改进的自适应卡尔曼滤波在北斗伪距单点定位中的研究

针对加权最小二乘法定位精度不高,卡尔曼滤波对初始位置敏感以及噪声协方差固定不变的缺点,提出了一种将加权 最小二乘法和改进的卡尔曼滤波相结合的伪距单点定位解算方法。 该方法首先利用加权最小二乘法解算出接收机初始位置, 然后将该位置作为改进的自适应卡尔曼滤波的初始值,再建立动力学模型来进行滤波。 实验结果表明基于移动窗口协方差估 计的自适应卡尔曼滤波相比于传统卡尔曼滤波,能将单点定位精度提高 50%,收敛速度也提高了 90%。 该算法可以用在对精 度要求不高的民用导航和定位中。     

改进卡尔曼滤波在北斗伪距定位中的研究

针对最小二乘迭代法定位精度不高和卡尔曼滤波迭代收敛次数较多并对初始位置过于敏感的缺点,采用最小二乘迭代法和改进的卡尔曼滤波相结合的模型方法,该算法先用最小二乘迭代法对初始位置进行定位,再用改进的卡尔曼法进行滤波,仿真结果表明,该算法与最小二乘迭代法、卡尔曼滤波法、最小二乘和卡尔曼滤波结合等现有算法相比,其迭代5次达到收敛,迭代次数最少,且定位精度提高了60%。该算法可在北斗伪距定位上进行应用,可用于导航定位、也可用于网络RTK初始位置的定位。     

有色观测噪声下的自适应 UKF 在北斗多路径误差削弱中的研究

针对由环境复杂性而造成的北斗多路径误差不能有效削弱的问题, 提出了一种基于新的误差模型下的自适应无迹卡 尔曼滤波(UKF)方法。 该方法首先利用量测状态扩增法来解决量测噪声为有色噪声的问题,再用改进的 Sage-Husa 自适应 UKF 来动态估计系统噪声和量测噪声,从而解决噪声统计特性未定造成的误差削弱效果不明显的情况。 实验结果表明在有色 观测噪声下的改进 Sage-Husa 自适应 UKF 算法相比于传统 UKF,能够将多路径误差削弱近 60%,该方法在针对北斗定位中由于 多路径误差产生的噪声不可知的情况具有很强的适用性。     

限定记忆法在GPS伪距静态绝对定位中应用

文中对ＧＰＳ伪距静态绝对定位计算提出了限定记忆法以避免“数据饱和”现象和法方程病态，仿真计算结果表明效果很好。     

基于自适应无迹卡尔曼滤波的锂电池荷电状态估计

锂电池的SOC是新能源汽车电池管理系统的重要参数,对新能源汽车的安全运行起着重要作用.针对因系统噪声特性未知导致传统UKF算法对电池SOC估计精度不高的问题,提出了可以保证系统噪声协方差矩阵非负定性和对称性的改进Sage-Husa自适应滤波算法,并将改进的Sage-Husa自适应滤波算法与UKF结合形成一种新的AUKF...     

具有伪距输出的GPS—OEM系统定位原理及其应用

本文介绍了作者以ＯＥＭ板为基础开发研制的带有伪距输出的ＧＰＳ－ＯＥＭ卫星定位系统，推证了以伪距率为观测量的卫星定位原理和方法，用实测数据对伪距率等观测量进行了初步分析，在此基础上讨论了该系统在导航、定位中的应用。     

自适应渐消无迹卡尔曼滤波锂电池SoC估计

精确的荷电状态(SoC)是锂电池安全高效运行的重要保障, 文章针对传统无迹卡尔曼滤波(UKF)对非线性系统突变状态跟踪能力差, 导致SoC估计精度低的问题, 提出一种新型自适应渐消无迹卡尔曼滤波(AFUKF)SoC估计方法。首先, 通过设计新型衰减因子对UKF误差协方差矩阵进行加权, 并基于新型衰减因子完成AFUKF的设计, 减小陈旧量测值对估计结果的影响, 提高传统UKF的估计精度和跟踪能力。其次, 基于自主实验平台测试数据, 验证了本文所提AFUKF算法存在初始误差时, 相较于传统UKF算法, ECE工况下平均绝对误差和均方根误差分别下降了47.95%和33.92%, DST工况下分别下降了36.40%和27.73%; 相较于同类改进的AUKF算法, ECE工况下平均绝对误差和均方根误差分别下降了43.36%和33.51%, DST工况下分别下降了39.01%和25.63%。模型结果表明, 相比于传统UKF算法以及同类型改进的AUKF算法, AFUKF具有更高的估计精度, 且在相同初始SoC误差条件下具有更好的鲁棒性。     

基于事件触发机制的配电网自适应UKF动态状态估计

随着智能配电网监测技术的发展及应用,网络中大量的数据传输会造成通信信道拥堵,导致数据丢失、传输延时等网络化诱导现象,进而严重影响配电网状态估计的性能.为了提高配电网量测数据的传输效率,在网络传输过程中引入事件触发机制,在保证系统状态估计性能的前提下,尽可能减少网络中的数据传输量.针对事件触发机制的引入造成的量测信息不完...     

基于改进Sage-Husa的自适应无迹卡尔曼滤波的锂离子电池SOC估计

扩展卡尔曼滤波(EKF)算法估计锂离子动力电池荷电状态(SOC)时,由于系统噪声的不确定,可能导致估计算法不精确,并且算法中的线性化处理受电池模型的影响很大。为了解决上述两个问题,本文采用改进Sage-Husa的自适应无迹卡尔曼滤波法(AUKF)来动态地估计多元复合锂离子电池的SOC。与EKF相比,改进Sage-Husa的自适应卡尔曼滤波法提高了SOC估计的精度,并能够实时修正微小的模型误差带来的SOC估计误差,实时的工况模拟证明了该算法更适用于多元复合锂离子电池的动态SOC估计。     

非线性UKF估计在光伏MPPT中应用研究

非线性无迹卡尔曼滤波(UKF)估计用采样策略逼近非线性分布的方法,在光伏系统最大功率点跟踪(MPPT)中采用大步长扰动观察法定位最大功率点的电压范围;在该电压范围用尽量小步长的控制电压,以相应的瞬时功率作为被估量,利用UFK精确估计,经过功率比较定位出最大功率点及其相应的控制电压,通过状态检测判断出状态突变。通过仿真验证了所提策略的正确性、有效性。     

无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)的不足,将不需要对非线性系统函数进行线性化的无迹卡尔曼滤波(unscented Kalman filter,UKF)方法引入电力系统动态状态估计,采用生成Sigma点数量最少的比例最小偏度单形采样策略进行无迹变换.以IEEE14系统为算例,仿真结果表明引入UKF后,估计结果的精度有所提高,但算法的效率较低,且数值稳定性较差.进一步引入平方根形式的UKF(square root UKF,SRUKF)模型,IEEE 14及IEEE 30测试系统的仿真结果证明:在不需要大量牺牲计算时间的同时,算法的数值稳定性得到了改善.表明SRUKF的引入对动态状态估计方法的改进是有效的.     

基于改进强跟踪UKF的电压暂态扰动检测

针对目前强跟踪滤波器在电压暂态扰动检测方面,在强非线性系统下存在参数估计精度不够,高维滤波器模型下计算复杂等问题,结合STF和UKF提出一种基于改进的强跟踪无迹卡尔曼滤波器(MSTUKF)的电能质量扰动检测方法。在状态变量发生突变时,通过次优渐消因子自适应调节过程噪声协方差矩阵的权重,在满足强跟踪滤波器不同时刻残差序列正交条件下,推导MSTUKF成立的充分条件。该算法较传统的STF方法改善了滤波器的估计精度,无需求解雅可比矩阵,只需一次UT变换,计算复杂度降低,且保留了STF在模型失配情况下的强鲁棒性。将所提方法与传统STF进行对比,仿真实验结果表明:所提方法更能快速、准确地检测到电压暂降、暂态脉冲及暂态谐波信号发生的起止时刻,跟踪到突变幅值和突变相位,验证了改进的强跟踪UKF是电能质量扰动检测的一种好的解决方案。     

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UKF和SPRT小电流单相接地故障选线方法

为解决现有小电流系统单相接地故障选线方法在准确率和可靠性等方面存在的问题,提出了一种基于无迹卡尔曼滤波UKF（unscented Kalman filter）和序贯概率比检验SPRT（sequential probability ratio test）的小电流系统单相接地故障选线方法。首先建立故障线路的无迹卡尔曼滤波数学模型;再利用无迹卡尔曼滤波对系统故障特征信息进行跟踪与预测;通过序贯概率比方法,利用新信息观测值与实际量测值的残差值,计算似然比;构造故障判据,从而快速地选出故障线路。ATP-EMPT和Matlab的大量仿真实验结果表明该方法具有较高的准确率和可靠性。     

基于强跟踪UKF的视频目标跟踪算法

针对无迹卡尔曼滤波（unscented Kalman filter ,UKF）在非线性系统状态估计中存在的跟踪缓慢和稳态偏差问题,提出一种基于强跟踪UKF的视频目标跟踪算法。该算法以无迹变换（unscented transform ,UT）为基础,结合强跟踪滤波器和UKF滤波器的优点,在状态预测协方差矩阵中引入时变渐消因子调节卡尔曼增益,强迫输出残差序列保持正交,并提取残差序列的有效信息,提高滤波器对状态变化的跟踪能力。仿真结果表明,利用强跟踪UKF算法对视频中的运动目标进行跟踪,具有更高的跟踪精度,状态滤波均方误差更小。     

基于降阶组合定位系统的矿井人员定位算法

针对目前的由无线 Wi-Fi定位系统与捷联惯导系统构成的组合定位系统复杂度高且工程实现较困难的问题,提出一种新的降阶微惯性测量装置(MIMU)及其降阶误差模型,并与 Wi-Fi 构成降阶的10维状态变量的组合定位系统。通过采用1个低精度微陀螺仪和2个低精度微加速度计作为惯性传感器设计简易 MIMU 的安装结构,将其与 Wi-Fi定位系统组合,并用降阶卡尔曼滤波技术设计组合定位算法。仿真实验结果表明,该降阶组合定位系统定位响应速度快,定位精度高,在工程上也易于实现,适用于井下人员定位。     

基于改进无迹卡尔曼滤波法的大容量电池储能系统SOC预测

大容量电池储能系统的荷电状态(state of charge,SOC)是电池管理系统(battery management system,BMS)的重要参数,必须准确预测,由于电池单体存在较强的差异性,传统的SOC预测技术很难达到准确预测的效果。针对上述问题,提出基于改进无迹卡尔曼滤波法(unscented Kalman filter,UKF)的大容量电池储能系统SOC预测方法,利用遗传算法(genetic algorithm,GA)优化无迹卡尔曼滤波的滤波参数,进一步提高SOC的预测精度。在设定工况下对串联型电池储能系统进行仿真实验,仿真结果表明该文提出的改进无迹卡尔曼滤波方法可以获得有效可靠的SOC预测结果,具有良好的工程应用前景。