混合卡尔曼滤波的非均匀校正算法

提出了一种基于混合卡尔曼滤波的非均匀校正算法,可以用于解决参数漂移为非线性的问题．该方法首先根据给定状态空间模型的特点,使用无迹卡尔曼滤波技术和传统卡尔曼滤波技术分别处理非线性的状态转移模型和线性的观测模型,然后把估计结果用于非均匀校正．使用仿真的一维和二维数据验证算法性能,实验结果表明,所提算法扩展了传统卡尔曼滤波算法的使用范围,并且与扩展卡尔曼滤波算法相比,具有较高的稳定性和估计精度．     

基于交通流混合模型的高速公路状态估计

针对单一的高速公路交通流模型在时变复杂道路情况下经常无法取得满意状态估计效果的问题,通过引入适应性权重参数,描述不同交通状况下高速公路一阶模型和高阶模型对实际交通状况的近似程度和适用性,提出数据驱动的高速公路一阶/二阶线性交通流混合模型.结合扩展Kalman滤波(EKF)原理,构建新的高速公路状态估计器,通过对交通状态和权重参数进行联合估计,得到不同路况条件下权重参数的变化情况.数值模拟实验结果验证了新的交通流混合模型及估计器的适应性和有效性.     

炮弹发射弹道目标精度校正估计仿真

针对全球定位系统、雷达和卡尔曼滤波等传统测量手段在弹道量测中面临的诸多问题,提出了超宽带技术与平方根无迹卡尔曼滤波方法相结合的弹道估计算法,通过试验与仿真对该算法进行了分析.结果表明,采用平方根无迹卡尔曼滤波进行估计时,运行时间低于扩展卡尔曼滤波,略高于无迹卡尔曼滤波,且位置和速度均方根误差均低于二者.将平方根无迹卡尔曼滤波应用于弹道估计问题中可取得更为有效、准确的估计结果.     

基于尺度优化IUKF滤波的室内定位估计方法

为了改善以往室内接收信号强度指示定位方法精度不高的问题,提出了一种运用单形采样和协方差修正策略的尺度优化迭代无迹卡尔曼滤波器(SIUKF),对节点坐标和信道衰减参数进行联合估计解算,从而实现对目标位置获取的改进定位方法.该方法针对室内环境复杂、干扰因素较多、接收RSSI信号存在较大的噪声的情况,使用kernel平滑法对原始数据进行预处理校正,并将定位问题转换为非线性状态最优化估计问题.实验和仿真结果表明,与扩展卡尔曼滤波(EKF)和标准无迹卡尔曼滤波法(UKF)相比,采用具有更高非线性近似精度的SIUKF解决接收信号强度指示室内定位估计问题,可以较好地提高目标位置估计精度,且计算复杂度适中,稳定性更好,平均定位精度可达0.65 m,能满足室内定位的需求.     

基于UKF方法的锂离子电池荷电状态估计研究

选用二阶RC回路的电池模型,以单体的磷酸铁锂动力电池为研究对象,通过充电/放电电流脉冲实验获得电池模型中的各个参数变化范围,研究其荷电状态(SOC)的估算方法.根据电池模型的状态方程和输出方程,运用MATLAB软件,利用无迹卡尔曼滤波(UKF)方法来估算锂离子电池的SOC,并将其估算结果与扩展卡尔曼滤波(EKF)方法的估算结果进行比较.实验结果表明UKF方法能够更精确地估计出动力电池的SOC.     

基于改进连续-离散无迹卡尔曼滤波的水下航行器故障诊断

针对连续非线性系统的参数估计问题,提出了改进的连续-离散无迹卡尔曼滤波算法。该算法结合系统状态和参数的估计均值和协方差阵,通过构建控制系统的无迹状态矩阵,并对无迹状态函数积分获得预测无迹状态阵,再经过均值解算和估计更新,获得参数的估计值。然后,针对水下航行器连续非线性控制系统的故障诊断问题,将水下航行器执行机构的故障,以比例系数和附加参数的形式表达在控制系统的状态空间方程中,通过采用改进的连续-离散无迹卡尔曼滤波算法,估计故障数据,实现执行机构的故障诊断。最后,在水下航行器回坞仿真实验中,采用该算法有效估计出执行机构故障,验证了算法的可行性和有效性。     

基于强跟踪卡尔曼滤波的电池SOC估计

针对锂电池模型不准确和状态突变导致SOC估计精度不佳的问题,提出了引入时变渐消因子的强跟踪卡尔曼滤波算法.以HPPC试验方法辨识了锂电池的等效二阶RC模型,对比分析了现有的扩展卡尔曼滤波原理及提出的强跟踪卡尔曼滤波算法.通过结合强跟踪原理和卡尔曼滤波算法并引入时变渐消因子,提出的方法能够强制估计残差保持正交特性,并保证残差满足高斯白噪声特性.仿真验证表明,与扩展卡尔曼滤波原理相比,在模型不准确和状态突变的情况下,强跟踪卡尔曼滤波算法具有更高的估计精度,估计误差低于2.5%,提高了近45%.     

基于多模型扩展卡尔曼滤波的组合导航算法

在非线性系统的滤波过程中,扩展卡尔曼滤波的状态估计常常是有偏的,非线性函数的线性逼近精度是有限的,为此提出了多模型线性化扩展卡尔曼滤波。将非线性模型在状态估计附近的多个点进行线性化得到一组线性化模型,利用扩展卡尔曼滤波得到每个模型的状态估计,再对多个线性化模型进行概率加权融合。通过组合导航系统验证了算法的可行性。     

一种结合UKF的疲劳结构剩余寿命预测方法

针对机械系统中疲劳结构的剩余寿命(RUL)预测问题,提出了一种结合无迹卡尔曼滤波算法(UKF)的RUL预测方法.该方法包括疲劳裂纹性能参数评估和RUL预测两个部分.在性能参数评估部分,通过对Paris疲劳裂纹扩展公式进行离散化,建立了参数状态空间评估模型,并利用传感器获得的实时状态信息结合UKF算法对状态空间评估模型中的疲劳性能参数(C和m)以及疲劳裂纹长度表现出的不确定性进行评估,以避免状态信息不完备、工况噪声等不确定因素对结构疲劳寿命预测的影响;在剩余寿命预测部分,利用UKF算法评估得到的参数结果,结合离散化得到的递推裂纹扩展模型,对结构的剩余寿命进行预测.仿真结果表明:提出的方法能够很好地处理疲劳裂纹扩展模型中疲劳性能参数的不确定性,且在剩余寿命预测上,通过与扩展卡尔曼滤波算法(EKF)进行比较分析,发现所提方法能够更准确地预测结构疲劳裂纹的RUL.将离散的Paris疲劳裂纹扩展公式和UKF算法进行结合,能够有效地提高疲劳结构的剩余寿命预测精度.     

一种简化鲁棒的传感网络节点三维估计算法

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法．首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计．仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度．     

一种新的高动态全球定位系统频率估计算法

针对常用高动态全球定位系统频率估计算法扩展卡尔曼滤波(EKF)由于对模型进行简单线性化而造成的估计精度低与失锁门限高等缺陷,引入了一种新的线性滤波算法unscented卡尔曼滤波(UKF)进行频率估计．该算法不需要对非线性模型进行线性化,而是利用一系列Sigma采样点,通过unscented变换(UT)来进行状态与协方差阵的递推与更新．仿真实验结果表明新算法的估计精度远高于EKF,失锁门限也比EKF低约1dB,估计性能得到了改善．     

基于UKF的海底集矿车组合导航研究

针对扩展卡尔曼滤波(EKF)在海底集矿车组合导航系统应用时存在着计算复杂、线性化误差大等问题,基于附加打滑参数的履带车运动学模型,将无色卡尔曼滤波(UKF)用于集矿车长基线声学导航(LBL)与推算导航(DR)的组合导航系统中.考虑到测量数据时延,组合导航系统融合LBL与DR信息,得到海底集矿车位置估计.研究结果表明:采用EKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.14,0.32,0.48m,北向定位精度为0.13,0.28,0.44m;采用UKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.10,0.26,0.37m,北向定位精度为0.09,0.24,0.34m.测量数据时延越短,EKF,UKF的位置估计效果都会越好.但与EKF方法相比,UKF方法能够明显减少组合导航系统的线性化误差,提高海底集矿车导航系统的精度与稳定性.     

改进型UKF滤波算法的卫星姿态估计

针对矢量观测的三轴稳定卫星的姿态估计问题,提出了一种改进的UKF（unscented Kalman filter）滤波算法．它通过引入简化球形分布Sigma点UT变换（SSUT）,使得Sigma点的数量减少,从而在与UKF算法估计精度相当的情况下,计算量大大减少．同时,该算法依据姿态四元数与修正罗德里格参数之间的变换关系以及Sigma点的本质属性,保证了在姿态估计过程中四元数满足归一化约束,并且给出了过程噪声方差阵的选取方法．与扩展卡尔曼滤波（EKF）相比,无需计算Jacobian矩阵且具有更高的估计精度,并且对初始姿态误差更具有较好的鲁棒性．数值仿真表明该方法能很好地改善滤波效果,提高了估计精度,同时减小了计算量。     

自适应扩展卡尔曼滤波电池荷电状态估算方法

为更精确预估电动汽车动力源的荷电状态,优化戴维南等效电路模型,用自适应扩展卡尔曼滤波进行荷电状态估算.对实验电池进行外特性数据获取实验,分别得到在充放电状态下的开路电压曲线,在开路电压-荷电状态对应曲线中考虑充放电状态变化的因素.对离线参数辨识进行优化处理,在固定参数离线辨识的基础上考虑充放电状态和荷电状态,并与在线辨...     

非线性滤波算法的性能分析

对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较,给出了每种方法的计算复杂度.通过一个非线性非高斯模型进行了仿真,验证了这些算法的性能.     

An estimation model of time-varying origin -destination flows in expressway corridors based on unscented Kalman filter

On the basis of measurable time series of mainline and ramp flows from traffic counts and the assumption of travel time distributions, this research presents a dynamic system model and its on-line estimation algorithm for recursive estimation of time-varying origin-destination (OD) matrices in expressway corridors. The proposed model employs a macro-traffic flow model to estimate travel times of OD flows and uses parameters of the traffic model as state variables, which are added to the constrained function of the system. To improve the model efficiency, we revise the travel time distribution based on the feature of normal distribution. The research employs a newly developed filtering technique, called unscented Kalman filter. The proposed model is evaluated with simulation experiments. Numerical analyses with respect to the sensitivity of the selection of initial parameters on the estimation results indicate that the proposed model is sufficiently reasonable and stable for real-world applications. Supported by the National Natural Science Foundation (Grant No. 60674011)     

基于UKF和AH法的磁悬浮人工心脏泵用锂电池SOC估计复合算法

针对锂电池的非线性特性,提出电池状态模型在不同循环次数、不同温度下的具体改进方法;提出安时积分法和无迹卡尔曼滤波算法结合的锂电池荷电状态(state of charge, SOC)复合估计算法,分析新算法的收敛速度、估计精度以及算法复杂度。试验表明,这种复合算法复杂度低,精度高,能快速实现锂电池SOC的准确估计,估算误差为4.036 2%,适合实时在线计算。     

基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。