一种自适应扩展卡尔曼滤波的永磁同步电机无位置传感器矢量控制

在粗差干扰或噪声统计偏差情况下,扩展卡尔曼滤波(EKF)对永磁同步电机(PMSM)的速度和转子位置估计存在精度下降问题,为此提出一种基于新息序列的自适应扩展卡尔曼滤波算法(AEKF)。首先,将粗差干扰加入系统观测方程中,分析粗差干扰对系统观测精度的影响。其次,为增强算法的抗扰性能,在新息协方差计算中设置加权系数,通过调整临近时刻的新息协方差阵权重,计算出新息协方差值,并更新到卡尔曼增益的计算。最后,建立AEKF数学模型,并对比粗差干扰与噪声统计出现偏差情况下,AEKF与EKF两种策略的观测性能。仿真和实验结果表明,在粗差干扰或噪声统计信息出现偏差情况下,AEKF算法对永磁同步电机转速的观测具备更强的鲁棒性及更高的预测精度。     

基于新息理论的EKF感应电机转速估计方法

提出了一种基于新息理论的自适应扩展卡尔曼滤波(IT-AEKF)感应电机转速估计方法,实现了优化的感应电机无速度传感器矢量控制。该转速估计方法使用新息序列对系统噪声协方差矩阵进行在线估计和自适应调节,实时地跟踪系统模型的变化,使系统模型与实际模型更加匹配。所提出的方法提高了系统模型对于实际系统以及外部环境变化的适应性,也满足对于低速的估计要求,进而提高系统的稳态精度和抗粗差性能,使系统遇到干扰时更快收敛。实验结果验证了算法的正确性和有效性。     

基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter, UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation, FASE)方法。首先,采用引力搜索算法(gravitational search algorithm, GSA)对支持向量回归(support vector regression, SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型。然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正。最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计。基于IEEE33与IEEE118节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性。     

基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。     

基于姿态参数切换的四元数快速传递对准算法

针对快速传递对准过程中的大失准角情况,在建立非线性四元数误差模型的基础上,对利用姿态参数转换的四元数无迹卡尔曼滤波(QUKF)进行研究。通过四元数和修正罗德里格斯参数间的相互转换关系对四元数加权求和公式进行推导,使计算更为直观。针对扰动sigma点中四元数部分的规范性问题,通过先计算sigma点得到其向量部分,再利用单位化约束得到标量部分的方法进行解决,并在此基础上对含有姿态四元数的误差方差阵进行推导并给出相应公式。仿真结果表明,该算法对大失准角的估计准确度和快速性可以满足传递对准的要求。     

基于Zernike多项式的自适应包裹卡尔曼相位解缠

为了在噪声干扰下准确提取干涉图中的相位信息,提出了一种基于Zernike多项式拟合的自适应包裹卡尔曼滤波相位解缠算法。该方法将相位图建模为Zernike多项式的线性拟合,采用相位图二次差分加权策略的包裹卡尔曼滤波器准确计算拟合系数,利用预测值和量测值的新息自适应地调整量测噪声协方差矩阵且无需根据干涉图设置不同的观测噪声。实验仿真和实测结果表明,所提方法能够有效地处理干涉条纹中的噪声,并能准确地恢复出相位信息,对于受噪声干扰的干涉图的相位解缠性能优于最小二乘算法和Kalman算法,具有鲁棒性好、无需预滤波和人工干预的优点。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

基于 SRCKFw-检测的多传感器融合的姿态解算算法

针对惯性导航系统受模型误差和测量异常值误差的影响,姿态解算结果易出现精度差甚至发散的问题,提出了一种基于平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)w-检测的多传感器姿态融合算法。利用协方差匹配法对SRCKF的新息序列进行自适应调整,经过调整后的新息在迭代过程中会补偿量测噪声方差阵,减小模型误差影响;再利用调整后的新息进行误差探测,提高w-检测的探测精度,并构造观测值替换准则进行误差观测值替换,解决测量异常值误差带来的影响;最后利用SRCKF进行姿态融合,陀螺仪的姿态作为状态方程,经检测替换后的加速度计和磁力计姿态作为量测方程。实验表明,所提算法可以准确估计系统姿态,与传统算法相比解算精度平均可提升62.43%,在不同条件下,算法整体性能均可得到大幅提升,并能快速进行姿态解算,保证解算精度。     

改进卡尔曼滤波器作动态谐波估计

应用卡尔曼滤波器作在线谐波估计的关键在于如何确定动态噪声和量测噪声的统计特性.此外,卡尔曼滤波器还受到滤波器饱和的影响,使它对信号的突变变得迟钝.针对上述问题,提出了一种基于更新序列和滤波器饱和抑制技术的新型自适应卡尔曼滤波器.通过对量测更新序列的相关性分析,估计出量测噪声方差阵.再利用递归算法,在给定精度下,求解最优滤波增益方程得到最优增益,进而修正滤波参数,结合滤波器饱和抑制技术来改善滤波器的性能.通过仿真实验确认了这种方法的有效性.     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

基于全局序列二次规划算法的无功优化

为提高无功优化计算的收敛性和精确性,采用全局序列二次规划(SQP)算法来计算无功优化潮流.在优化的循环迭代过程中,电压相角和支路潮流并未当作常数看待,而是通过每次迭代后系统状态下的潮流计算重新获得的.对IEEE30节点系统进行无功优化仿真,结果表明全局SQP算法具有良好的收敛性和精确性.     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

A multi-tone central divided difference frequency tracker with adaptive process noise covariance tuning

The problem of real-time frequency estimation of nonstationary multi-harmonic signals is important in many applications. In this paper, we propose a novel multi-frequency tracker based on a state-space representation of the signal with Cartesian filters and the second-order central divided difference filter (CDDF), which improves the performance of the extended Kalman filter (EKF) by using Stirling's interpolation method to approximate the mean and covariance of the state vector. A crucial element of the method is the adaptive scaling of the process noise covariance matrix appearing in the filter equations, as a function of the innovation sequence, which tunes the accuracy-reactivity trade-off of the filter. The proposed solution is evaluated against two approaches from the literature, namely the factorized adaptive notch filter (FANF) and the extended Kalman filter frequency tracker (EKFFT). Several experiments emphasize the estimation accuracy of the proposed method as well as the improved robustness with respect to initial errors and input signal complexity. The presented method appears to be particularly efficient with rapidly varying frequencies, thanks to the update mechanism that adjusts the filter parameters based on the amplitude of the estimation error.     

基于空间平滑差分的鲁棒自适应波束形成

针对当采样协方差矩阵中包含期望信号时,模型失配会使MVDR(Minimum Variance Distortionless Response)自适应波束形成算法性能大幅下降的问题,本文提出一种基于空间平滑差分算法(Spatial Smoothing Difference Algorithm, SSDA)的鲁棒自适应波束形成算法。该算法首先通过空间平滑差分算法获得源数目先验知识,再对MVDR空间功率谱进行波峰搜索得到期望信号,最后再从采样协方差矩阵中去除期望信号协方差矩阵。仿真结果表明,在高信噪比输入的情况下,改进后的算法在去除期望信号后其输出信干噪比有了很大提升,比MVDR算法提高了2～3倍。     

基于改进自适应谐波检测法的有源电力滤波器

针对传统自适应谐波检测方法在收敛速度和稳态精度之间存在的矛盾,提出了一种改进的新型自适应谐波电流检测方法。该方法基于自适应噪声对消理论,通过引入动态因子项自适应地调整算法的步长,引入动量项加快了权值的收敛,引入静态项和自相关误差项消除了不相关噪声序列的干扰,很好地解决了收敛速度与稳态精度的矛盾,进一步提升了谐波检测效果。仿真及实验结果证明了该改进检测法的可行性和有效性。     

全双工和半双工自适应的电力线中继和功率优化分配算法

为了提高远距离通信能力,电力线通信目前主要采用两时隙的半双工中继技术。全双工技术可以提高系统频谱效率和解决电磁干扰问题,但其性能易受自干扰影响。提出了一种全双工和半双工自适应的电力线中继算法,并对其进行了系统性能分析。基于对数正态衰落和贝努利-高斯脉冲噪声的电力线信道模型,给出了不同双工时信号处理过程和自适应中继步骤;然后应用Gauss-Hermite变换和分区域积分等方法,推导了不同双工方式时的中断概率性能;接着用蒙特卡洛仿真验证了中断概率表达式的可靠性,并分析了双工方式、自干扰、中继距离、功率、信道参数对系统性能的影响;最后通过序列二次规划法得到最佳功率分配值。