自适应卡尔曼滤波器在火箭弹落点估计中的应用（英文）

利用雷达对火箭弹一段飞行过程中的参数进行量测,对火箭弹落点进行了准确估计,实现了火箭弹的轨迹修正。采用具有自适应调节滤波增益矩阵的卡尔曼滤波器,结合质点弹道模型,建立了自适应卡尔曼滤波弹道模型,完成了对三坐标雷达探测的一段火箭弹飞行参数的野值处理与滤波,并对火箭弹落点进行外推。数值仿真结果表明,经自适应调节的卡尔曼滤波器滤波后,弹道量测信号中的野值与噪声被有效去除,且滤波方差可以在短时间内收敛。根据滤波时间与落点估计误差的关系,采用滤波时间为8-10s方案,可得到最佳的落点估计。     

一种带遗忘因子的自适应卡尔曼滤波器及其在移动机器人中的应用

在移动机器人姿态估计过程中,由于难以建立准确的系统模型,导致参数量测不准确。采用一种自适应卡尔曼滤波器,通过加入遗忘因子的方式改变滤波器对状态估计的信任程度,改善了系统中噪声统计模型不准确对测量结果的影响。仿真结果表明,当经验知识不足导致建立姿态测量模型不准确时,自适应卡尔曼滤波器的滤波效果优于传统卡尔曼滤波器,提高了姿态信号的估计精度。     

基于NACKF的分布式驱动电动汽车轮胎侧向力与质心侧偏角估计

针对传统容积卡尔曼滤波算法在进行车辆关键状态估计时要求噪声统计特性已知的问题,提出一种噪声自适应容积卡尔曼滤波（Noise adaptive cubature Kalman filter, NACKF）算法来进行车辆关键状态的估计。基于次优无偏极大后验估计器对量测噪声协方差进行实时更新并将其嵌入到标准容积卡尔曼算法中实现自适应容积卡尔曼滤波。针对车辆不同子系统间耦合特性对滤波精度的影响,构建双重自适应容积卡尔曼滤波器分别进行侧向力与质心侧偏角的估计,两者在估计过程中互为输入构成闭环反馈,利用分布式模块化结构弱化系统耦合特性对估计精度的影响,实现轮胎侧向力与质心侧偏角的实时准确估计。利用Simulink-Carsim联合仿真平台进行仿真验证和实车试验验证。结果表明,基于双重自适应容积卡尔曼滤波的估计算法相对标准容积卡尔曼滤波估计精度更高,较好地改善了传统容积卡尔曼滤波器在噪声先验统计特性未知条件下非线性滤波精度下降的问题。     

微型光电编码器在电机角速率辨识中的应用

针对电机伺服控制系统利用编码器角位置信息预测角速率的需求,提出并实现了一种基于平稳卡尔曼滤波的编码器信号处理方法。首先,分析了典型电机系统的结构及测量噪声编码器的组成,在此基础上建立了电机系统和编码器的参数化数学模型,并根据电机系统和编码器模型给出了统一的参数化平稳卡尔曼滤波器设计结果。在Matlab/Simulink环境下完成了电机、编码器和卡尔曼滤波器的仿真模型,并利用不同参数对参数化平稳卡尔曼滤波器的普适性和滤波效果进行了预测。最后,搭建了实验平台,对仿真结论进行验证并对滤波性能进行了实测。仿真和实验结果表明:参数化滤波模型对典型电机系统具有普适性,自适应平稳卡尔曼滤波器可以利用编码器信号实现角速率的最优估计,误差标准差为0.021(°)/s,最大误差可以控制在0.06(°)/s之内,能够满足一般电机伺服系统对角速率精度的要求。     

再入机动弹道参数估计与预报算法

本文以再入段弹道预报为背景,主要解决多个模型关键参数未知情况下,再入大气层机动弹头的弹道精确外推问题。文章细化了再入段机动弹头的建模过程,建立了包含导引过程的有控机动弹道数学模型,并利用UKF非线性滤波算法估算模型中的弹道系数、落点信息等关键参数,最后进行弹道的精确外推。仿真算例表明,该方法能在弹道系数、落点信息等参数未知的情况下进行有效快速的弹道预报,具有较好的预报精度。     

多管火箭炮密集度仿真分析

为分析多管火箭炮射击密集度、减小密集度试验用弹量,对其密集度进行仿真研究。建立了多管火箭炮动力学模型,仿真获得定向器角速度、线速度、角位移响应;基于火箭弹半约束期运动模型,计算火箭弹的起始扰动;建立火箭炮外弹道方程,结合蒙特卡洛模拟技术和龙格一库塔法,求解外弹道方程,得到n组火箭弹落点坐标,采用数理统计的方法得到多管火箭炮密集度估计值。通过与设计指标对比,密集度估计值与设计值符合良好,验证了仿真方法的正确性。     

多雷达实时定轨的一致性分布式容积信息滤波算法

针对传统单雷达实时定轨精度较低而多雷达集中式定轨需要信息融合中心且通信量较大的问题,提出一种多雷达一致性分布式容积信息滤波(CD-CIF)算法。该算法由平均一致性滤波器和容积信息滤波器级联构成。平均一致性滤波器融合雷达对卫星的多源观测信息,输出的量测值收敛于多源量测信息的平均一致值。容积信息滤波器利用此量测值执行等效集中式滤波以更新状态估计值和协方差矩阵。仿真校验结果表明,多雷达CD-CIF算法实时定轨精度明显高于单雷达定轨精度,与多雷达集中式算法相当,但无需信息融合中心且降低了通信量。     

应用特征估计的距离图像多尺度滤波

为了提取含有噪声的激光扫描距离图像中的特征,提出了一种多尺度自适应滤波方法.该方法由特征估计和多尺度滤波两部分组成.利用无嗅卡尔曼滤波器构建白适应特征估计器,估计扫描点间的几何拓扑关系,并用估计过程中所获得的Mahalanobis距离构建扩散滤波核,对原始距离像进行多尺度滤波处理.为了能够仅依靠单一模型实现对环境中不同...     

四驱混合动力轿车分布式卡尔曼车速估计

四驱混合动力轿车存在两轮/四轮多种驱动模式,针对某一驱动模式所设计的车速估计算法难以满足其他模式下车速估计的精度。考虑车辆不同驱动模式,利用车载传感器信号、后轮毂电机转矩信息以及既定档位下前轮转矩信息,提出两级分布式卡尔曼车速估计方法。考虑模型的强非线性,采用无味卡尔曼滤波(Unscented Kalman filter,UKF)算法设计主/子滤波器。同时为了提高UKF算法对模型误差、信号干扰的鲁棒性,实现了量测噪声均值和方差的自适应调节。基于Untire轮胎模型和滑移率递推方程,设计滑移率子滤波器;基于整车运动学模型,设计车速主滤波器;考虑不同驱动模式,利用子滤波器估计值在线融合得到车速。搭建Carsim-Simulink联合仿真平台,并分别在纯电动驱动模式和四轮混合驱动模式下,对车速估计算法进行仿真验证。结果表明,所提出的两级分布式卡尔曼车速估计方法能有效提高车速估计精度,并增强了对模型误差、量测信号干扰和不同驱动模式的鲁棒性。     

INS/SFGPS PPP紧组合系统动态补偿滤波算法

惯性/卫星组合导航系统结合精密单点定位技术可有效提高导航定位精度。但精密单点定位技术一般需采用双频接收机,成本较高;同时该系统中采用载波相位作为部分或全部观测量,极容易受到周跳的影响而导致精度下降和系统不稳定。针对上述问题,设计了一种惯性/卫星精密定位紧组合导航系统以及基于动态周跳补偿的鲁棒滤波算法。该系统采用低成本的单频接收机(SFGPS),以精密单点定位技术(PPP)处理过的伪距和载波相位作为观测信息,与惯性导航系统(INS)等效观测量进行紧组合,建立了相应紧组合观测模型并引入周跳作为信息融合滤波状态模型中的状态量,以滤波器信息构建周跳检测统计量并对周跳幅值进行识别和估计,实时补偿观测量以提高观测信息精度,同时以前述周跳估计的结果对状态模型中周跳状态量部分滤波参数进行实时调节。上述方法通过动态补偿周跳误差提高导航精度,通过滤波器参数自适应调节提高滤波稳定性。仿真结果验证了该系统模型及算法的有效性。     

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。     

基于Sage窗的自适应Kalman滤波用于钟差预报研究

钟差预报是时间保持工作中的一项关键技术。Kalman算法作为一种最优预报算法,具有实时性的特点,在时间保持工作中得到了广泛的应用。但是由于经典Kalman算法需要准确确定模型随机误差和测量误差,否则状态估计会引入一定的误差,在原子时算法中表现为原子钟噪声和钟差测量噪声。原子钟的噪声参数值通常是通过Allan方差估计,若估计不够准确,Kalman预报将会出现误差。通过研究基于Sage窗的自适应Kalman预报算法,实时修正状态模型误差。利用自适应因子调整状态预测协方差阵有效降低了模型误差,提高了预报精度,最后通过两台氢原子钟和两台铯原子钟的实测数据验证了算法的有效性。     

Railway track geometry determination using adaptive Kalman filtering model

The Kalman filter has been widely used to solve different filtering problems especially in tracking and estimation applications. Besides its simplicity, robustness and optimality, the application of Kalman filter to nonlinear systems can be complicated. The most common method is to use extended Kalman filter which linearizes the nonlinear model so that the standard Kalman filter can be applied. In this paper, a new adaptive Kalman filtering algorithm is designed and applied to a railway track geometry surveying system which has been designed in the scope of a research project at Yildiz Technical University/Turkey. Track gauge, super-elevation, gradient and track axis coordinates which are the railway geometrical parameters can be instantly determined while making measurements by using adaptive Kalman filtering algorithm integrated surveying system.     

基于自适应Kalman滤波的SAW测温数据纠错方法

在无源无线SAW测温系统实际应用中,阅读器接收到的信号往往受到其所处环境电磁波的干扰。这些干扰将会使阅读器得到错误的测量数据。温度变化趋势和测量噪声时变的特点也给系统建模以及噪声估计带来了困难。针对实际应用中存在的问题,在Kalman滤波的基础之上,提出了一种新的自适应算法。该算法采用多项式预测的方法建立温度测量的时变系统模型,根据当前及历史测量值,自行调整预测模型参数,避免因模型不准确造成Kalman滤波效果严重下降的问题;通过对测量数据小波变换的方法,实时估计测量数据噪声方差,克服未知观测噪声的条件下精度下降的问题;当测量数据受到干扰时,测量值与纠错值之间的差值不满足高斯分布,通过对差值统计特性的分析,对测量数据进行错误数据判别与剔除,有效地抑制干扰对温度测量的影响。将这种自适应Kalman滤波算法应用到无源无线SAW测温系统中,无源无线SAW温度传感器测温实验的结果验证了该算法能有效地纠正粗大误差,提高测量系统的精度。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

An adaptive navigation method for a small unmanned aerial rotorcraft under complex environment

Focusing on low navigation performance of small unmanned aerial rotorcraft under complex environment, a composite navigation method combined with adaptive Kalman filtering and radial basis function neural network prediction method is proposed to improve navigation performance during GPS outages. When the GPS signal is available, an adaptive Kalman filter based on covariance scaling is introduced to deal with the process noise in real time. Meanwhile, a radial basis function neural network is trained on line to construct the projection among input (output of the inertial measurement unit, attitude and GPS losing time) and output (position error and velocity error). During GPS outages, the radial basis function neural network can provide high performance error estimation for position and velocity to improve state information. Finally, a land vehicle test and a flight test have confirmed that the proposed method can improve the navigation performance largely under complex environment.     

自适应卡尔曼滤波在无刷直流电机系统辨识中的应用

为了有效抑制量测噪声特性变化对系统辨识精度的影响以获得准确的无刷直流电机模型,提出了一种采用自适应卡尔曼滤波算法的无刷直流电机系统辨识方法。通过计算新息理论方差的极大似然最优估计,并将其引入卡尔曼滤波算法中修正滤波增益来抑制量测噪声特性变化对辨识结果的影响,使该滤波算法实现对模型参数的准确估计,提高辨识精度。实验结果表明,在量测噪声特性变化的情况下,该算法能够准确跟踪实际量测噪声特性的变化,参数估计平滑,相对于目前系统辨识广泛采用的带有遗忘因子的递推最小二乘算法,输出误差的均方根值减小了73.5%。该算法简单易行,计算量小,辨识结果可以很好地描述系统行为,便于在工程实践中应用。     

基于MIT规则的自适应Unscented卡尔曼滤波及其在旋翼飞行机器人容错控制的应用

提出一种新颖的基于MIT规则的自适应Unscented卡尔曼滤波(Unscented Kalman filter,UKF)算法,用来进行参数以及状态的联合估计.针对旋翼飞行机器人执行器提出一种执行器健康因子(Actuator health coefficients,AHCs)的故障模型结构,应用自适应UKF对AHCs参数进行在线估计,将联合估计的状态以及故障参数引入基于模型的反馈线性化控制结构,组成完整的容错控制系统.提出的自适应UKF算法以及容错控制结构经过中科院沈阳自动化研究所ServoHeli-20旋翼无人智能平台数学模型进行仿真试验验证,效果良好.     

5基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中.针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子.仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值.