基于卡尔曼滤波器的状态χ~2检验法应用条件分析

基于卡尔曼滤波器的状态χ2检验法在应用于动态系统的故障检测时具有较高的灵敏度,但在应用中存在两种潜在的局限性.为此指出并具体研究了这两种局限性;在理论分析的基础上,提出了利用滑动的卡尔曼滤波器输出重置状态递推器先验信息的改进方法.仿真算例进一步说明了结论的有效性.     

含有迟滞Hammerstein系统的非光滑卡尔曼状态估计

迟滞特性具有非光滑、多值映射等复杂特性.如果迟滞环节的末端还存在一个线性子系统,导致迟滞的输出信号不可测,使得整个系统的状态估计工作成为很大的难题,常规的估计方法无法直接应用到这类系统中.本文提出一种新的非光滑卡尔曼滤波器,描述了Hammerstein系统的状态空间方程.据此构造了能够随系统工作区间变化而自动切换的非光滑滤波器.最后通过仿真和实验,比较了非光滑卡尔曼滤波器和传统的卡尔曼滤波器的状态估计效果,比较结果表明非光滑卡尔曼滤波器对于带迟滞的Hammerstein系统状态变量的估计的准确性要优于传统的卡尔曼滤波器.     

基于自适应固定滞后卡尔曼平滑器的状态观测器在假手上的应用

针对以电位计为角度传感器的假手系统,提出了一种基于自适应固定滞后卡尔曼平滑器的状态观测器以观测手指的当前位置、速度和加速度信息.首先,分析了卡尔曼滤波器滤除电位计热噪声并观测速度与加速度的合理性,进而建立了其系统的离散状态转移矩阵.其次,相比卡尔曼滤波器,卡尔曼平滑器在参数相同的情况下具有更好的平滑效果,据此提出一种基于固定滞后卡尔曼平滑器的状态观测器,并通过引入渐消因子以提高动态响应特性.同时给出了一种将本文算法滞后特性降至一个控制周期的有效实现方式.最后,在HIT-V仿人假手实验平台上进行了实验验证.实验结果表明,相比对原始数据直接进行差分,该方法将速度噪声降低了20倍以上,加速度噪声降低了10 000倍以上.相比标准卡尔曼滤波器和固定滞后卡尔曼平滑器,该方法在动态响应方面具有更好的效果.     

动态迟滞Hammerstein系统的改进卡尔曼状态估计

迟滞特性具有非光滑、多值映射等复杂特性.而在实际的工程中,当输入电压变化频率超过一定的范围时,迟滞的特性是随着输入频率的改变发生变化,使得整个系统的状态估计工作更复杂.本文首先提出一种新的描述动态迟滞的方法,进而描述了动态迟滞Hammerstein系统的状态空间方程,根据此系统在传统卡尔曼滤波器的基础上进行改进得到一种新的非光滑卡尔曼滤波器.最后通过仿真和实验,比较了在输入信号变化频率比较大时,用动态迟滞Hammerstein系统来描述压电陶瓷和采用静态迟滞Hammerstein系统来描述压电陶瓷的特性,非光滑卡尔曼滤波器对这两种含有噪声的模型进行滤波,结果表明由于静态迟滞Hammerstein系统的建模不能很好的描述压电陶瓷的特性,模型存在着误差,因此对系统状态估计的结果也没有用动态Hammerstein系统的误差小,从而说明当输入电压频率变化比较大时研究动态的迟滞Hammerstein模型是很有意义的.     

一种强跟踪扩展卡尔曼滤波器的改进算法

针对模型不匹配卡尔曼的状态估计发散和应用范围限于连续系统问题，提出一种基于有限差分强跟踪滤波嚣（STFDEKF）．在滤波计算中,引入强跟踪滤波因子修正滤波器的状态预协方差矩阵。滤波精度得以提高,滤波器应用有限差分方法计算滤波过程中非线性函数的偏导数。扩大了适用范围．几种卡尔曼滤波器经过仿真比较。STFDEKF应用于复杂非线性系统状态估计时．具有较高数值稳定性、强跟踪性和较宽应用范围．     

一种带多重次优渐消因子的扩展卡尔曼滤波器

本文提出了"强跟踪滤波器"的新概念,给出了强跟踪滤波器的一般结构,并提出了一个正 交性原理用于此类滤波器的设计.在此基础上,提出了一种具有强跟踪滤波器性能的带多重 次优渐消因子的扩展卡尔曼滤波器(SMFEKF),改进了文献[1]中提出的一种带单重次优渐消 因子的扩展卡尔曼滤波器(SFEKF).数值仿真说明了SMFEKF的有效性.     

基于联邦卡尔曼滤波器的信息分配因子的研究

介绍了联邦卡尔曼滤波器的基本原理和算法.对信息分配因子在联邦卡尔曼滤波器中的作用进行了研究.针对不同取值的信息分配因子对联邦卡尔曼滤波器状态估计精度的影响,通过对联邦卡尔曼滤波算法推导,从理论上证明了信息分配因子的不同取值不会改变主滤波器的状态估计精度,只能改善子滤波器的状态估计精度.运用MATLAB仿真平台进行了仿真验证.仿真结果表明,信息分配因子的改变仅对子滤波器状态估计精度的改善有一定的作用.     

基于小波神经网络的滤波器设计方法

利用卡尔曼滤波器进行状态估计时,要求系统具有已知的数学模型和噪声统计特性等先验知识,而实际系统往往不能满足这一要求;针对这种情况,提出了一种小波神经网络滤波器设计的方法,它结合了神经网络的函数逼进能力和小波变换的良好局部特性及多分辨率特性,使网络能根据数据的分布情况以不同的分辨率进行学习,从而使网络具有更灵活有效的函数逼近能力,提高了估计精度;仿真结果表明,用该滤波器对系统状态进行估计,其精度高于卡尔曼滤波器的估计精度.     

混合动力汽车Ni—MH电池SOC估算算法的研究

电池的荷电状态SOC（state—of—charge）,对于混合动力汽车的电池管理系统来说是一个非常重要的参数。文章介绍了当前常用的一些SOC的估算方法,并分析了这些方法存在的一些局限性。着重研究了基于卡尔曼滤波器估算SOC的算法,并在MATLAB下进行了仿真。     

非线性时变随机系统状态及参数的实时联合估计

在文[1]中,我们给出了一种用于一类非线性时变随机系统的带次优渐消因子的扩展卡尔曼滤波器,可以估计出快速变化的系统状态.本文推广了文[1]的结果,使其可处理一般的非线性测量.同时,给出了一种状态及参数的联合估计方法.所做大量仿真研究表明,本文方法具有良好的实时性及动态跟踪性.