首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 78 毫秒
1.
针对永磁直线同步电机(PMLSM)的无位置传感控制,提出了一种基于改进无迹卡尔曼滤波(UKF)算法的永磁直线同步电机的动子速度和位置估计方法,对永磁直线同步电机的动子速度和位置进行估计.相比于传统的UKF算法,改进UKF算法在采样点的获取上进行了改进,在采样点的获取上运用了球形采样策略,而非传统的平方根对称采样策略,极大减少了采样点的数量,减少了状态估计过程中算法的计算量,在估计性能相当的情况下,改进的球形采样策略UKF算法较传统的平方根对称采样UKF算法在永磁同步直线电机无位置传感实时控制系统中有明显优势,取得良好的控制效果.  相似文献   

2.
为了解决容积卡尔曼滤波(CKF)算法在处理高维问题时出现的非局部采样问题,提出基于采样点正交变换的改进CKF算法(TCKF).从数值积分近似角度导出无迹卡尔曼滤波(UKF)和CKF两种近似滤波算法,并指出CKF只是UKF的一个特例;基于多元Taylor级数展开分析,揭示CKF在克服UKF数值不稳定性问题的同时,引入非局部采样问题;对Cubature点集进行正交变换得到TCKF算法,并从理论上证明,在高维、强非线性等非局部采样问题突出的滤波模型中,TCKF具有比CKF更高的估计精度.仿真实例验证了所提出算法的有效性.  相似文献   

3.
基于强跟踪UKF 的自适应SLAM 算法   总被引:5,自引:0,他引:5  
针对无迹卡尔曼滤波(UKF)缺乏在线自适应调整能力,导致系统状态估计精度较低的问题,提出了 一种将强跟踪滤波器(STF)与UKF 相结合的SLAM 算法.该算法对于UKF 中每个采样点采用STF 进行更新,获 得优化滤波增益,抑制噪声对系统状态估计的影响,使系统状态估计迅速收敛到真实值附近.仿真实验对比了当前 几种SLAM 算法在不同噪声环境下的性能,实验表明,基于强跟踪UKF 的自适应SLAM 算法具有更好的鲁棒性和 自适应性.  相似文献   

4.
江杰  李芳  李刚 《测控技术》2014,33(2):143-147
针对足球机器人比赛过程中,小球位置预测精度不高的问题,提出自适应无迹卡尔曼滤波(AUKF,adaptive unscented Kalman filter)算法。该方法利用新息的协方差匹配技术设计模糊控制器,实时调整量测噪声方差,抑制滤波器的发散;根据滤波值与真实值之间的误差来调节采样点到中心点的位置,修正采样策略,分析初始状态对UKF算法的影响,给出UKF算法初始状态的选择公式。最后通过摄像机获取球在一般滚动和连续碰撞情况下的几组图像验证AUKF算法对球的位置预测的精确性和可行性,提高小型足球机器人比赛决策的合理性。  相似文献   

5.
改进型粒子滤波算法在多站纯方位被动跟踪中的应用   总被引:2,自引:0,他引:2  
针对多站纯方位被动定位与跟踪问题,给出了一种基于均匀重采样和带白适应因子的改进型粒子滤波算法.首先,基于无迹卡尔曼(UKF)粒子滤波器,将参考分布融入最新观测信息,得到符合真实状态的后验概率分布:借助重采样和使用鲁棒估计,改善了粒子滤波的退化问题.其次,引入自适应因子以调整UKF的状态模型协方差与观测模型协方差的比例,得到较高精度的概率分布.仿真结果表明,改进的粒子滤波算法能够实现多站纯方位被动跟踪,比传统非线性滤波器有更高的跟踪精度.  相似文献   

6.
双层无迹卡尔曼滤波   总被引:2,自引:0,他引:2  
杨峰  郑丽涛  王家琦  潘泉 《自动化学报》2019,45(7):1386-1391
针对无迹卡尔曼滤波(Unscented Kalman fllter,UKF)在强非线性系统中估计效果差的问题,提出了双层无迹卡尔曼滤波(Double layer unscented Kalman filter,DLUKF)算法,该算法用带权值的采样点表征先验分布,而后用内层UKF算法对每个采样点进行更新,最后引入外层UKF算法的更新机制得到估计值和估计协方差.仿真结果表明,相比于传统算法,所提的DLUKF算法可以在较低计算负载下获得较高滤波估计精度.  相似文献   

7.
数据去冗余的多尺度多结点技术   总被引:1,自引:0,他引:1  
从多结点样条理论出发,提出一种自适应的多层次淘汰冗余数据的算法,并通过不同的采样数据对算法进行了有效的论证.充分利用多结点样条函数拟合的基数型、显式计算和局部性等优点.该算法可用于采样数据的压缩或针对现有算法的数据预处理.  相似文献   

8.
针对标准粒子滤波算法存在的粒子退化与贫化问题,提出了一种新的改进粒子滤波算法。该算法采用无迹卡尔曼滤波、优化组合策略和标准粒子滤波相结合的方法,运用UKF产生重要性密度函数,解决标准PF算法中以先验概率密度函数作为建议分布所引发的退化问题;运用优化组合重采样策略保证所有粒子的信息以一定概率得到继承,维持粒子集中粒子的多样性。理论分析与仿真结果均表明,改进算法能有效地解决标准粒子滤波存在的粒子退化问题并避免粒子贫化现象的出现,具有更高的状态估计精度。  相似文献   

9.
将无味卡尔曼滤波(Unscented Kalman filter,UKF)应用于雷达配准,提出一种新的多雷达方位配准算法。在该算法中,目标的运动状态和方位误差由选定的采样点来近似,在每个更新过程中,采样点随着状态方程传播并随非线性测量方程变换,得到目标的运动状态和方位误差的均值,避免了对非线性方程的线性化,且具有较高的计算精度。与传统的扩展卡尔曼滤波(Extended Kalman filter,EKF)方法进行了仿真比较,结果表明UKF方法能有效地克服非线性跟踪问题中很容易出现的滤波发散问题,且估计精度高于UKF方法。  相似文献   

10.
动态决策系统中的几何挖掘算法——概念格   总被引:1,自引:0,他引:1       下载免费PDF全文
探讨了一种基于概念格的几何数据挖掘算法,根据不动点理论和伽罗瓦连接原理,在数据库中寻找大于一定支持度的闭项目集,分解闭项目集便可得到数据间的关联关系.实验结果表明,此方法适用于决策系统,并且挖掘效率较高。  相似文献   

11.
考虑到地磁导航过程中,无迹卡尔曼滤波(UKF)受初始值误差、系统噪声不确定性和环境磁异常扰动这些因素的影响,将自适应估计原理引入到UKF算法,提高UKF算法的收敛性和地磁导航系统的稳定性.计算结果表明,在地磁导航系统数据处理中,UKF算法略优于扩展卡尔曼滤波(EKF),自适应UKF算法优于自适应EKF算法,自适应UKF算法能够很好地抑制初始化误差、系统噪声不确定性和环境磁异常扰动对导航解的影响,进一步提高地磁导航系统的定位精度和可靠性.  相似文献   

12.
基于UKF的两轮自平衡机器人姿态最优估计研究   总被引:3,自引:0,他引:3  
赵杰  王晓宇  秦勇  蔡鹤皋 《机器人》2006,28(6):605-609
针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题,提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题,并补偿低成本的惯性传感器陀螺仪和加速度计的误差,从而得到机器人姿态的最优估计.将滤波后的模型应用到两轮自平衡机器人系统,实验结果表明UKF参数设计简单,姿态估计误差小于EKF,方差估计优于EKF,估计精度、计算量基本与EKF相当.因此,UKF能够满足两轮自平衡机器人快速机动过程中的实时姿态估计要求.  相似文献   

13.
一种高阶无迹卡尔曼滤波方法   总被引:15,自引:6,他引:9  
现有的研究中,高阶无迹变换(Unscented transform,UT)还不存在具体的解析解,因此,无法利用高阶无迹变换获得具备更高精度的高阶无迹卡尔曼滤波器(Unscented Kalman filter,UKF).为了解决这一问题,本文在五阶容积变换(Cubature transform,CT)的基础上,通过引入一个自由参数κ,得到高阶无迹变换的解析解,从而获得了高阶无迹卡尔曼滤波器(Unscented Kalman filter,UKF).同时验证了现有的五阶容积变换和五阶无迹变换分别是本文所提出的高阶无迹变换在κ=2和κ=6-n时的两个特例.进而分析和讨论了高阶无迹卡尔曼滤波器在系统不同维数条件下κ值的最优选取,并讨论了其稳定性.纯方位跟踪模型和弹道目标再入模型仿真验证了本文方法的正确性,且与现有方法相比具有更高的精度.  相似文献   

14.
A nonlinear black-box modeling approach using a state–space recurrent multilayer perceptron (RMLP) is considered in this paper. The unscented Kalman filter (UKF), which was proposed recently and is appropriate for state–space representation, is employed to train the RMLP. The UKF offers a derivative-free computation and an easy implementation, compared to the extended Kalman filter (EKF) widely used for training neural networks. In addition, the UKF has a fast convergence rate and an excellent capability of parameter estimation which are appropriate for online learning. Through modeling experiments of nonlinear systems, the effectiveness of the RMLP trained with the UKF is demonstrated.  相似文献   

15.
本文介绍一种基于UKF的参数在线辨识方法。把用于状态估计的卡尔曼滤波算法通过转换用于系统模型的辨识上,最后使用该方法对直升机纵向模型进行在线辨识。仿真结果表明基于UKF的在线辨识方法是一种很好的在线辨识方法。  相似文献   

16.
带有色量测噪声的非线性系统 Unscented 卡尔曼滤波器   总被引:3,自引:1,他引:3  
传统Unscented卡尔曼滤波器(Unscented Kalman filter, UKF)要求噪声必须为高斯白噪声, 无法解 决带有色噪声的非线性系统滤波问题. 为此, 本文提出了一种带有色量测噪声的UKF滤 波新算法. 首先,基于量测信息增广和最小方差估计, 推导出一类带有色量测噪声的非 线性离散系统状态的最优滤波框架, 接着采用Unscented变换(Unscented transformation, UT)来计算最优框架中的 非线性状态后验均值和协方差, 进而得到有色量测噪声下UKF滤波递推公式. 所设 计的UKF新方法能有效地解决传统UKF在量测噪声有色情况下非线性滤波失效的问题, 数 值仿真实例验证了其可行性和有效性.  相似文献   

17.
The unscented transformation (UT) is an efficient method to solve the state estimation problem for a non-linear dynamic system, utilising a derivative-free higher-order approximation by approximating a Gaussian distribution rather than approximating a non-linear function. Applying the UT to a Kalman filter type estimator leads to the well-known unscented Kalman filter (UKF). Although the UKF works very well in Gaussian noises, its performance may deteriorate significantly when the noises are non-Gaussian, especially when the system is disturbed by some heavy-tailed impulsive noises. To improve the robustness of the UKF against impulsive noises, a new filter for non-linear systems is proposed in this work, namely the maximum correntropy unscented filter (MCUF). In MCUF, the UT is applied to obtain the prior estimates of the state and covariance matrix, and a robust statistical linearisation regression based on the maximum correntropy criterion is then used to obtain the posterior estimates of the state and covariance matrix. The satisfying performance of the new algorithm is confirmed by two illustrative examples.  相似文献   

18.
This paper explores multiple model adaptive estimation (MMAE) method, and with it, proposes a novel filtering algorithm. The proposed algorithm is an improved Kalman filter-multiple model adaptive estimation unscented Kalman filter (MMAE-UKF) rather than conventional Kalman filter methods, like the extended Kalman filter (EKF) and the unscented Kalman filter (UKF). UKF is used as a subfilter to obtain the system state estimate in the MMAE method. Single model filter has poor adaptability with uncertain or unknown system parameters, which the improved filtering method can overcome. Meanwhile, this algorithm is used for integrated navigation system of strapdown inertial navigation system (SINS) and celestial navigation system (CNS) by a ballistic missile's motion. The simulation results indicate that the proposed filtering algorithm has better navigation precision, can achieve optimal estimation of system state, and can be more flexible at the cost of increased computational burden.   相似文献   

19.
迭代平方根UKF   总被引:3,自引:0,他引:3  
针对无迹卡尔曼滤波器(UKF)测量更新方法的不足,提出了一种对UKF 进行迭代测量更新的 方法,用于提高非线性系统状态估计的近似精度.利用平方根UKF 算法确保了迭代UKF 的数值稳定性.理论 分析与实验结果表明,迭代平方根UKF 算法不仅具有无需计算雅可比矩阵的优点,而且具有较高的非线性近 似精度、较强的数值稳定性和较高的运算效率;在相同数量级运算时间的条件下,其估计性能明显优于扩展 卡尔曼滤波器(extended Kalman filter,EKF)、UKF 和迭代UKF 等非线性滤波器.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号