基于UKPF算法的锂离子电池SOC估算

电池在工作时电流变化剧烈,使用传统无迹卡尔曼算法(UKF)估算电池荷电状态(SOC)时有较大误差.为了提高SOC估算精度,基于锂离子电池混合噪声模型,利用粒子滤波算法对无迹卡尔曼的滤波进行修正,得到无迹卡尔曼粒子滤波算法(UKPF),并用该方法来估算锂离子电池的SOC.实验结果表明,UKPF算法SOC的估算误差小于2.1％,明显优于UKF和PF算法.     

基于观测相似性粒子滤波的纯角度目标跟踪

单站被动纯角度目标跟踪问题在理论和实际应用中一直都是被广泛研究的一个重要而困难的课题。本文提出一种重采样基于观测路径相似性的粒子滤波算法,该算法利用粒子观测路径和系统状态观测路径的相似性来修正粒子权值并使用修正后的权值进行重采样。实验结果表明当观测噪声方差小于系统噪声方差时,该算法在单站被动纯角度目标跟踪的误差均方根值和误差方差上均优于SIR粒子滤波、辅助粒子滤波和高斯粒子滤波。     

基于改进粒子滤波的综合能源系统预测辅助状态估计

高效准确的状态估计是综合能源系统安全稳定的基础。粒子滤波具有精度高且对于非线性系统适应性更强的优点,已应用于电力系统的状态估计。为了提高综合能源系统的状态估计精度,研究粒子滤波在综合能源系统中的应用,提出了一种基于改进粒子滤波的综合能源系统预测辅助状态估计方法。首先,本文构建了包含电-气-热网络的区域综合能源系统模型;其次,将粒子滤波算法拓展到电-气-热网络,在详细分析粒子滤波相关理论的基础上,针对粒子滤波算法存在的跟踪误差问题对粒子滤波的预测步进行改进;最后,利用经典的综合能源系统算例对文中提出的改进粒子滤波算法进行验证。结果证明该方法能够有效解决传统粒子滤波算法的跟踪误差问题,提高系统的估计精度。     

基于信息融合的运动目标跟踪算法

针对复杂背景下目标遮挡后跟踪不稳定的问题,提出了一种在粒子滤波框架下融合异类信息进行目标跟踪的算法.该方法建立了声源特征模型和颜色特征模型,在此基础上将声音信息和图像的颜色信息融合到粒子滤波跟踪算法中,通过粒子更新策略实现跟踪.实验结果表明与基于单一特征的跟踪算法相比均方误差降低了18.3%.在低信噪比情况下,该算法更...     

基于 STPF 的 SOC 估计及在多锂电池均衡中的应用

提出一种能跟踪突变状态的锂电池荷电状态(SOC)估计方法,并应用于多锂电池组的SOC均衡中。在粒子滤波算法中引入强跟踪滤波,将当前的采样结果融入到预测误差更新中,得到新的校正项,然后利用该校正项对粒子滤波算法的粒子集进行校正,从而使粒子快速推向高似然区域,抑制粒子退化;渐消因子的引入能实时调整误差协方差矩阵,使粒子滤波算法兼具强跟踪滤波的强鲁棒性和对突变状态的跟踪能力,有效克服模型的不确定性,进一步提高SOC的估计精度。将所提方法应用于多电池主动均衡中,提出一种基于SOC一致性的均衡策略,率先均衡容量差距较大的相邻电池组,再控制能量实时双向传递,提高了整体均衡速度。实验结果表明,改进算法的平均估计误差在0.13%以内,标准差为0.12%;相比传统的粒子滤波算法、扩展卡尔曼滤波算法和强跟踪算法,精度分别提升约64%、85%和75%,并且稳定性也得到了进一步加强。在多电池主动均衡中的应用表明,有效减小了电池组容量在充放电过程中的不一致性,电池组离散度被控制在1%以内,有利于提高电池容量的利用率与使用寿命。     

基于改进粒子滤波算法的GPS非高斯伪距误差修正

针对城市环境中由于受到多径效应影响,GPS伪距误差呈非高斯分布的问题,本文通过对实测数据进行分析,在建立正确的伪距误差分布模型的基础上,提出了一种改进粒子滤波修正算法,用于优化PVT解算结果,提高了GPS在城市环境中定位的精度。并通过与卡尔曼滤波定位优化算法结果进行比较,验证了此算法的有效性。     

基于粒子群优化粒子滤波算法的 SOC 估算研究

准确的获得电池的荷电状态(SOC)有助于缓解汽车行驶过程中的里程焦虑。针对粒子滤波估算SOC中存在的粒子退化的问题,将粒子群算法与粒子滤波融合的改进粒子滤波算法(GPSO-PF)算法应用于SOC的估计。在迭代中不断优化粒子所处位置,从而解决了粒子贫化的问题,提高了SOC的估算精度。同时,针对SOC估算容易受到温度的影响,建立基于温度的等效电路模型,并将其应用于提出的SOC估算算法中。选取两节相同型号的磷酸铁锂电池,分别在不同工况下利用GPSO-PF算法估算SOC值,SOC的最大估算误差均低于0.72%。通过对比,与基于温度等效电路模型相结合后,GPSO-PF算法能够有效提高SOC的估算精度。     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法

针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。     

基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识

针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,采用具有最小均方误差估计效果的UKF辨识算法。针对UKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于蚁群粒子群算法优化UKF噪声矩阵的方法,同时引入蚁群算法将惯性权重离散化以提高粒子群算法的搜索效率,克服其容易发生早熟收敛的缺点。试验和仿真结果表明,采用该优化算法辨识电力线信道模型可克服参数的分散性,提高拟合精度并缩短辨识时间。     

基于模块化多电平技术的广义有源电力滤波器

为克服传统广义有源电力滤波器(GAPF)的缺点,提出了一种采用模块化多电平技术的GAPF(GAPF/MMC),提高了装置的电压等级和波形质量。详述了GAPF/MMC的拓扑结构、工作原理、控制方法及调制策略,给出了子模块电容电压的平衡方法。试验结果表明,GAPF/MMC在实现综合补偿的基础上可有效降低输出电压的谐波含量和网侧滤波电抗的容量、功耗,适合在高压大功率领域中应用。     

复杂环境下探测器高精度自主导航算法研究

为提高探测器在复杂深空环境中自主导航精度,提出基于二阶中心差分法和PCA模型改进的粒子滤波算法。首先通过二阶中心差分滤波方法获取最优的重要性密度函数,采用对称比例的采样算法从中进行样本点采样;然后通过引入主成分分析法对采集的样本集进行预处理,引入比例缩放因子,对粒子集合进行粒子重采样。通过仿真实验,此方法能够在很大程度上改进粒子滤波算法中出现的粒子退化的问题,使跟踪系统平均误差达到0.429,提高算法的跟踪精度和稳定性,实现探测器复杂环境下高精度自主导航。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

基于智能算法的高海拔风电机组多参数优化设计

以高海拔地区风电机组为对象,建立了平准化电力成本（LCOE）模型,并采用智能算法对其关键设计参数进行优化。分析了海拔升高对气候环境与风电机组的影响,建立了以转子半径、轮毂高度以及额定功率为设计参数的高海拔风电机组LCOE模型。以LCOE最小化为目标,采用遗传、粒子群、量子遗传3种智能优化算法对3个设计参数进行优化。优化结果表明,一定的海拔高度下存在最佳参数和最优LCOE,3种智能算法皆能得到模型的最优解,而量子遗传算法在收敛时间与收敛精度上均具有较好性能。随着海拔的升高,最优LCOE增大,3个优化参数呈现出不同的变化趋势。本文的相关结论对于高海拔风电机组选型与设计具有一定的参考意义。     

采用优化经验模态分解的电力谐波辨识方法

电力谐波的准确辨识对智能用电具有重要的研究价值和意义。针对基于屏蔽信号的经验模态分解(M-EMD)在谐波辨识中幅值误差较大、模态分解不完整以及屏蔽信号构建参数依赖经验值等问题,提出对待分析信号进行滤波和模态预提取,并采用协同混沌粒子群优化算法(CCPSO)对屏蔽信号的构建参数进行寻优。电力谐波仿真辨识实验证明,与M-EMD算法相比,文中所述的IM-EMD算法在谐波辨识的准确度和可靠性上有了明显提高。     

基于遗传算法的有源电力滤波器直流母线电压控制

随着电力电子装置的普遍应用,其非线性特征而引起的电网电压和电流畸变越来越引起人们的重视,有源电力滤波器(APF)是一种较好的谐波滤除装置,但存在直流侧电压不稳的问题。分析了影响APF直流侧电压稳定的几个因素,推导了电压源型有源电力滤波器的数学模型,结合遗传算法辅助优化计算了该系统中APF的PI调节系数,MATLAB/simulink仿真验证了该方法的可行性,为遗传算法在PI整定方面的研究提供了借鉴。     

改进遗传算法在PMSM矢量控制系统优化设计中的应用

在永磁同步电机（PMSM）的矢量控制策略中,PI控制器参数的优劣直接影响到系统的性能。若采用普通遗传算法整定PI控制器参数,常会存在早熟收敛及收敛速度慢的现象。现介绍一种改进遗传算法,该算法在普通遗传算法的基础上,改进了交叉概率及变异概率,通过仿真实验,验证了改进遗传算法能有效解决PI控制器参数寻优过程中全局收敛性与收敛速度之间的矛盾。     

应用于高速铁路的低成本组合定位系统设计

提出了一种基于卫星定位和航位推算（Dead Reckoning,DR）技术的低成本高速列车组合定位系统设计方案.在卫星定位系统中,方案采用了GPS/BD双卫星定位系统;在航位推算系统中,提出了一种双加速度计单陀螺仪单倾角传感器的传感器组合方案;采用了双CPU结构体系的运算控制模块,提高了组合导航系统的可靠性和实时运算性能.通过基于“当前”统计模型的联合卡尔曼滤波算法对GPS/BD系统和航位推算的数据进行滤波和信息融合,并利用卫星接收机提供的位置精度因子进行信息融合方案的自适应选择,进一步提高和完善了组合导航系统的定位精度和系统性能.     

改进遗传算法在混合有源滤波器的研究

针对混合有源滤波器设计中无源滤波器的重要性,采用改进遗传算法,对无源滤波器的成本、无功补偿和滤波效果三个方面进行参数优化,得到多组最优目标,改善了以往遗传算法存在的早熟等问题,而且选取优化后的三组无源滤波器参数应用到混合有源滤波器,通过Matlab对其滤波效果进行了仿真,并将其滤波效果分别与优化前的滤波效果进行了比较,结果表明,经过优化的混合有源滤波器的滤波效果总体上均比参数优化前的效果好,而且可以根据谐波实际情况来调整无源滤波器的参数,并都相应的减小了有源滤波器容量,提高了混合滤波器的性价比。     

基于自适应陷波器的科氏流量计信号频率跟踪新方法

为提高对科氏流量计信号频率随机缓慢变化的持续跟踪能力,以对格型ANF、简化格型ANF和基于SMM的新式ANF三种典型自适应陷波器的性能比较分析为基础,提出了一种科氏流量计信号频率跟踪新方法。该方法对频率、幅值和相位均随机游动变化的科氏流量计信号,首先采用新式ANF快速检测信号频率并作短时频率跟踪,待其收敛后简化格型ANF开始并行工作,在简化格型ANF收敛后取代新式ANF持续跟踪信号频率的变化。仿真结果表明,本文方法比格型ANF方法收敛速度更快、频率跟踪精度更高,比单一采用新式ANF方法计算更为简便,是一种科氏流量计信号处理的有效方法。