基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计

为解决锂电池荷电状态（SOC）难以精确估计的问题,提出了基于改进的粒子群优化扩展卡尔曼滤波（IPSO-EKF）算法预测电池SOC。为减小参数非线性特性影响,重新构建了EKF算法电池状态空间方程,以辨识出的电池模型参数为基础,获得SOC最优估计。采用IPSO算法优化EKF算法噪声方差矩阵,解决系统状态误差协方差矩阵和测量噪声协方差矩阵最优解获取难题,进一步提高SOC的估计精度。计算结果表明：IPSO-EKF算法能够精确地辨识电池模型参数和SOC值,并能够很好地修正状态变量初始误差。     

基于卡尔曼滤波最大似然参数估计的气动参数辨识

飞行器气动参数一般通过理论计算或风洞试验数据来获取,由于受诸多因素限制而难以获得精确值;为了提高飞行器动力学模型的精确度,将卡尔曼滤波融合于最大似然参数估计中,利用最大似然函数渐进一致性、估计的无偏性、良好的收敛特性的特点,对各实际工作点的气动参数进行辨识,并详细叙述了进行气动系数辨识的基本步骤。     

基于自适应无迹卡尔曼滤波算法的多股螺旋弹簧动态响应模型参数辨识和分析

针对传统方法在辨识多股螺旋弹簧（以下简称多股簧）非线性响应模型参数时效率较低、精度较差的问题,提出带噪声统计估计器的自适应无迹卡尔曼滤波(AUKF)算法。该算法通过对多股簧试验数据中的量测(过程)噪声进行递推和估计,能够确保非线性模型参数辨识的收敛性;结合多股簧动态试验对该算法进行检验。研究结果表明：即使在量测噪声级别较高的情况下,AUKF算法也可以准确地求出多股簧的动力学模型参数;在预测多股簧动态响应过程中,若预测振幅和参数辨识所用振幅相差太大则会导致较大的预测误差;当加载速度变化时,多股簧动力学模型中的迟滞部分参数基本不变,但0阶非线性刚度系数和非线性放大因子变化较大。     

参数辨识法与卡尔曼滤波法精对准实验研究

为了比较静基座下参数辨识法精对准和卡尔曼滤波法精对准的对准精度,利用导航计算机采集惯性测量组件输出的比力和角增量信号,分别采用参数辨识法和卡尔曼滤波法完成精对准,台架实验结果表明,在粗对准方法相同、精对准时间相等的情况下,卡尔曼滤波法比参数辨识法能够获得更好的对准精度.参数辨识法精对准具有算法简单、运算量小等优点,但是其对准精度不高,适合在要求计算量小但对精度要求不高的条件下使用.卡尔曼滤波法具有较高的对准精度,但是要求系统的模型准确,适合在基座静止、失准角为小角度的条件下使用.     

基于改进混杂扩展卡尔曼滤波的炮弹阻力系数辨识

针对利用炮弹飞行数据辨识阻力系数的问题,提出了一种改进形式的混杂扩展卡尔曼滤波(IHEKF)方法。引入虚拟过程噪声并且在每个时间步长对称化协方差矩阵,避免了混杂扩展卡尔曼滤波在实际应用中由于系统建模误差及弹载计算机的精度有限引起的发散问题,提高了阻力系数辨识的鲁棒性。数值仿真结果表明:当建模误差可以忽略不计时,采用IHEKF能以高精度辨识出阻力系数; 当建模误差较大时,采用IHEKF具有较好的鲁棒性。     

基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨识

将最大似然准则应用于高速旋转弹丸的气动参数辨识问题中,提出一种新的自适应混沌变异粒子群算法求解该准则下的气动参数最优解,进而得到弹丸的气动参数。该算法通过自适应调整惯性权重、利用混沌优化的思想产生初始粒子、设定早熟判别机制来判断是否陷入局部最优解,并通过粒子变异的策略使其跳出局部最优解等方法进一步优化基本粒子群算法。通过常用的测试函数对该算法进行了测试,测试结果表明：相比于基本粒子群算法,该算法具有收敛速度快、寻优精度高、应用范围广等优点。利用系统仿真的方法模拟弹丸的自由飞行数据,并利用该数据结合所提算法对弹丸的主要气动参数进行辨识,辨识结果表明：该算法可以有效辨识弹丸的气动参数,且精度高,收敛速度快,可以应用于工程实际问题。     

弹药协调器等效模型主要参数辨识方法

为在弹药协调器故障诊断研究中建立精确的动力学模型,对其等效模型主要参数辨识方法进行研究。建 立弹药协调器等效模型的数学模型,给出时间序列相似度计算方法,使用粒子群算法对模型中的主要参数进行辨识。 结果显示：粒子群算法在弹药协调器等效模型的主要参数辨识中精度达到1.1%和1.4%,可为弹药协调器的动力学建 模提供关键参数。     

基于粒子群算法的飞行控制系统参数优化

针对飞行控制系统控制器参数优化问题，文中提出了一种基于粒子群算法的模型参考优化整定策略。并将此策略应用于某型飞机的横侧向飞行控制系统的参数优化之中．仿真结果表明．该优化策略能够有效地整定飞行控制系统的参数，具有收敛速度快．编程简单的优点。     

多发弹气动参数联合辨识方法研究

利用局部优化算法对多发弹测量数据进行气动参数辨识,可能存在局部最优解,且同一气动参数多发弹的辨识结果有时差异较大。为提高弹丸气动参数辨识的准确性与合理性,提出一种同时 利用多发弹测量数据进行联合辨识的全局优化策略。该策略采用局部优化算法获得搜索空间,将弹丸飞行的稳定性条件作为约束条件,利用最小二乘准则构建准则函数,应用差分进化算法对多发弹数据同步全局寻优,从而获得唯一的全局最优解。以某大口径榴弹纸靶试验数据为例对所提方法进行了验证,结果表明：相比于现有的辨识策略,所提策略计算出的准则函数值更小,重构弹道结果与测量值更接近,且计算稳定性较好。     

新型锂离子电池正极材料LiFePO4的研究进展

综述了新型锂离子电池正极材料LiFePO4的研究进展,重点阐述了LiFePO4材料的结构、制备方法、改性研究,并对当前国内外LiFePO4产业化现状进行了介绍.LiFePO4以其优良的综合性能,被认为是最有前途的锂离子电池正极材料.     

基于Kalman 滤波算法对运动目标射击研究

针对传统炮兵对运动目标射击时间长、精度低的问题,提出采用卡尔曼滤波对目标运动状态进行准确估计。分析卡尔曼滤波算法的特点,采用预测—更新的递推算法,以某装甲目标为例求取系统状态估计值,并对运动目标射击中的应用进行研究。仿真结果表明：该算法能对目标运动状态进行快速准确的估计,大大提高炮兵火力反应速度和射击精度,有效地提高炮兵作战效能。     

基于GPS的卡尔曼滤波技术研究

由于定位误差的存在。在GPS动态导航定位中．为提高定位精度．必须对动态定位数据进行滤波处理。文中在比较分析各种动态模型的基础上。提出了应用卡尔曼滤波的GPS滤波模型．并通过对实测滤波算例仿真．证实了模型的可行性和有效性。     

基于卡尔曼滤波算法的数据链延时补偿

为了减小数据链信息传输处理延时对空战态势判断的影响,将预测滤波技术应用到数据链系统中。研究了直角坐标系下的卡尔曼滤波算法,采用"当前"统计模型来描述目标的机动加速度,在数据链信息传输过程中增加了延时补偿和数据处理,并通过坐标变换将态势信息转换到极坐标系下以适合雷达测量需要。仿真结果表明,应用卡尔曼滤波补偿后系统误差显著减小,大大提高了空战态势的判断精度,取得了比较理想的效果。     

PSO网络优化双重卡尔曼滤波在初始对准中的应用

为了解决捷联惯导系统初始对准过程中天向方位失准角收敛过慢的问题,提出了基于带惯性权重的微粒群（PSO）优化网络逼近的双重卡尔曼滤波算法．首先,利用滤波过程中产生了新的天向方位失准角九和水平方位失准角氐信息进行双重卡尔曼滤波估计。然后针对滤波结构复杂、运算量大的问题,利用双重卡尔曼滤波获取的数据作为训练样本,PSO优化神经网络的算法来实现捷联惯导的初始对准。仿真结果表明,新算法结构简单。计算量小,具有实时性和快速性,同时可以保证系统的对准精度。     

基于多尺度自适应卡尔曼滤波的分形信号去噪

针对1/f分形信号在传输过程会受到噪声污染问题,提出了一种基于小波变换与自适应卡尔曼滤波相结合的多尺度自,应去卷积滤波方法.根据小波变换对l/f分形信号进行白化的特点,在小波域对小波系数建模,先利用最小二乘法求解模型系数,然后基于自适应卡尔曼去卷积滤波对1If分形信号进行估计.仿真实验表明,在不同的输入信噪比与分形指数情况下,所提出的去噪方法均能取得较好的效果.     

机动目标跟踪的自适应卡尔曼滤波算法实现

为真实反映目标机动范围与强度的变化,引入了机动目标的“当前”统计模型,提出了一种基于该模型的自适应卡尔曼滤波算法．仿真结果表明,能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况,提高了跟踪的准确性和稳定性．     

弹箭滚转姿态地磁测角仪的卡尔曼滤波算法

为降低地磁测角仪测量地磁场矢量信息解算弹箭滚转姿态角误差,文中运用卡尔曼滤波算法对弹体滚转角进行估计.通过对火箭弹滚转角速度变化规律的分析,用二阶近似表达弹体滚转运动规律作为卡尔曼滤波算法的系统方程,以磁场强度与数字量输出之间的非线性关系作为卡尔曼滤波算法的量测模型.通过实验仿真分析结果表明,滤波所得弹体滚转角、滚转角速度精度满足弹道修正弹要求,可用于弹道修正弹药被动段的弹道控制.     

基于卡尔曼滤波的一体化引信与定向战斗部配合

引信与导引头一体化设计是提高引战配合效率的有效途径。基于改进后的去偏转换测量自适应卡尔曼滤波算法,把定向战斗部中心破片飞向角与弹目视线角之差作为起爆控制量,实现了一体化引信全公式化定向起爆控制。该算法将球坐标系中的测量信息转换到直角坐标系下,消除偏差后进行自适应滤波。利用前两点测量值,建立了滤波初始状态。仿真结果表明,该滤波算法参数估计精度很高,能提高引战配合效率。