卡尔曼滤波与灰色预测用于异常工况趋势预测的方法

提出了基于卡尔曼滤波与灰度预测的化工过程异常工况发展趋势预测方法。在化工过程异常工况下,首先,测量系统主要变量的数值,通过卡尔曼滤波处理测量数据,估计测量数据的真实值;其次,使用校正后的结果作为观测值,建立基于灰色预测理论的系统主要变量发展趋势的预测模型,根据模型计算系统主要变量随时间的变化数值;最后,分析预测结果,采取相应的措施,对化工过程异常工况进行有效管理。通过对实际案例的分析计算,说明了-该方法的有效性,在化工过程异常工况下,为预测系统关键变量的发展趋势提供理论依据。     

一种基坑施工地面沉降预测方法

针对深基坑地面沉降难以有效预测的问题,结合灰色理论和基因表达式编程方法,提出一种新的基坑周边地面沉降预测方法——灰色基因表达式编程算法,并将其应用到上海地铁11号线曹杨路地铁车站基坑施工的数据验证中。实验结果表明,根据该方法获得的地面沉降预测值具有很好的预测精度,其与实测值之间吻合度高于传统方法,同时该方法具有根据实测数据进行自我学习的能力。     

基于小波变换的变形监测应用研究

论文采用小波变换对变形监测数据进行不同频带分离与变形信号消噪处理,同时进行平滑处理。利用该方法可以减少外界因素的干扰,提高预测精度。结合工程实例进行验证,同时将小波变化模型与传统的灰色预测模型、卡尔曼滤波模型、动态灰色模型进行对比,结果显示,利用小波变换进行变形监测的精度比上述传统模型精度高,小波变换取得的效果较好。     

DTN网络中一种基于灰色预测和状态估计的位置预测方法

典型的延迟容忍网络（DTN）中,由于中继节点间的链路延时和间歇性中断,用于预测运动节点位置的观测数据在传输中常常滞后、丢失。为了在这样的环境下对这些节点的位置进行及时、准确的预测,该文首先建立了基于方位角的节点运动状态方程,然后利用灰色预测理论对方位角进行预测,再基于该预测值利用扩展卡尔曼滤波算法对目标节点的坐标值进行递推估计。仿真分析表明,采用这样的位置预测算法,可以克服DTN网络中观测数据经常缺失的缺点,可实现对DTN网络节点的位置进行在线预测,相较于对坐标值进行直接预测,其准确性有进一步提高。     

基于内阻法修正的蓄电池卡尔曼滤波SOC估算

针对蓄电池卡尔曼滤波算法荷电状态SOC（State of Charge）初始值的估计误差较大可能导致前期收敛性较差的问题,通过分析蓄电池放电实验数据,运用灰色关联模型计算电池内阻、电压和电流参数关于SOC的关联度值,将关联度最高的内阻参数作为初始SOC估计值的自变量。然后将初始SOC估计值代入由二阶等效电路模型构建的扩展卡尔曼滤波算法中,进行SOC估计。最后利用电测试平台验证SOC估计准确性,并与电压参数作为初始SOC估计值自变量的方法进行对比。实验结果表明,相对于电压法的初始估计值,内阻法的初始估计值更接近真实值,将其作为卡尔曼滤波算法的起始值,更能提高初期荷电状态估算精度。     

基于卡尔曼滤波的路径行程时间预测方法

为提高常规卡尔曼滤波预测模型的自适应性，本文研究一种基于卡尔曼滤波的实时路径行程时间预测方法。首先通过主成分分析法考察行程时间与其影响因素时间序列之间的相关性，从而选择影响路径行程时间的主要因素，并建立相应的多元回归方程;其次，构造行程时间的卡尔曼滤波状态方程;最后，由一组卡尔曼滤波递推式计算得到行程时间的预测值。将本文算法应用于广州市某交通干道上的行程时间预测，并将本文算法和常规卡尔曼滤波方法进行比较。结论表明本文算法有效，用于路径行程时间预测具有较好的综合性能。     

多变量系统灰色预测函数控制方法研究

针对多变量时滞系统,提出一种以灰色模型为基础的多变量灰色预测函数控制策略,并给出多变量灰色预测函数控制算法.分析了灰色系统建模,灰色模型预测输出,和控制量计算方程的求解.仿真实验表明,该方法有较强的鲁棒性,快速性和强抗干扰能力强的特点.     

捷联惯导系统中卡尔曼滤波的应用研究

为提高捷联惯导系统初始对准精度,提出将卡尔曼滤波技术应用于系统初始精对准,用以估计系统的失准角和惯性误差。对卡尔曼滤波技术在捷联惯导系统中的应用进行分析,建立捷联惯导系统初始对准误差模型和卡尔曼滤波量测方程。分析不同条件下不同滤波方法的滤波原理和滤波精度。在此基础上,提出一种将预测扩展卡尔曼滤波应用于逆向导航技术的思路,并进行了理论分析和捷联惯导系统自对准流程设计,为后续进一步深入开展惯导系统初始对准奠定基础。     

基于粒子群优化的灰色神经网络组合预测模型研究

灰色神经网络在人工智能预测领域已经得到广泛的应用,但由于其自身存在局部最小化和收敛速度慢等问题,使其预测精度受到一定的限制。针对其不足,本文提出一种利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法对股指期货历史数据进行初步预测,并且把初步预测的结果作为优化BP神经网络的输入进行训练和预测,构建了基于粒子群优化的灰色神经网络组合预测模型(PSO-GMNN)。仿真实验结果表明,新预测模型的预测精度高于BP神经网络、灰色神经网络和灰色预测模型,同时也表明了该方法的有效性和可行性。     

基于无迹卡尔曼滤波的飞行航迹预测方法研究

为了解决现有的航迹预测方法预测精度和稳定性不足的问题,在已有的历史航迹数据的基础上,提出一种基于无迹卡尔曼滤波的飞行航迹预测模型.根据已知航班的部分航迹点构建航空器运动观测方程和状态方程,并通过无迹卡尔曼滤波完成航迹预测,面向所得数据和原始数据展开误差比较分析,检验算法及预测过程准确性.研究结果表明,通过上述算法进行飞行航迹预测,不但精度较高,并且稳定性非常理想,与传统的扩展卡尔曼滤波算法相比较,具有较小的误差,为之后开展航空器航迹预测仿真识别工作提供一定的应用和借鉴参考.     

Estimation of significant wave height in shallow lakes using the expert system techniques

Significant wave height is an important hydrodynamic variable for the design application and environmental evaluation in coastal and lake environments. Accurate prediction of significant wave height can assist the planning and analysis of lake and coastal projects. In this study, the Genetic Algorithm (GA) is used as the optimization technique to better predict model parameters. Also, Kalman Filtering (KF) is used for prediction of significant wave height from wind speed. KF technique makes predictions based on stochastic and dynamic structures. The integrated Geno Kalman Filtering (GKF) technique is applied to develop predictive models for estimation of significant wave height at stations LZ40, L006, L005 and L001 in Lake Okeechobee, Florida. The results show that the GKF methodology can perform very well in predicting the significant wave height and produce lower mean relative error and mean-square error than those from Artificial Neural Network (ANN) model. The superiority of GKF method over ANN is presented with comparisons of predicted and observed significant wave heights.     

基于扩展卡尔曼滤波的锂离子电池寿命预测方法

锂离子电池寿命预测是掌握电源性能衰退趋势的重要手段,已成为电子系统健康管理领域的研究热点。针对锂离子电池的寿命预测问题,基于NASA艾姆斯中心的锂离子电池地面试验采集的数据,将扩展卡尔曼滤波(EKF)算法应用于锂离子电池寿命预测过程中,并针对预测过程中存在的问题,采用最优Loess平滑原理进行改进,从而提高了预测的稳定性和精确性。实验结果表明,提出的预测方法能够有效地用于锂离子电池寿命预测中,在工程应用方面具有较高的实用价值。     

Some results on linear equality constrained state filtering

This paper addresses the linear equality constrained state filtering for linear dynamic systems from different perspectives. First, by integrating constraint information into the state equation to ensure that the estimates naturally satisfy the constraints, the constrained filtering problem can be transformed into an unconstrained one. Second, according to a linear transformation of the state vector and the linear relationship between different new state components, a reduced-order Kalman filter is developed. Third, adding a projection step after the one-step state prediction in the Kalman filtering algorithm, we present a state prediction projection method. These approaches are mutually equivalent, and the existing null space method proves to be a special case of them. Most of current methods and the proposed approaches can be summed up in a unified framework and boil down to three forms of the projection method. Finally, a vehicle tracking example is provided to compare the performance of the discussed constrained filters.     

准平行接近法导引律的研究与实现

利用广义卡尔曼滤波对目标未来多个时刻位置的一揽子估计,取消了平行接近法要求视线角不变的限定,提出了准平行接近法,该方法允许视线做有向旋转;给出了导弹与目标法向加速度的关系、导弹与目标速度方向变化规律以及视线角速度的确定方法.通过准平行接近法与平行接近法仿真结果的比较,证实了准平行接近法的有效性与可行性.     

高速公路交通状态的联合估计方法

提出一种有效的高速公路交通密度预测估计方法。通过分析交通模型，建立了系统的离散化状态和误差模型表达式，并采用推广Kalman滤波方法进行估计．为进一步增强数值稳定性以及提高计算效率，根据系统矩阵分块的特点，采用分块的正交化U-D分解算法实现时间更新，同时采用序列U-D分解方法进行测量更新．仿真计算和实际应用表明，该方法可以给出工程实用结果。     

一种新的带白噪声估值器的固定滞后Kalman平滑器

本文基于经典Kalman滤波器和Mendel的输入白噪声估值器，应用射影理论，提 出了一种新的带白噪声估值器的最优固定滞后Kalman平滑器，且给出了平滑增益阵和平滑误 差方差阵新算法，避免了计算滤波和预报误差方差阵的逆矩阵，减少了计算负担．还提出了 相应的稳态次优固定滞后Kalman平滑器，它具有渐近稳定性．仿真例子说明了所提出的结果 的有效性．     

稳态Kalman滤波的一种统一格式

应用现代时间序列分析方法,基于ＡＲＭＡ新息模型和白噪声估值器,提出了稳态Ｋａｌｍａｎ滤波、平滑、预报的一种统一格式。给出了稳态Ｋａｌｍａｎ估值器增益的两种新算法,可避免解Ｒｉｃｃａｔｉ方程;提出了稳态Ｋａｌｍａｎ估值器关于新息初值渐近稳定性的新概念,并给出了保证这种渐近稳定性的滤波初值选取公式。仿真例子说明了所提出结果的有效性。     

舰艇运动姿态实时预测方法研究

针对某艇载发射装置稳定控制系统中舰艇姿态数据因采样和传输产生的延迟问题,建立组合Kal-man滤波隔点预测算法的数学模型,并采用算法流程调整法、衰减记忆法和平方根法对预测算法进行改进优化,实现对舰艇横纵摇运动姿态精确实时的预测.通过Matlab软件对优化前后的预测算法进行仿真验证.实验结果表明,改进优化后的组合Kalman滤波隔点预测算法满足舰艇上发射装置稳定控制系统姿态实时预测的需求.     

Fuzzy probability measures (FPM) based non-symmetric membership function: Engineering examples of ground subsidence due to underground mining

This paper introduces a new FPM method for prediction of surface subsidence due to inclined coal seam mining. Based on the non-symmetric membership function and the definition of the fuzzy probability measure, the mathematical model for the two-dimensional problem is developed and applied to the analysis of ground subsidence due to underground mining of inclined coal seam. The results of calculation with the new model indicate that the predicted value has good agreement with the measured data.     

Fault prediction of the nonlinear systems with uncertainty

Fault prediction which can forecast the fault in advance to avoid large calamity has attracted more and more attention. However, the current filter based fault prediction methods for the nonlinear systems are all based on the framework of the probability theory, and cannot realize fault prediction of the nonlinear systems with fuzzy uncertainty. Based on the extended fuzzy Kalman filter (EFKF) and the extended orthogonality principle, an improved fuzzy Kalman filter (IFKF) is firstly proposed to estimate the system states or the parameters in this paper. Then, according to the IFKF, a multi-step improved fuzzy Kalman predictor (MIFKP), which can be considered as an adaptive predictor, is obtained. Once the characteristic parameter is chosen, the MIFKP can be used to implement the multi-step fault prediction. Simulation results demonstrate that the proposed approach has the better prediction ability and stronger robustness than the traditional multi-step extended fuzzy Kalman predictor (MEFKP).