一种摄动粒子滤波故障检测方法

粒子滤波算法在故障检测应用中面临的两个难题是退化问题和难以跟踪突变状态。针对上述问题,将随机摄动再采样方法和强跟踪滤波算法引入粒子滤波,提出了一种摄动粒子滤波故障检测方法,旨在于解决粒子滤波的退化问题并提高算法对突变状态的跟踪能力,从而提高故障检测方法对故障的检测准确度。通过强跟踪滤波更新粒子,来提高算法跟踪突变状态的能力;当出现退化现象时,采用随机摄动再采样方法,对粒子集中的最优粒子迭加一个随机摄动量,用摄动粒子替换粒子集中的退化粒子,解决退化问题。仿真结果显示该算法能及时、准确地检测系统故障。     

改进布谷鸟算法优化粒子滤波的多目标跟踪方法

标准粒子滤波器的重采样会造成粒子贫化,影响跟踪系统的精度。为克服这一缺陷,提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢,模拟布谷鸟寻找宿主鸟巢位置的行为,通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时,改进布谷鸟搜索算法的寻优机制,提出动态搜索步长和强化局部搜索的方法,加强了算法的全局搜索的收敛速度。此外,改进算法结合了联合概率数据关联,用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验,对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明,本文提出的算法不仅全局收敛速度更快,而且提高了多机动目标跟踪的精度;与标准布谷鸟搜索优化粒子滤波算法相比,全局收敛迭代速度提高了28.5%;与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比,估计精度分别提高了24.7%和11.81%。     

基于改进粒子滤波的空间红外小目标跟踪方法

为有效跟踪空间红外小目标,常采用基于粒子滤波的检测跟踪算法。粒子滤波中,防止粒子退化的两个关键因素是选择合理的建议分布和重采样算法。在对重采样算法研究的基础上,提出了以有效粒子数作为阈值进行模型切换,分别利用残差重采样和系统重采样的优势,将两种采样模型有机结合,从而得到一种自适应的残差系统重采样（RSR）算法。实验结果表明,所提出的改进重采样算法在时间和跟踪精度上均优于经典重采样算法,有效地提高了空间红外小目标跟踪的效率和稳定性。     

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。     

复杂应用环境下粒子群光伏MPPT控制方法

通过建立基于采样数据的光伏曲线离散化非线性状态空间模型,分析复杂应用环境对光伏最大功率点跟踪(MPPT)控制的影响,运用递推最小二乘滤波减弱量测误差,针对状态变化造成的多功率极值问题,采用粒子群优化(PSO)算法跟踪全局最大功率点,最后通过仿真与实验验证所提跟踪策略能克服复杂应用环境影响,准确跟踪阵列全局最大功率点且能抑制量测噪声,提高算法的跟踪精度。     

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。     

基于拟蒙特卡洛滤波的改进式粒子滤波目标跟踪算法

单摄像机视觉跟踪过程中,常发生目标被遮挡或背景复杂的情况,此时容易跟丢目标,为了提高跟踪的准确性。从目标表现和背景的不确定性入手,以协方差特征对目标表现以及背景进行建模,应用到到粒子滤波的框架中,优化采样粒子的分布,在估计粒子的权重时,不仅考虑目标的真实状态和可能状态的相似性,还考虑了目标可能的状态和背景的差异.将提出的算法与粒子滤波,均值漂移,基于协方差概率跟踪算法进行比较,通过MATLAB2010编程平台,比较了几种算法的处理速度以及跟踪误差,试验结果表明,提出的算法每秒处理速度为60帧/s,优于上述3种跟踪算法平均误差值也高于另外3种算法。所提出算法在目标存在遮挡和背景较为复杂时,能够保证对目标进行准确,连续的跟踪。     

考虑粒子记忆传播的说话人精确跟踪方法

针对配备了摄像机和麦克风阵列的智能环境中说话人跟踪问题,提出了一种考虑运动说话人状态记忆效应的跟踪方法。该方法在粒子滤波框架内,融合说话人动态模型,通过粒子状态在时间上的连续预测克服虚假声源对跟踪精度的影响;通过借鉴粒子群算法中粒子的交互能力,通过优化适应度函数,引入适应度衰减机制,实现粒子记忆状态的跨时间传递,确保在发生说话人动态模型不匹配或当前观测错误的情况下,实现过往最佳匹配信息的记忆传递,并通过粒子相互作用,共享适应度信息,加快收敛速度,有效改善了粒子的收敛性能。实验结果表明,方法较好改善了不同复杂环境下的跟踪性能。     

基于改进粒子滤波的锂离子电池剩余寿命预测

针对锂离子电池剩余寿命预测精度低、泛化能力差等问题,提出基于改进粒子滤波的预测方案。首先,提出双高斯模型作为退化经验模型,拟合锂离子电池的容量退化过程。然后,通过先验知识设置退化模型的初始参数,并利用粒子滤波方法进行参数更新。针对预测过程中出现的粒子退化问题,提出高斯混合方法进行粒子重采样,拟合重采样过程中粒子复杂的非线性分布和长尾分布,保证预测结果的概率密度分布状况均匀且集中。最后在不同的数据集上进行了实验验证,结果表明所提出的改进粒子滤波方案具有较高的精度和较强的鲁棒性。     

基于激光信息的移动机器人定位研究

针对移动机器人在导航定位过程中,使用传统蒙特卡罗定位算法会产生粒子收敛较慢和定位精度不高,以及发生人为绑架情况后重定位效率较低的问题,给出了一种改进的粒子滤波定位方法来提高移动机器人的导航定位效率.首先,在蒙特卡罗定位算法的基础上进行改进,融入自适应区域划分的方法,保证所划区域包含更多有效信息,减少粒子的收敛时间,完成机器人初步粗定位.然后,在粒子采样和重采样阶段,使用正态分布概率模型进行粒子权重更新,实现更加快速高效地全局精定位.通过实验对比分析,所给方法与基于蒙特卡罗定位算法相比较,耗时缩短了4s,且本文的自适应蒙特卡罗定位方法,能够将定位误差保持在6cm左右,从而验证了所给方法的有效性和稳定性.     

融合粒子滤波和环境标签矫正的巡检机器人自主定位算法

随着巡检机器人的需求量增加,巡检机器人在复杂环境中的自主定位问题越来越重要。提出了融合粒子滤波和环境标签矫正的自主定位算法,充分利用巡检机器人的工作环境特性和蒙特卡罗定位算法的特性,提高机器人自主定位的效率和效果。基于ROS建立了机器人仿真环境,对定位算法的效果进行了测试。实验结果表明融合粒子滤波和环境标签矫正的自主定位算法的效率和准确性有所提高,能够很快实现定位恢复。     

ECO 多特征融合目标工件跟踪方法研究

针对复杂环境中目标工件跟踪精度不高的问题,提出了一种基于ECO改进的目标工件跟踪方法.首先基于ECO相关滤波器框架,采用VGG特征与传统手工特征加权融合的方法,有效提高目标工件跟踪精度;然后,利用快速判别尺度空间跟踪器实现对目标工件的尺度自适应跟踪;最后,引入一种高置信度更新指标确定跟踪模型的稀疏更新策略,提高算法鲁棒性.在OTB-2015标准数据集上进行测试,并与其他主流跟踪算法进行对比,实验结果表明,该算法的平均跟踪精度和平均重叠精度均为最优,分别达到89.2％和68.6％;对于使用CCD工业相机拍摄的目标工件数据集,同样具备良好的跟踪性能,进一步验证了算法有效性.     

一种基于粒子滤波的鲁棒声源跟踪算法

为了提高噪声和混响环境中声源跟踪的精度,提出一种基于粒子滤波的鲁棒声源跟踪算法。在基于麦克风阵列的粒子滤波声源跟踪算法框架下,该方法分别采用常规可控波束形成和相位变换加权的可控响应功率两种声源定位函数来构造似然函数,并且分别用这两种似然函数评价粒子权重,再将各自的粒子权重归一化并对两种粒子权重做加权平均得到新的粒子权重。仿真结果表明,在高信噪比或弱混响条件下,该方法的跟踪性能与传统方法接近;在信噪比低于10dB,混响时间大于300ms条件下,该算法的跟踪误差比传统算法减小15%~20%。文中提出的声源跟踪算法结合了两种定位函数的优点,在低信噪比,较强混响环境下有好的鲁棒性。     

基于遗传算法粒子滤波的多径跟踪

多径效应引起的误差是高精度卫星导航系统的定位系统的主要误差源之一.接收到的导航信号受到各种各样的环境因素的干扰,如建筑阻隔,云层阴影等.最新的消除多路径效应的方法都是基于贝叶斯估计的粒子滤波.为保持粒子空间的多样性,解决现有粒子滤波算法在多峰值的样本空间出现的退化现象,提出了一种新的基于遗传算法的粒子滤波.对本算法进行...     

一种抗差自适应UKF算法及其在GNSS/SINS组合导航系统的应用

GNSS/SINS组合导航系统标准UKF算法缺乏对量测噪声方差及系统状态异常的自适应调节能力,进而影响了组合导航系统的滤波精度。为了解决上述问题,提出了一种抗差自适应UKF算法。首先,该算法引入变分贝叶斯估计原理以实时估计量测噪声方差;然后,基于滤波器预测残差,构建了自适应因子以降低系统状态异常时对导航解的影响;最后,将该算法应用于GNSS/SINS组合导航系统中,仿真结果表明,当量测噪声统计特性发生变化时,相对于标准UKF算法及抗差UKF算法,在整个仿真时段内,本文算法可提高位置精度分别为51.2%及9.3%,同时可以降低系统模型异常扰动和滤波器初值偏差对导航解的影响。实验结果表明本文算法具有较强的自适应性及抗差性,可提升复杂环境下组合导航系统的精度。     

变电站二次设备巡检的Mecanum轮式机器人精确定位与作业辨识

通过巡检机器人进行变电站二次设备的监测是提升电力设备自动化、智能化管理的重要方式,有利于保障电力工程设备的安全运行。本研究开发了一种用于变电站二次设备自动化巡检的Mecanum轮式机器人,具备自主导航定位与作业辨识的能力,可极大提升设备巡检效率及保护压板状态识别准确性。通过Mecanum轮的驱动方式实现巡检机器人在狭窄作业环境下的灵活运动与姿态调整,多轨道升降平台实现对350-1800 mm高度范围内的二次设备及压板的图像采集与状态辨识。机器人采用基于激光雷达的SLAM导航方法进行自主定位导航,并结合基于视觉的路径提取与跟踪算法进行姿态位置修正,实现在待测点位置的精确定位。同时,提出了基于颜色辨识的图像排列与状态辨识方法,针对二次设备保护压板连通状态进行识别和判断。实验结果表明,研制的变电站二次设备巡检机器人可以实现自主导航与位置精确定位,在路径跟踪过程中最大偏角和偏距分别为±3°和±8 mm。结合机器视觉与颜色辨识的压板辨识方法可以准确识别压板状态,识别准确率大于95.80%,有助于提升机器人自动化的电力巡检作业水平。     

基于改进TLD的运动目标跟踪算法研究

针对TLD目标跟踪算法在实际跟踪过程中会受到遮挡、旋转、运动模糊等问题的影响，提出了一种改进的TLD算法，在跟踪模块中引入改进FAST角点算法，并在检测模块中建立随机切块的数据增强方法下的正样本库，引入旋转不变LBP算法，设计了一个旋转不变性的分类器。跟踪模块的改进不仅保证了算法的准确度，还提升了算法的实时性。检测模块的改进使得TLD算法即使在运动目标部分被遮挡或发生形态改变的情况下依旧有很好的跟踪效果。对数据集OTB 2013进行实验验证发现，本文算法与其他5种算法相比，不仅跟踪精确度高、运行速度快，还能有效提高运动目标被遮挡时的跟踪效果。     

基于变截止频率的梯形离散磁链观测控制系统

为了解决直接转矩控制系统中永磁同步电机抗干扰能力差的问题,速度环采用自抗扰控制器取代传统PI控制器,移除自抗扰控制器中的跟踪微分器以提高系统信号的跟踪速率,并且通过引入负载观测器对速度环进行前馈补偿,减少自抗扰控制器的负担;同时考虑到电流采样时零漂产生的干扰,引入二阶高通滤波器对传统电压模型进行滤波操作,采用梯形离散法对二阶高通滤波器进行离散处理,提高观测器的观测精度,并设置滤波器截止频率跟随电角速度变化,提高系统的动态性能。最后仿真结果表明系统输出转速超调小,输出磁链、转矩精度高,具有良好的抗干扰能力。