基于粒子滤波与负向选择算法的GIS设备故障检测

为了及早发现故障合理安排设备检修计划，提出一种基于粒子滤波与负向选择算法的GIS故障检测方法。首先，选取GIS设备金属外壳振动信号分形维数作为特征变量，有效削弱了设备负载变化对外壳振动的影响。同时，基于粒子滤波及支持向量回归算法处理设备正常状态下的振动信号分形维数特征样本，建立GIS设备振动特征估计器。将实时测量的振动特征输入特征估计器，计算估计器输入值与输出值之间的残差并作为检测指标。最后，利用负向选择算法处理正常状态下检测指标数据，间接获取GIS故障状态下检测指标区间，进而实现设备故障的检测。通过对现场实际测量数据的仿真分析，验证了所提方法的可行性。     

基于置信度传播的变分自适应协同导航方法

协同导航过程中先验信息的准确性是保证协同导航系统精度和可靠性的重要关键因素。针对协同导航系统在复杂环境下会因外界干扰产生未知且时变噪声问题,提出一种基于置信度传播的变分自适应协同导航方法(SWSP)。首先以置信度传播(SPBP)协同导航贝叶斯框架为基础,完成基于置信传播机制的前向滤波;随后通过IW处理过程噪声和量测噪声作为贝叶斯估计的先验信息;进而利用前向滤波值构造滑动窗口对噪声进行平滑估计,从而解决因噪声时变而造成的协同导航系统滤波精度下降问题。仿真结果表明:当噪声时变时,进行平滑操作的SWSP算法与未进行平滑操作的SPBP算法相比,位置误差降低了90%,精度更接近于最优opt SPBP算法。     

自识别自校准滤波方法

建立一种能够自动消除系统误差、减小偶然误差的自识别自校准滤波方法,包括量测自校准滤波方法和双未知输入自校准Kalman滤波方法。前者能够解决在线监测、故障诊断、导航与控制等工程领域中量测系统因干扰和噪声而导致的未知输入(系统误差)问题。后者则能够当系统的状态方程和量测方程均含有未知输入时,自动对其未知输入进行识别、估计和补偿,消除系统误差,并通过数据融合减小偶然误差,提高滤波精度。     

基于MCMC粒子滤波的GPS接收机自主完好性监测算法研究

提出将马尔可夫蒙特卡罗方法与标准的粒子滤波算法有机结合应用于接收机自主完好性监测(RAIM)中.通过状态观测概率密度似然比方法建立一致性检验统计量进行卫星故障的检测与隔离.对算法进行了数学建模,描述了算法的流程.通过实测数据验证,结果表明,该方法在非高斯测量噪声情况下可以对状态进行精确的估计,成功检测和隔离故障卫星,克服了卡尔曼滤波的RAIM算法在处理非高斯测量噪声时性能下降的问题,从而验证了MCMC粒子滤波在接收机自主完好性监测中的有效性.     

基于结构输出响应的传感器故障检测研究

针对土木工程结构健康监测系统的传感器故障问题,提出了基于随机子空间识别技术和Kalman估计器的传感器故障检测方法,实现了结构健康监测系统中故障传感器的检测。首先,通过正常传感器的量测数据,基于随机子空间识别方法重构了结构的离散状态空间模型;然后通过已识别出的结构离散状态空间模型构造多路Kalman估计器,产生输出残差;最后,通过文中提出的基于输出残差的传感器故障检测策略,实现了传感器故障的检测。文章通过某典型框架结构和ASCE Benchmark 4层钢框架缩尺模型,验证了文中所提故障检测方法的有效性和实用性。     

目标跟踪中非线性滤波算法的研究

介绍了3种非线性估计方法.在处理目标跟踪等动态系统实时估计问题中,EKF将系统进行线性化近似时存在估计误差,从而影响目标跟踪的精度;PF对系统噪声和量测噪声的概率分布没有要求;RPF是改进的粒子滤波算法.分析了EKF、PF和RPF算法的原理,比较了3种算法的性能差异.仿真结果表明,PF滤波精度优于EKF,而RPF在精度和计算复杂度等方面均优于PF,且随着粒子数目的增加,PF和RPF的精度也不断提升.     

板带轧机主传动系统的鲁棒故障检测与重构

考虑模型的非线性摩擦阻尼和主传动系统在轧制过程中受到外部干扰的情况,建立了板带轧机主传动系统的数学模型。针对该系统,设计了一种非线性未知输入观测器(unknown input observer,简称UIO)并用于轧机主传动系统的故障检测和故障重构。为了增强残差对故障信号的灵敏度,提高观测器故障检测精度,构建未知输入观测器,将外部干扰从残差中解耦。利用H_∞性能指标提高观测器对故障重构的鲁棒性,采用Lyapunov稳定性理论进行误差动态系统的收敛性分析。为了改进观测器的设计过程,把增益矩阵求解问题转化为受线性矩阵不等式(linear matrix inequality,简称LMI)约束的优化问题。将产生的残差与设定的阈值进行对比,实现故障的检测并完成故障重构。通过对2 030 mm冷连轧机F4号机架主传动系统的仿真研究,验证了该观测器可以准确地对系统状态进行跟踪,并能够检测和估计出主传动系统的故障。     

车用直驱轮毂电机传感器故障诊断

针对分布式驱动电动汽车直驱轮毂电机系统电流、转速传感器故障问题,研究传感器鲁棒故障检测与定位方法。考虑电机模型中含有未知输入和噪声,通过系统降阶的方式对未知输入进行解耦,采用卡尔曼滤波器(Kalman filter,简称KF)滤除解耦后子系统的白噪声,并设计最优未知输入观测器(unknown input observer,简称UIO)实现系统状态估计,得到了一种较强鲁棒性的残差产生器。采用极大似然比(generalized likelihood ratio,简称GLR)的方法评估残差信号并确定阈值,提出了一种传感器故障定位方法。台架实验结果表明,提出的基于最优UIO的传感器故障诊断方法能够实现电动汽车直驱电机系统传感器故障辨识与定位。     

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。     

含未知输入的离散线性系统新型递归滤波方法

在环境监测、导航与控制、故障检测等领域中,由于环境影响、模型参数选取不当、设备故障等原因,系统状态方程中往往含有未知输入.针对受未知影响的系统,在研究的同时估计未知输入和线性系统状态的问题.在没有未知输入先验知识的前提下,针对系统方程中未知输入系数矩阵不满秩时无法应用经典滤波方法的问题,依据线性最小方差无偏估计准则,提出一种三步递归滤波方法,并提炼汇总出具体递归迭代步骤.仿真结果表明,新滤波方法能够有效估计系统状态及未知输入.     

复杂有色噪声广义系统信息融合Kalman滤波器

针对带复杂有色噪声的线性广义系统,提出了矩阵加权融合稳态Kalman滤波器.应用奇异值分解将原广义系统滤波问题转化为两个正常子系统滤波问题.通过状态增广与量测变换法将有色过程噪声、有色量测噪声化为白噪声,因此问题转化为带相关白噪声正常系统Kalman预报问题.基于线性最小方差意义与矩阵加权融合准则得到了复杂有色噪声作用下的广义系统融合Kalman预报器,进而得到带复杂有色噪声的原广义系统滤波器.该滤波加权融合算法精度高于各单传感器局部滤波器,低于集中式融合滤波器.Monte-Carlo仿真实验证明了该滤波融合算法的有效性与可行性.     

基于粒子滤波与压缩感知的管道泄漏定位

针对管道中突发的泄漏,提出一种基于粒子滤波与压缩感知的泄漏定位方法。首先,基于特征线法建立管道的状态空间方程,使用改进粒子滤波算法对泄漏管道瞬态过程进行状态估计,利用估计值与观测值的均方误差,通过求解优化问题的方式对泄漏点进行定位,并得出泄漏量与泄漏系数的估计值。针对测量值采集、储存和传输设备导致的估计精度低的问题,使用压缩感知对管道的测量值进行预处理。多次实验结果证明,所提出方法使用压缩率为65%～75%的重构信号作为粒子滤波输入时仍能有效定位,相对定位误差约为1%。     

基于改进粒子滤波算法的人眼跟踪方法

针对粒子滤波计算量大、粒子匮乏等问题,提出了2种策略来改进粒子滤波算法,一方面基于Galerkin投影法产生良好的粒子滤波参考分布函数;另一方面将BP神经网络引入粒子滤波,提出了一种提高粒子多样性的重采样策略。在此基础上,将改进的粒子滤波算法应用于人眼跟踪问题,运用颜色和纹理复合的观测模型,实现了人眼的准确跟踪。实验结果表明,改进算法有效提高了粒子滤波的估计精度和运算速度,避免了粒子退化和样本匮乏现象。     

基于IEKF-APF算法的汽车状态估计

行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量,准确获取行驶过程中的状态信息是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变量来估计难以测量的关键状态变量是一种常用的估计方法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状态进行估计。针对粒子滤波过程中出现的退化问题,应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重要性密度函数,辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样,结合这两种算法提出迭代扩展卡尔曼-辅助粒子滤波算法(Iterative extended Kalman filtering-auxiliary particle filtering algorithm, IEKF-APF)以改善粒子采样和估计精度的提高。为验证所提出的IEKF-APF算法估计性能,将其结果与实车试验结果和无迹卡尔曼滤波算法(Unscented Kalman filtering, UKF)估计结果进行比较,结果表明其估计性能优于UKF,更接近于试验结果。     

带窗口平移鲁棒故障及其在水轮发电机监控中的应用

针对一水轮发电机单机模型进水闸门位置故障,用对等空间法检测了未知输入干扰条件下的系统故障,为了减少计算量,提高计算速度,采用窗口平移的残差计算方法。结果表明这种计算方法十分有效,残差对故障非常敏感,而对噪声具有很强的鲁棒性。与文献［４］辨识法给出的结果比较,对等空间法的残差对故障的响应具有持续性,而不是瞬态性,有利于准确检测故障,降低故障误报率。     

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。     

自适应卡尔曼滤波器在火箭弹落点估计中的应用

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8-10 s 方案,可得到最佳的落点估计。     

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。     

Sage-Husa自适应滤波在运动障碍物轨迹预测中的应用

针对机器人在复杂的工作环境下安全避开运动障碍物与传感器感知信息中存在噪声的问题,提出基于Sage-Husa自适应滤波方法对障碍物的运动轨迹进行预测.该算法以卡尔曼滤波为主体,同时融入具有时变性能的噪声估计器.使得在轨迹预测过程中,能够预估和更新噪声的实时变化.对Sage-Husa自适应滤波相比卡尔曼滤波的改进进行探讨,...     

基于几乎周期时变AR模型的故障早期预报

针对旋转机械振动信号具有循环平稳性的特点,提出一种基于几乎周期时变AR模型的故障早期预报方法,推导了基于循环统计量的辨识算法,其具有抑制加性平稳噪声的优点;并利用该模型对转子早期碰摩试验数据进行了分析,首先根据正常状态数据辨识模型参数,然后对故障状态时的残差信号进行峭度分析,结果表明该方法可以检测早期故障并预报未知故障。