一种鲁棒Kalman滤波算法

针对带模型误差系统,利用偏差分离估计提出一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件．仿真结果表明该算法有效．     

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。     

两轮自平衡机器人动力学建模与运动控制

为兼顾低成本、小体积,可实现负重行走的运动控制,设计了一种基于姿态传感器的两轮桌面式小型机器人SmallRot-I.介绍了机器人的系统构成,包括机械结构部分和电气结构部分.使用Lagrange方程对此机器人进行了动力学建模,并采用双闭环PID算法对此机器人分别进行了系统仿真和实物的控制.机器人负重保持自平衡行走和转向运动时的仿真结果和实物控制结果证明了机器人物理系统和控制方法的合理性与有效性.     

滑模变结构方法在两轮自平衡机器人上的应用

研究了滑模变结构理论在两轮自平衡机器人系统的稳定控制.将滑膜变结构控制应用于具有非线性及强扰动性的两轮自平衡机器人.设计了滑模控制器,利用滑模控制器的特点实现对被控对象快速、有效的控制;针对滑模控制器本身的抖动问题,提出了一种模糊控制和滑模控制策略相结合的模糊滑模控制器,推导出模糊滑模控制律,根据Lyapunov稳定性定理,建立模糊逻辑规则库.通过仿真验证,控制方法有可行性和有效性,结果表明,本文提出的方法不仅保留了滑模控制系统所具有的较强的鲁棒性,而且消除了系统的高频颤动.     

自校正Kalman滤波在科技进步测算中的应用

我国科技进步的测算,大多都是基于Ｓｏｌｏｗ增长速度方程作为“余额”来计算,这就不可避免地包含了国内政治、自然环境等因素的影响。文中采用自校正Ｋａｌｍａｎ滤波技术将科技进步因素从“余额”中提取出来,实现科技进步的精确测算。     

两轮自平衡机器人的控制方法研究

由于两轮自平衡机器人在工业和社会的应用日益广泛,结合传统的机器人控制理念,提出了两种思路新颖、效果更优的控制方法.在数学建模基础上对自平衡机器人的运动进行分析,把非线性模型线性化.并针对两轮自平衡机器人平衡点线性化模型,采用现代控制理论经典的极点配置方法设计状态反馈控制器,对初始倾角及初始位移控制进行了仿真分析,同时也运用了LQR方法,对现代控制理论中的状态空间方程给出的线性系统进行研究,对倾角控制和位移控制进行仿真.     

自校正Kalman平滑新方法及其在飞行器跟踪方面的应用

应用状态空间方法和现代时间序列分析方法，基于白噪声估值器和输出预报器，提出了解决带输入的线性离散定常系统稳态最优和自校正Ｋａｌｍａｎ平滑新方法，并给出了在飞行器跟踪方面的应用。仿真结果说明了本文结果的实用性和有效性。     

两轮自平衡机器人的LQR改进控制

针对传统LQR最优控制器选取权阵的不确定性以及由此引发的响应速度慢的问题,对两轮自平衡机器人系统进行改进控制,使用传统LQR算法进行系统控制,并对存在的问题提出解决方法,选择一加权矩阵使系统稳定性得到进一步的提高,对比改进前后的LQR控制器,使用MATLAB进行仿真对比,可以得出优化后的LQR具有良好的控制效果,达到了预期效果,并具有良好的稳定性.     

基于能观测性分析的机器人EKF-SLAM算法

针对传统EKF-SLAM算法中存在状态估计不一致的问题,从系统能观测性角度分析,提出一种增加观测性约束条件的算法,利用补偿矩阵U最优化求解约束条件,得到新的线性点,并通过优化系统的雅克比矩阵重构系统能观测矩阵,使得EKF-SLAM系统与非线性SLAM系统观测方程能观矩阵的秩保持一致.结果表明,所提出算法在状态估计的精确性和协方差一致性方面明显优于传统的EKF-SLAM算法,研究工作和结论对车辆自主驾驶有一定的参考价值.     

一种渐消自适应滤波算法在陀螺监控中的应用

依据卡尔曼滤波器在使用最佳增益时，其余差互不相关的性质，提出一种基于陀螺随机漂移ARMA模型的渐消自适应卡尔曼滤波算法，可以有效地得到系统陀螺随机漂移的最优估计，保证误差补偿的精度．     

基于Kalman滤波器和遗传算法的参数估计方法

提出了一种基于Kalman滤波器和遗传算法的系统参数估计方法,可以对带测量噪声和过程噪声的线性系统中的未知参数进行有效估计。理论分析和数据仿真表明,此方法能较好地处理已知数据中的噪声,并且能应用于系统未知参数存在较复杂关联的情况。     

基于扩展卡尔曼滤波的信号转导网络参数估计

针对细胞信号转导网络的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点,采用扩展卡尔曼滤波技术,将模型参数作为随机过程的状态估计量,构造相应的卡尔曼滤波方程进行参数估计.以肿瘤坏死因子诱导的核转录因子κB信号转导网络为例,对系统模型的未知参数进行辨识.结果表明该方法能够从噪声数据中提取有效信号,从而有效地识别参数,为解决复杂信号转导通路参数辨识中的不确定性问题提供了可靠的理论方法.     

基于卡尔曼滤波的摄像头目标跟踪

在应用摄像头进行目标跟踪的过程中,由于图像信号的采集、传输和处理时延的影响,使得目标不能处在摄像头的最佳观测位置,从而产生数据缺失,造成分析结果滞后,由此可能导致摄像头运动控制误差较大.本文提出基于卡尔曼滤波的摄像头预测跟踪模型,充分利用Kalman滤波方程递推预估计能力对运动目标位置进行跟踪,及时调整摄像头偏转角度,使得摄像头始终超前运动目标,解决了由于摄像头运动惯性产生的数据缺失现象,对后续的图像分析与识别提供了保证,最后仿真结果显示了该模型的正确性.     

基于模糊PID卡尔曼滤波的多传感信息融合移动机器人定位研究

当工业移动机器人处于复杂工作环境中,其信息序列误差随各量测噪声特性的变化而增大,若使用卡尔曼滤波器进行多传感信息融合则很难做到实时测量和调整,融合后的误差也随之倍增。为解决此问题,在卡尔曼滤波融合前引入增量式模糊自适应PID控制,通过模糊规则设计,改善滤波噪声方差,对融合信息进行限制,并对限制后的速度信号和加速度信号进行融合,从而提高控制精度。MATLAB系统仿真显示,所设计的控制器对多传感器的信息融合效果良好。     

基于Kalman预测和K-近邻的多目标跟踪

针对Kalman预测跟踪和K-近邻数据关联算法的优缺点,研究一种基于Kalman预测和K-近邻的多目标跟踪方法.该方法首先利用Kalman滤波预测出运动目标在下一帧中最可能出现的位置,接着根据当前帧目标位置和预测目标位置的距离,确定搜索半径,利用K-近邻数据关联算法,在该半径范围内,计算与预测点欧式距离最短的目标,并将其确定为真实目标位置.在MATLAB仿真环境下实现该跟踪算法,实验结果表明,用该方法进行多目标跟踪时,跟踪效果和性能较为稳定和可靠.此外选择合理的K值,能减少运算量,加快系统处理速度.     

卡尔曼滤波在陀螺测试转台中的应用

采用卡尔曼滤波理论给了出陀螺漂移的是优线性递推估计,提出一种分离状态向量的办法,对陀螺随机漂移的相关函数进行了在线估值,并推导了增广矩阵递推算法,滤波递推过程在计算机上进行了仿真验证。     

基于扩展卡尔曼滤波的无人直升机姿态解算

针对某型无人直升机飞行过程中振动较大,姿态难以精确获取的问题,采用扩展卡尔曼滤波技术进行解算. 该方法以惯性测量单元的角速度和加速度的比力作为输入,并通过振动数据的融合,实时获取姿态信息,有效降低了无人直升机振动对姿态精度的影响. 仿真和实际飞行验证了该方法的有效性.     

基于改进卡尔曼滤波目标跟踪分簇方法研究

针对现有的目标跟踪分簇算法没有从根本上解决参与跟踪的节点数量过多,导致整个无线传感器网络(WSN)能耗的增加问题,提出一种基于Fisher信息矩阵的改进卡尔曼滤波的目标跟踪分簇方法 (Fisher Matrix for Kalman Filter,FMKF),用于针对性的选择节建立跟踪簇。该算法利用随机矢量估计的克拉美罗下界获得未知噪声的统计特性,优化卡尔曼滤波器的误差协方差。在无线传感器网络动态分簇时,创新的使用信息判据作为标准,并且加入节点剩余能量判据。仿真结果显示,FMKF算法与控制簇的激活半径算法和无分簇算法相比,FMKF算法可以在减少跟踪节点的数量的同时提高跟踪精度。     

基于卡尔曼滤波算法的改进测频算法

分析了经典卡尔曼以及其相关的改进算法的跟踪特性,提出了一种利用拉格朗日线性插值的电压过零点法测得电网频率,再经过改进卡尔曼滤波得到高精度频率的测频算法,具有实时、快速跟踪的特点,且频率测量精确度高.最后通过Matlab软件进行实例仿真,验证了该改进算法的可行性.     

基于自适应级联扩展卡尔曼滤波器的数字DC-DC变换器信号预测控制

DC-DC变换器工作在电磁干扰的恶劣环境中,为了实现它的全数字化,需对反馈信号进行滤波。滤波算法的优劣决定着变换器的稳态性能和动态性能。以Boost变换器为研究对象,针对线圈电流和输出电压建模的非线性方程,采用自适应级联扩展卡尔曼滤波通过在线预测变换器的参数,实现变换器的稳态输出。实验结果表明,本文算法能有效地滤除变换器中存在的高斯噪声干扰。