基于H_∞鲁棒SUKF算法的永磁同步电机转速观测器设计

为了解决永磁同步电机定子电阻变化对速度观测的影响,利用α-β坐标系下永磁同步电机非线性系统模型,引入H_∞鲁棒滤波算法增强观测器鲁棒性。为了解决sigma点计算量大的问题,采用超球体单形采样方法,提出一种新的非线性滤波器。最后设计了H_∞鲁棒球形无迹卡尔曼滤波观测器对永磁同步电机转速进行状态观测。当永磁同步电机定子电阻变化时,对比分析了H_∞鲁棒球形无迹卡尔曼滤波器与无迹卡尔曼滤波器、球形无迹卡尔曼滤波器在相同系统噪声和量测噪声时电机转速误差方差。H_∞鲁棒球形卡尔曼滤波器的转速误差方差接近7rad/min,明显小于后两者观测器观测值(40、20rad/min)。     

民航发动机性能诊断方法

为利用民航发动机工作状态参数对其部件衰退情况进行在线诊断,提出一种发动机稳态建模和无迹卡尔曼滤波(unscented Kalman flter,UKF)相结合的部件性能衰退诊断方法.用多元非线性函数分别表达各个部件的通用特性曲线,采用机器学习方法对实测发动机工作状态参数进行学习以确定各函数系数,进而获得发动机稳态工作模型;在对各部件的性能衰退特点及影响性分析的基础上,定义出具有代表性的部件性能衰退因子;对无迹卡尔曼滤波器进行改造,采用所获得的发动机稳态工作模型和工况参数替换传统的滤波观测方程,并以新提出的滑动窗口采样策略克服低可观测性问题;对发动机实测运行数据进行滤波,得出各部件的性能衰退因子变化趋势.经发动机实际运营监控数据验证,该方法能够在航段数据返回数据中心后快速诊断出发动机各部件性能状态,诊断结果与发动机部件损伤目视检查信息吻合良好.该方法能够有效克服发动机性能诊断过程中的非线性强、观测性低、数据噪声显著的问题,具有较高的实用价值.     

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。     

几种面向弹道目标跟踪算法的性能评估

提出一种非线性滤波器性能的评估方法.在导弹系数未知的情况下,研究二维弹道目标动力学模型,推导相应的Cramer-Rao下界.分析扩展卡尔曼滤波器、无迹卡尔曼滤波器、积分卡尔曼滤波器和容积卡尔曼滤波器,基于推导出的Cramer-Rao下界,通过仿真实验比较这4种非线性滤波的性能.理论与实验结果表明,扩展卡尔曼滤波的实时性能最好,但跟踪精度较差;容积卡尔曼滤波器在跟踪的速度和精度方面都有较好的表现.     

去偏转换方向余弦位置和多普勒量测跟踪

为解决相控阵雷达方向余弦坐标系下状态空间模型量测方程强非线性的问题,提出了一种带多普勒量测的去偏转换量测跟踪方法.在考虑距离量测误差与多普勒量测误差相关性的基础上,用距离量测与多普勒量测的乘积构造伪量测来减轻多普勒量测的非线性.并通过对方向余弦进行二阶泰勒展开,得到了转换量测误差均值和协方差的一致性估计.最后通过对位置量测和伪量测进行序贯处理解决了伪量测非线性的问题.仿真结果证明:通过引入多普勒量测确实提高了滤波性能;同时相比于常用的扩展卡尔曼滤波器和不敏卡尔曼滤波器,提出的去偏转换量测滤波器在方向余弦坐标系下具有更好的跟踪性能.     

雷达多目标跟踪系统中非线性滤波问题的研究

本文主要从雷达多目标跟踪中的目标模型设定和量测系统的非线性关系出发,分析了目前广泛采用推广卡尔曼滤波器(EKF)的滤波精度。文中首先把量测系统的非线性与量测系统的不确性联系起来,针对只考虑量测方程的非线性的情况,给出了一种修正量测方差二阶滤波器,然后利用这种二阶滤波器分析了EKF的滤波误差。结果表明,EKF和二阶滤波器相比,滤波性能基本相同。     

GPS/INS动态卡尔曼滤波优化算法

GPS/INS组合导航系统动态定位数据的随机误差消除的重要方法是卡尔曼滤波,但运用扩展卡尔曼滤波器进行动态定位滤波时,需要对系统模型和观测模型以及误差模型进行准确建模,特别是载体状态机动时滤波器跟踪能力不强。提出一种GPS/INS组合导航动态卡尔曼滤波的优化算法,引入遗忘因子限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,改善滤波器的动态性能,并进行计算机仿真实验。仿真结果表明,遗忘因子增加,滤波器的跟踪能力增强,使滤波器达最佳性能。该优化算法比普通的扩展卡尔曼滤波算法的动态跟踪性能好,从而可显著提高导航系统定位精度。     

基于EKF及调制傅式级数的缸压辨识

针对侵入式发动机压力传感器造价高以及运行环境恶劣导致寿命短、可靠性低的问题,利用发动机做功能量转化和牛顿运动定律对发动机做功进行建模,建立转速一步迭代模型,利用扩展卡尔曼滤波器(EKF)对转速迭代模型进行线性化处理并进行最优估计。利用奥拓循环搭建做功循环的标准模型,利用工程热力学知识对缸内压力峰值进行求取,利用压力峰值和转速最优估计分别进行24阶傅里叶级数的频率、幅值的调制,最终完成发动机汽缸压力辨识。采用大众牌EA211发动机进行试验验证,结果表明:当设定发动机空燃比系数为0.85时,转速跟踪误差在10%以内,压力功谱误差低于2%;当设定空燃比系数为0.95时,转速跟踪误差在1.5%以内,压力功谱误差低于1.5%。试验结果证明了本文模型和算法的有效性、可靠性和精确性。     

一种舰船用组合导航系统滤波器的设计

着重介绍了卡尔曼滤波器技术的原理、计算公式、模拟方法以及在组合导航系统中的应用．设计了一种互补型六维卡尔曼滤波器的动态方程和测量方程．这种滤波器有效地抑制了各种导航设备的误差，尤其消除了航位推算中的积累误差．因此，该滤波器有很高的可靠性和广泛的实用性     

基于强跟踪卡尔曼滤波的陀螺信号处理

针对陀螺传感器测量精度低,严重影响航空光电稳定平台视轴稳定精度的问题,设计了强跟踪卡尔曼滤波器。根据时间序列分析法的基本原理,对经过预处理的陀螺原始量测数据进行AR模型建模,根据该AR模型采用状态空间法设计卡尔曼滤波器,同时为了增强系统的鲁棒性,引入强跟踪算法对卡尔曼滤波中的状态预测方差进行实时调整,构造了强跟踪卡尔曼滤波器。阐述了该算法的理论、原理,并且在某型航空光电稳定平台上进行试验验证。试验结果表明:强跟踪卡尔曼滤波器输出信号的方差减少了44.1%,分散程度降低,同时,相较于巴特沃斯滤波器,最大超调量减少13%,上升时间缩短了3ms,调整时间缩短了37.5ms,使平台具有良好的动态性能。研究表明,强跟踪卡尔曼滤波器可以提高航空光电稳定平台的精度,有较高的实用价值。     

基于卡尔曼滤波技术的人工神经网络权重估算及应用

为改进神经网络模型算法,将神经网络技术与卡尔曼滤波技术进行耦合.在样本训练过程中,将卡尔曼滤波递推算法用于神经网络权重的训练,然后用训练得到的权重进行检验.文中以岷江上游段紫坪埔水文站的流量预报为实例,并与单一的神经网络模型以及卡尔曼滤波模型进行了比较.应用结果表明,卡尔曼技术用于神经网络权重估算,可改善水文预报精度.     

可变低温环境锂电池组内部短路故障诊断

针对可变低温环境下锂离子电池组易发生的内部短路故障问题,提出基于模型的电池组参数估计和故障诊断方法. 通过特性实验,建立三元锂电池容量与温度的关系. 根据标准-偏差模型,采用无迹卡尔曼滤波实时估计标准电池状态和参数,结合双卡尔曼滤波得到电池组状态和参数的实时估计结果,根据电池容量衰减定量诊断内部短路故障. 在5~25 °C时变温度下,结合实际工况进行电池组充放电实验,通过并联电阻法模拟内部短路故障,得到电池组状态和内部短路电阻估计值和真实值的对比. 实验结果表明,利用提出的方法能够快速、精确地跟踪电池组状态,准确地诊断电池内部短路故障.     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

基于卡尔曼平滑的AWKNN室内定位方法

基于接收信号强度指示的WIFI室内定位方案存在采集信息跳变现象,进而影响定位精度的问题,提出一种基于卡尔曼滤波的改进自适应加权K最近邻（AWKNN）定位方法。对比分析多种平滑RSSI算法可行性,验证基于卡尔曼滤波对RSSI值进行平滑处理的优势,结合AWKNN算法并采用均方差计算匹配度,通过实时监控相匹配的无线接入点个数后自动调整均方差分母大小,以此实现定位误差的有效控制。实验结果表明,该基于卡尔曼的AWKNN算法在稳定性和定位精度方面较传统WIFI指纹算法有较大幅度提高。     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

绕地轨道飞船自适应GPS／SINS组合制导系统研究

提出了绕地轨道飞船的ＧＰＳ／ＳＩＮＳ组合制导的工程应用研究，根据工程的要求，给出了自适应估计的应用方法，具有运用的方便性和可算性，而不是只给出形式解。在进行迭代仿真时，得到了满足工程需要的最优滤波曲线     

State Estimation for Non-linear Sampled-Data Descriptor Systems: A Robust Extended Kalman Filtering Approach

非线性广义采样系统的状态估计—鲁棒扩展卡尔曼滤波方法

王茂¹,梁天添¹,周振华²

(1.哈尔滨工业大学 空间控制与惯性技术研究中心,哈尔滨 150001;

2.常州工业职业技术学院,江苏 常州 213000)

创新点说明：

1）引入参数并使用欧拉离散化方法将广义连续-离散系统转化为非奇异一般系统进行研究;

2）针对转化得来的非奇异系统中存在状态新增不确定性的问题,提出鲁棒上界,并根据该上界设计鲁棒扩展卡尔曼滤波器（REKF）;

3）对设计的滤波器鲁棒性进行证明,证明该滤波器符合鲁棒性能指标。

研究目的、方法：

为解决一类范数有界非线性广义连续-离散系统的状态估计问题,在Matlab环境下,对REKF与EKF算法进行仿真对比

研究结果：

仿真结果表明,由REKF算法得到的状态估计误差小于EKF算法得到结果的20%,相较于EKF算法,REKF算法能更好估计该类广义系统的状态。

结论：

1）提出的REKF算法可有效解决系统非线性问题;

2）提出的鲁棒算法可有效降低非奇异等价系统中新增状态不确定性对状态估计影响;

3）相较于EKF算法,本文提出的REKF算法能够保证状态估计误差协方差矩阵有效收敛,从而能更好的估计该类广义连续-离散系统的状态。

关键词：采样系统;广义系统;状态估计;卡尔曼滤波;REKF算法

     

基于 SHEKF-GPM 融合的锂电池 SOC 估算

荷电状态（SOC）是电池控制策略和管理系统的重要参数。针对积分法和电压法估算锂电池 SOC 时不能减少误差累积现象,提出一种基于平方根高阶扩展卡尔曼滤波（SHEKF）与灰色预测模型（GPM） 融合的算法,用于估算锂电池 SOC。该方法结合遗忘因子递推最小二乘法（FFRLS）和二阶 RC 等效电路模 型实时在线辨识和修改锂电池模型参数,结合 SHEKF-GPM 融合模型进行锂电池 SOC 状态方程的线性部分 和非线性部分估算。通过仿真分析,得到 SHEKF-GPM 融合算法估算 SOC 时的误差低于 0.3%,协方差误 差为 0% 左右,不会产生误差累积。仿真结果表明,该方法能减少误差累积,提高电池管理系统估算锂电池 SOC 时的实用性、有效性和估算精度。     

永磁同步电机的转动惯量辨识及状态估计

为提高永磁同步电机伺服系统的动态性能和鲁棒性,研究了基于模型参考自适应系统的转动惯量辨识方法以及基于卡尔曼滤波器的自适应状态估计策略。提出了一种适用于宽转速、高噪声环境下的电机角速度、角位移和负载扰动转矩的在线估计方法,分析了该方法的抗干扰能力以及系统参数变化对估计效果的影响,并通过辨识出的伺服系统转动惯量对卡尔曼滤波器的系数矩阵进行实时更新,实现了转动惯量自适应状态估计。仿真和实验结果表明该算法在速度分辨率、实时性和抗干扰能力上均优于传统M／T方法。