基于 STPF 的 SOC 估计及在多锂电池均衡中的应用

提出一种能跟踪突变状态的锂电池荷电状态(SOC)估计方法,并应用于多锂电池组的SOC均衡中。在粒子滤波算法中引入强跟踪滤波,将当前的采样结果融入到预测误差更新中,得到新的校正项,然后利用该校正项对粒子滤波算法的粒子集进行校正,从而使粒子快速推向高似然区域,抑制粒子退化;渐消因子的引入能实时调整误差协方差矩阵,使粒子滤波算法兼具强跟踪滤波的强鲁棒性和对突变状态的跟踪能力,有效克服模型的不确定性,进一步提高SOC的估计精度。将所提方法应用于多电池主动均衡中,提出一种基于SOC一致性的均衡策略,率先均衡容量差距较大的相邻电池组,再控制能量实时双向传递,提高了整体均衡速度。实验结果表明,改进算法的平均估计误差在0.13%以内,标准差为0.12%;相比传统的粒子滤波算法、扩展卡尔曼滤波算法和强跟踪算法,精度分别提升约64%、85%和75%,并且稳定性也得到了进一步加强。在多电池主动均衡中的应用表明,有效减小了电池组容量在充放电过程中的不一致性,电池组离散度被控制在1%以内,有利于提高电池容量的利用率与使用寿命。     

基于改进粒子滤波的空间红外小目标跟踪方法

为有效跟踪空间红外小目标,常采用基于粒子滤波的检测跟踪算法。粒子滤波中,防止粒子退化的两个关键因素是选择合理的建议分布和重采样算法。在对重采样算法研究的基础上,提出了以有效粒子数作为阈值进行模型切换,分别利用残差重采样和系统重采样的优势,将两种采样模型有机结合,从而得到一种自适应的残差系统重采样（RSR）算法。实验结果表明,所提出的改进重采样算法在时间和跟踪精度上均优于经典重采样算法,有效地提高了空间红外小目标跟踪的效率和稳定性。     

基于改进粒子滤波的综合能源系统预测辅助状态估计

高效准确的状态估计是综合能源系统安全稳定的基础。粒子滤波具有精度高且对于非线性系统适应性更强的优点,已应用于电力系统的状态估计。为了提高综合能源系统的状态估计精度,研究粒子滤波在综合能源系统中的应用,提出了一种基于改进粒子滤波的综合能源系统预测辅助状态估计方法。首先,本文构建了包含电-气-热网络的区域综合能源系统模型;其次,将粒子滤波算法拓展到电-气-热网络,在详细分析粒子滤波相关理论的基础上,针对粒子滤波算法存在的跟踪误差问题对粒子滤波的预测步进行改进;最后,利用经典的综合能源系统算例对文中提出的改进粒子滤波算法进行验证。结果证明该方法能够有效解决传统粒子滤波算法的跟踪误差问题,提高系统的估计精度。     

基于多重渐消因子强跟踪非线性滤波的故障参数联合估计

为改进故障参数估计的精度和鲁棒性,提出基于多重渐消因子强跟踪七阶容积卡尔曼滤波(MST7thCKF)的故障参数联合估计算法。算法将故障参数扩展至状态向量,实现状态和故障参数联合滤波。然后,将多重渐消因子强跟踪滤波(MSTF)引入七阶容积卡尔曼滤波(7thCKF)的框架中,改进7thCKF在故障参数变化函数未知或者发生突变时的鲁棒性,提高故障参数的估计精度。仿真结果表明,相比MSTF均方根容积卡尔曼滤波(MSTSCKF)和7thCKF,所提算法具有更好估计精度。     

基于观测相似性粒子滤波的纯角度目标跟踪

单站被动纯角度目标跟踪问题在理论和实际应用中一直都是被广泛研究的一个重要而困难的课题。本文提出一种重采样基于观测路径相似性的粒子滤波算法,该算法利用粒子观测路径和系统状态观测路径的相似性来修正粒子权值并使用修正后的权值进行重采样。实验结果表明当观测噪声方差小于系统噪声方差时,该算法在单站被动纯角度目标跟踪的误差均方根值和误差方差上均优于SIR粒子滤波、辅助粒子滤波和高斯粒子滤波。     

基于数据融合方法的智能电能表运行剩余寿命预测

本文融合加速退化试验数据和外场检测退化数据对智能电能表进行在线运行的剩余寿命预测。首先,基于加速退化试验（ADT）数据建立非线性Wiener过程退化模型和温湿综合加速模型,利用贝叶斯理论估计模型参数。其次,利用外场检测的退化数据对退化模型中参数进行不断更新,采用粒子滤波算法实现这一更新过程。最终,给出智能电能表在外场状态检测时刻开始的剩余寿命预测结果。该方法解决了两个问题,一是解决了仅仅利用ADT数据对智能电表在线运行状态评估不准确的问题;二是解决了仅仅利用外场使用条件下的数据量建立预测模型不准确的问题。不仅如此,使用粒子滤波（PF）算法对参数更新的精确度也很高。因此,本文对于智能电能表数据融合方法的研究有着一定的参考价值。     

强跟踪滤波器在实时数据处理中的应用

针对靶场导弹非线性系统实时数据处理滤波器设计问题,提出了应用带多重时变渐消因子强跟踪滤波算法满足靶场实时数据处理滤波器设计的需求。给出了目标状态方程及强跟踪滤波算法,探讨了时变渐消因子的确定方法,并通过与卡尔曼滤波器比较仿真实验,证明了带多重时变渐消因子的强跟踪滤波算法在非线性系统实时数据滤波处理方面具有较好较强模型不确定性的鲁棒性和突变状态的跟踪能力,解决了非线性系统目标跟踪数据实时处理的技术问题。     

基于拟蒙特卡洛滤波的改进式粒子滤波目标跟踪算法

单摄像机视觉跟踪过程中,常发生目标被遮挡或背景复杂的情况,此时容易跟丢目标,为了提高跟踪的准确性。从目标表现和背景的不确定性入手,以协方差特征对目标表现以及背景进行建模,应用到到粒子滤波的框架中,优化采样粒子的分布,在估计粒子的权重时,不仅考虑目标的真实状态和可能状态的相似性,还考虑了目标可能的状态和背景的差异.将提出的算法与粒子滤波,均值漂移,基于协方差概率跟踪算法进行比较,通过MATLAB2010编程平台,比较了几种算法的处理速度以及跟踪误差,试验结果表明,提出的算法每秒处理速度为60帧/s,优于上述3种跟踪算法平均误差值也高于另外3种算法。所提出算法在目标存在遮挡和背景较为复杂时,能够保证对目标进行准确,连续的跟踪。     

基于改进粒子滤波的锂离子电池剩余寿命预测

针对锂离子电池剩余寿命预测精度低、泛化能力差等问题,提出基于改进粒子滤波的预测方案。首先,提出双高斯模型作为退化经验模型,拟合锂离子电池的容量退化过程。然后,通过先验知识设置退化模型的初始参数,并利用粒子滤波方法进行参数更新。针对预测过程中出现的粒子退化问题,提出高斯混合方法进行粒子重采样,拟合重采样过程中粒子复杂的非线性分布和长尾分布,保证预测结果的概率密度分布状况均匀且集中。最后在不同的数据集上进行了实验验证,结果表明所提出的改进粒子滤波方案具有较高的精度和较强的鲁棒性。     

基于EKPF的机电暂态过程动态状态估计

根据暂态期间发电机的转子动态特性建立了动态状态估计（DSE）模型,针对扩展卡尔曼滤波（EKF）一阶线性化导致的滤波精度下降甚至滤波发散问题,结合粒子滤波（PF）提出了一种基于扩展卡尔曼粒子滤波（EKPF）的机电暂态过程动态估计方法,采用重采样策略选择粗糙采样以防止样本退化。利用WSCC三机九节点系统实现了EKF、无迹卡尔曼滤波（ＵＫＦ）和EKPF 3种算法的DSE,仿真结果说明了EKPF算法的有效性,且暂态期间其估计效果明显优于另2种方法。     

基于强跟踪延迟滤波算法的互馈双电机联合状态估计

通过分析交流传动互馈实验系统的工作特点,采用联合控制策略实现互馈双电机的高性能控制。为避免传感器安装带来的问题,提出一种新型的联合状态估计方法实现双电机转速、转矩和磁链的同时估计。在感应电机降阶模型的基础上引入运动和转矩方程,得到输出方程为一阶状态延迟的四阶模型。在强跟踪滤波算法和延迟扩展卡尔曼滤波算法的基础上,提出适用于上述模型的强跟踪延迟滤波算法,从而建立互馈双电机联合状态估计算法。通过各种工况下的交流传动实验对其进行验证,实验结果表明,该方法能有效估计互馈系统在各种工况下运行时的电机状态,同时在极低速和零速时具有理想的估计精度和跟踪速度,且计算复杂度适中,适用于互馈系统电机状态的在线联合估计。     

Target tracking with unknown noise statistics based on intelligent H∞ particle filter

In this paper, the target tracking based on the H∞ unscented particle filter and the particle swarm optimization is proposed. The proposed algorithm combines unscented particle filter and H∞ filter to estimate the target state. Furthermore, to prevent the particle degeneracy and impoverishment, particle swarm optimization is adapted to optimize particles. The proposed method has the common advantageous feature that it does not need to know the noise statistics. The performance of the proposed algorithm is shown through Monte Carlo runs and its performance is compared with that of other methods.     

考虑衰减直流分量的动态相量强跟踪测量算法

故障电流信号的频率变化以及包含的衰减直流分量会严重影响基于傅里叶变换的相量测量算法的精度和动态响应速度。文中提出了一种利用强跟踪滤波器滤除衰减直流分量的动态相量测量算法。首先,将衰减直流分量用其二阶泰勒展开多项式来表示,在状态变量中添加衰减直流分量及其一阶导数和二阶导数,建立含有基波角频率、幅值等参数和衰减直流分量参数的故障电流的非线性状态空间模型,减小信号估计的模型误差。其次,为了提高扩展卡尔曼滤波器在系统达到稳定时对系统参数突变的跟踪能力,利用强跟踪滤波器递推估计各状态变量。所提方法能够有效抑制衰减直流分量对相量测量精度的影响,对时变故障电流信号具有良好的动态响应能力。采用所提算法对加噪声的数值信号以及ATP-EMTP故障仿真信号进行相量测量,结果验证了算法的正确性与有效性。     

基于定向距离变换耦合多粒子滤波器的车道线检测算法

针对复杂环境下车道线检测精度不高的问题,提出了一种定向距离变换耦合多粒子滤波器的车道线检测算法。首先,利用四点透视映射方法,将输入图像转换为鸟瞰图,使车道边界平行,便于车道检测。引入定向距离变换(oriented distance transform,ODT),将鸟瞰图边缘像素标记到水平和垂直方向上最近的点,寻找初始边界点。其次,利用车道中心、中心到左右边界的角度以及左右车道边界的切角来构建车道线模型,通过分别考虑两个独立的4D粒子空间,以应用于左右车道边界。随后,在车道模型引入多粒子滤波器,利用左右两侧独立传播的粒子来侦测和追踪一对车道边界点,并使用局部线性回归调整得到的边界点。为了优化多粒子滤波器性能,根据粒子状态向量创建动态依赖关系。最后,通过迭代来确定粒子对应的权重,利用多粒子滤波来检测车道线。实验表明,与当前流行车道线检测算法比较,在多种复杂干扰环境下,所提算法具备更高的检测精度与鲁棒性。     

残差归一化的强跟踪滤波器及其应用

强跟踪滤波器通过对残差的强制白化而具有自适应的校正估计偏差和迅速跟踪状态变化的能力。对一类多输出非线性系统的研究发现，当各输出在数值上存在较大差异时，会导致无故障情况下不同输出值对应残差间数值上的较大差异，从而造成滤波器对于各残差的信息不对称，影响故障诊断的速度和精度。针对这一问题，该文提出了一种残差归一化的强跟踪滤波器方法。该方法通过在次优渐消因子的计算过程中对残差的归一化处理，达到平衡各残差问信息的效果，从而提高了故障诊断的速度和精度。仿真结果验证了该方法的有效性。     

强噪声背景下的多精度传感器故障诊断

针对背景噪声变化很大、多精度冗余传感器故障难以诊断的问题,提出了基于二次卡尔曼滤波的故障诊断方法。该方法首先通过小波噪声估计预测观测值噪声强度,接着对传感器数据进行卡尔曼滤波预处理,降低观测值的不确定性,并将故障信息最大化,然后利用冗余特性,轮流使用一个传感器测量值作为输入,另一个作为输出建立循环卡尔曼滤波方程组,通过决策函数对所得到的新息进行故障诊断。实验分析了故障检测率与噪声强度的关系,结果表明,该方法能提高故障诊断的准确性,具有较好的鲁棒性。     

基于遗传算法粒子滤波的多径跟踪

多径效应引起的误差是高精度卫星导航系统的定位系统的主要误差源之一.接收到的导航信号受到各种各样的环境因素的干扰,如建筑阻隔,云层阴影等.最新的消除多路径效应的方法都是基于贝叶斯估计的粒子滤波.为保持粒子空间的多样性,解决现有粒子滤波算法在多峰值的样本空间出现的退化现象,提出了一种新的基于遗传算法的粒子滤波.对本算法进行...