基于改进WOA的鲁棒增广扩展Kalman滤波器设计

本文针对一类非线性系统,提出基于广义系统的鲁棒增广扩展Kalman滤波器,结合改进鲸群优化算法寻优系统噪声,以精确估计系统状态量以及并发执行器和传感器故障。首先,视故障为系统的状态变量,建立广义系统,将非线性系统的故障估计转化为非线性广义系统的状态估计。其次,提出鲁棒上界以降低线性化误差对估计精度的影响。然后,利用改进鲸群算法寻优系统噪声,以优化鲁棒增广扩展Kalman滤波器。最后,给出F-16飞机的纵向运动数值模型,使用本文方法与自适应无迹Kalman滤波器以及基于鲸群算法的鲁棒增广扩展Kalman滤波器进行对比仿真,仿真结果表明,相较于其他两种算法,本文方法的故障估计均方根误差降低了50%左右,验证了其优越性。     

卫星时滞系统的强跟踪鲁棒扩展Kalman滤波

针对具有状态时滞和未知不确定性的卫星姿态控制系统，提出一种强跟踪鲁棒扩展Kalman滤波器，以实现执行器和传感器的并发故障估计。首先，考虑系统噪声，视故障为系统的辅助变量，建立增广时滞非线性系统。然后，提出鲁棒扩展Kalman滤波器，引入鲁棒上界以减少线性化误差。进一步，针对系统过程不确定性导致预测协方差精度较低的问题，引入基于多重次优渐消因子的强跟踪算法，以降低不确定性对滤波精度的影响。最后，给出仿真算例，将所提出方法与鲁棒扩展Kalman算法和扩展Kalman算法进行对比仿真。仿真结果表明，相较于其他两种算法，所提出方法的状态估计和故障估计均方根误差的平均值分别降低了69.2%、60.6%和88.1%、78.9%,仿真结果验证了设计方案的有效性。