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.  

渐消卡尔曼滤波器的最佳自适应算法及其应用

本文依据卡尔曼滤波器在使用最佳增益时,其余差序列互不相关的性质,开发了一种新的 渐消滤波算法.该算法根据对象输出,在线自适应地调整遗忘因子,从而使滤波器在对象模型 存在误差或对象受到外扰时,仍收敛并保持最佳性.该算法已应用于造纸机控制,取得较好效 果.  

基于粒子滤波算法的混合系统监测与诊断

利用粒子滤波算法具有同时估计连续状态和离散状态的特点,提出一种可用于混合系 统状态监测与诊断的新方法.给出了该方法的理论推导和设计步骤,讨论了在诊断应用中粒子滤 波器所遇到的问题,并给出了改善的措施.仿真结果证明用粒子滤波器对混合系统进行监测与诊 断是可行的,所提的方法对估计结果有比较好的改善.  

多机传动机械系统的同步控制

本文提出通过磁场定向控制分别控制多个感应电动机跟踪同一个指令性速度的多机驱动机械系统的同步控制方案，通过建立全维转子状态估计器，辩识感应电动机的转子速度，定子和转子电阻，瞬时外负载，根据外负载辩识结果与速度ＰＩＤ控制器确定感应电动机的转矩电流，实现感应电动机的无速度传感器控制，计算机仿真结果表明了该控制方案的有效性。  

进化粒子滤波算法及其应用

样本贫化现象是应用粒子滤波算法的一个主要障碍,对估计长时间维持不变量的影响尤为严重.通过分析产生该现象的原因,本文引入进化规划算子构成进化粒子滤波算法,增加样本集的多样性而缓解样本贫化现象的影响,改善其估计与跟踪能力,仿真结果显示所提出的算法是可行的.  

基于进化粒子滤波器的混合系统故障诊断

在混合系统中，需要同时估计系统的混合状态和系统参数．针对存在这类故障的混合系统的混合状态和参数估计问题提出一种解决方案，对混合系统使用混合自动机建模，并使用粒子滤波算法对其混合状态进行估计，对可能发生变化(故障)的参数使用进化粒子滤波算法进行估计，从而实现了混合系统的故障诊断．将这二者结合起来构成混合系统故障诊断的应用框架，实现了混合系统的混合状态和系统参数的在线估计．仿真结果表明所提出的应用框架和方法是可行的．  

离散系统的鲁棒卡尔曼滤波新方法

提出了一个线性离散不确定系统的卡尔曼滤波新算法，当系统矩阵和观测矩阵都存在不确定误差时，该算法能保证系统的滤波误差有界。相对不确定系统的标称系统来说，该算法是无偏的。与同类处上比，该算法计算简单，计算量较小，实际算例显示了算法的有效性。  

基于OBE算法的自适应集员状态估计

研究了具有椭球集合描述的离散时间动态线性系统的状态估计问题.从提高计算的有 效性和可实现性的角度出发,通过在不同的更新阶段采用优化定界椭球(OBE)算法,提出了一 种新颖的解决状态估计的方法.通过与ROBP(recursive state bounding by parallelotopes)算法 和Kalman滤波的仿真比较,验证了本方法的性能.  

用Visual C++仿真实现卡尔曼滤波

卡尔曼滤波在通信、雷达、导航、自动控制等领域有广泛的应用,它是最佳估计并且可以进行递推运算,本文从工程应用的角度出发,根据卡尔曼滤波在雷达数据处理中的应用,用VisualC++来仿真实现了卡尔曼滤波。最终的滤波效果较好地吻合了理论要求。  

广义离散随机线性系统降阶Wiener滤波、平滑和预报器

应用现代时间序列方法 ,基于自回归滑动平均 (ARMA)新息模型、白噪声估值器和观测预报器 ,对于广义离散随机线性系统 ,提出了降阶Wiener状态估值器 ,可统一处理滤波、平滑和预报问题 ,并且能减少计算负担 .仿真例子说明了算法的有效性