绍了信息融合的定义及多传感器信息融合的过程,阐述了信息融合技术在故障诊断中的应用,在此基础上提出Bayes网络,讨论了Bayes信息融合技术应用于液压系统故障诊断的实现方法.     

微纳卫星陀螺阵列系统信息融合

为了实现微纳卫星MEMS陀螺动态在线滤波,对MEMS陀螺阵列建模,设计可应用于动态过程的最优在线数据融合算法,建立陀螺阵列测试系统,并对融合滤波的陀螺系统的性能对比分析。首先,建立多个陀螺的量测模型。接着基于信息融合模型,使用Kalman滤波算法,对预测的协方差矩阵进无求逆运算迭代;然后,基于误差估计,对动态时变信号滤波模型建模,并给出了融合滤波方法;最后,搭建6个MEMS陀螺在线滤波系统,验证该算法的有效性。实验结果表明：滤波误差可降低为单陀螺采样误差的1/15,精度提高一个数量级;运算量相比层序式滤波减少为1/4,计算时间减少为1/3。本文所提算法在提高精度的基础上,显著提高了MEMS陀螺系统的性能指标,拓展了MEMS陀螺在微纳卫星的应用范围。     

基于模糊自适应联合卡尔曼滤波算法的列车测速测距信息融合（英文）

高速列车的测速定位精度直接影响着列控系统的控制精度和行车效率,为了提高列车自主控车能力,本文以GPS辅助速度传感器、雷达进行组合测速定位,以提高测速定位精度并减少对地面设备的依赖。针对卡尔曼滤波在统计特征变化时滤波精度下降的问题,运用模糊综合评判方法对子滤波器进行评价,根据滤波置信度动态调整信息分配系数,提高该系统的融合精度和容错性;当子滤波器处于次优状态则进行协方差成形自适应滤波,依据最小化代价函数获得误差协方差的调节因子,来提高实测残差方差和系统递推残差的匹配度,增强滤波精度。仿真结果表明,本文提出的改进滤波算法能够有效跟踪系统变化情况、明显增强滤波精度及提高测速定位精度。     

转换坐标卡尔曼滤波算法在雷达数据融合中的应用

本文介绍一种二维平面上使用的转换坐标卡尔曼滤波算法在目标跟踪测量数据融合处理中的应用,并通过仿真证明该算法在目标跟踪中优于扩展卡尔曼滤波算法。     

改进卡尔曼滤波的融合型锂离子电池SOC估计方法

荷电状态(SOC)估计对于锂离子电池充放电优化控制、任务规划、可靠性提升等均具有重要价值,针对广泛应用的卡尔曼滤波(KF)一类方法存在的参数设置无具体标准、模型性能随工况环境改变而适应性降低等问题,提出一种噪声方差可变卡尔曼滤波方法(VVKF)的SOC估计算法,该算法每次迭代时估计并设定最适应当前系统状态的的噪声方差,克服了KF噪声方差初值依靠人为经验设定而造成精度下降的问题,同时采用最小二乘支持向量机作为KF的量测方程,通过建立样本库的方式克服电池型号以及工况改变对SOC估计精度的影响。采用马里兰大学CACLE中心锂离子电池数据集的实验证明了VVKF较KF性能的提升以及SOC估计的有效性。     

Robust cubature Kalman filter for GNSS/INS with missing observations and colored measurement noise

In order to improve the accuracy of GNSS/INS working in GNSS-denied environment, a robust cubature Kalman filter (RCKF) is developed by considering colored measurement noise and missing observations. First, an improved cubature Kalman filter (CKF) is derived by considering colored measurement noise, where the time-differencing approach is applied to yield new observations. Then, after analyzing the disadvantages of existing methods, the measurement augment in processing colored noise is translated into processing the uncertainties of CKF, and new sigma point update framework is utilized to account for the bounded model uncertainties. By reusing the diffused sigma points and approximation residual in the prediction stage of CKF, the RCKF is developed and its error performance is analyzed theoretically. Results of numerical experiment and field test reveal that RCKF is more robust than CKF and extended Kalman filter (EKF), and compared with EKF, the heading error of land vehicle is reduced by about 72.4%.     

Robust extended Kalman filter of discrete-time Markovian jump nonlinear system under uncertain noise

This paper examines the problem of robust extended Kalman filter design for discrete-time Markovian jump nonlinear systems with noise uncertainty. Because of the existence of stochastic Markovian switching, the state and measurement equations of underlying system are subject to uncertain noise whose covariance matrices are time-varying or un-measurable instead of stationary. First, based on the expression of filtering performance deviation, admissible uncertainty of noise covariance matrix is given. Secondly, two forms of noise uncertainty are taken into account: Non-Structural and Structural. It is proved by applying game theory that this filter design is a robust mini-max filter. A numerical example shows the validity of the method.     

Maximum correntropy square-root cubature Kalman filter with application to SINS/GPS integrated systems

For a nonlinear system, the cubature Kalman filter (CKF) and its square-root version are useful methods to solve the state estimation problems, and both can obtain good performance in Gaussian noises. However, their performances often degrade significantly in the face of non-Gaussian noises, particularly when the measurements are contaminated by some heavy-tailed impulsive noises. By utilizing the maximum correntropy criterion (MCC) to improve the robust performance instead of traditional minimum mean square error (MMSE) criterion, a new square-root nonlinear filter is proposed in this study, named as the maximum correntropy square-root cubature Kalman filter (MCSCKF). The new filter not only retains the advantage of square-root cubature Kalman filter (SCKF), but also exhibits robust performance against heavy-tailed non-Gaussian noises. A judgment condition that avoids numerical problem is also given. The results of two illustrative examples, especially the SINS/GPS integrated systems, demonstrate the desirable performance of the proposed filter.     

基于FPAA与序贯双卡尔曼滤波信息融合的PCR温控

传统PCR(polymerase chain reaction)仪对样品反应池壁温度进行接触式测量与温控,存在测量迟滞大、无法直接控制试剂温度的缺点。研制的电化学实时定量PCR温控系统采用红外温度传感器、热源温度传感器以及环境温度传感器分别测量试剂表面热辐射、热源与反应池壁温度与环境温度,并提出序贯双卡尔曼滤波估计算法对三点温度数据进行信息融合从而估计出试剂表面温度真实值。该算法中迭代卡尔曼滤波器(iterated extended Kalman filter,IEKF)与线性卡尔曼滤波器(Kalman filter,KF)顺序运行,结合了IEKF非线性估计收敛快与KF实时性高的优点,克服了红外测温噪声大,易受环境、被测物热辐射率等因素影响的缺点。试剂温度的估计值作为反馈输入到基于FPAA(field programmable analog array)的可动态配置PID控制器中构成闭环控制,同时微控制器根据不同温控阶段的控制要求对PID控制器进行配置,从而提高温控效率。实验表明,滤波估计后红外测温精度由2℃提高至0.3℃;试剂表面温度监控与可动态配置PID使得PCR温控更加准确高效;PCR产物测试结果优于市面上PCR仪、恒温时间设置更加合理。     

Adaptive RSOV filter using the FELMS algorithm for nonlinear active noise control systems

This paper presents a recursive second-order Volterra (RSOV) filter to solve the problems of signal saturation and other nonlinear distortions that occur in nonlinear active noise control systems (NANC) used for actual applications. Since this nonlinear filter based on an infinite impulse response (IIR) filter structure can model higher than second-order and third-order nonlinearities for systems where the nonlinearities are harmonically related, the RSOV filter is more effective in NANC systems with either a linear secondary path (LSP) or a nonlinear secondary path (NSP). Simulation results clearly show that the RSOV adaptive filter using the multichannel structure filtered-error least mean square (FELMS) algorithm can further greatly reduce the computational burdens and is more suitable to eliminate nonlinear distortions in NANC systems than a SOV filter, a bilinear filter and a third-order Volterra (TOV) filter.     

变维卡尔曼滤波实现运动目标的跟踪

在球坐标激光跟踪测量系统中，由于受到各种干扰的影响，激光跟踪系统测量所得到的目标状态参量的测量值与目标的真实状态往往不尽相同，如何抑制随机误差，成为提高激光跟踪测量系统精度的一个重要问题。本文提出变维卡尔曼滤波算法来抑制随机误差的影响，仿真结果验证了该方法的有效性。