基于强跟踪滤波器的在线故障诊断方法

为了能在线诊断非线性系统故障,介绍了一种基于参数估计为主的强跟踪滤波器方法。由于该方法可得到比较准确的非线性系统状态与参数估计,系统的状态与参数可以得到辨识,因此该方法是一种很有效的在线故障检测与诊断方式。仿真实例也证实了该方法的有效性。     

基于小波-强跟踪滤波的陀螺漂移在线预测

为进一步提高陀螺漂移预测精度,根据陀螺一次项漂移系数非平稳时间序列的特点,针对其数据的突变和趋势相较强的问题,提出一种基于小波和多重次优渐消因子强跟踪滤波相结合的非平稳时间序列在线预测方法,并将其应用于陀螺一次项漂移系数预测。实验结果表明,该方法能有效改善数据突变和较强趋势项所带来的状态估计不准、进而造成预测不准的问题,提高了预测精度。     

基于小波-强跟踪滤波的陀螺漂移在线预测

为进一步提高陀螺漂移预测精度,根据陀螺一次项漂移系数非平稳时间序列的特点,针对其数据的突变和趋势相较强的问题,提出一种基于小波和多重次优渐消因子强跟踪滤波相结合的非平稳时间序列在线预测方法,并将其应用于陀螺一次项漂移系数预测。实验结果表明,该方法能有效改善数据突变和较强趋势项所带来的状态估计不准、进而造成预测不准的问题,提高了预测精度。     

强跟踪UKF方法及其在故障辨识中的应用

在随机噪声的影响下,非线性滤波是进行非线性系统故障诊断的常用途径之一,UKF(unscented Kalman filter)相对于扩展卡尔曼滤波器能进一步提高滤波精度.本文针对普通UKF辨识非线性系统故障时跟踪缓慢且存在稳态偏差的问题,且为了抑制模型误差的影响,基于正交性原理,定义了实现强跟踪需满足的2个条件,通过强制使得残差序列保持近似高斯白噪声,得到了各状态渐消因子的求解方法,进而提出了强跟踪UKF方法.某型直升机并联舵机控制系统的实验结果表明,该方法能快速准确地辨识出系统的两种参数偏差型故障.     

一种带渐消因子的自适应“当前”统计模型

光电经纬仪对目标跟踪时,目标突发机动时的跟踪效果较差.为此设计了一种带渐消因子的自适应"当前"统计模型.引入渐消因子增强其对突发机动的自适应跟踪能力和其鲁棒性,改进的"当前"模型改善了普通"当前"模型对一般机动目标的跟踪性能.仿真结果表明,和一般"当前"统计模型算法相比,本文提出的算法明显提高了对目标突发机动的跟踪性能.     

基于改进SCKF算法的机车目标跟踪速度误差分析

为实现机车目标的高效跟踪,构建一种可以实现自适应匀加速分析的模型并能够进行波形自主调控的平方根容积卡尔曼滤波跟踪算法。在确定发射波形的过程中,应确保后续时刻达到最低的目标状态估计误差。利用波形捷变的方法可以得到最优波形参数,显著增强系统跟踪机车目标的能力。研究结果表明：经过波形调控后,本算法可以使目标方位误差减小89.56%、运动速度误差减小84.04%,加速度误差减小59.54%,并使耗时降低不明显;可以实现方位误差以及速度误差的缓慢降低,具备优异鲁棒性;信噪比减小后,表现出更优的性能。与其他各算法相比,本算法能够自适调节各项参数,获得更高的跟踪精度,所需的计算量也较小。     

基于鲁棒自适应SCKF的智能汽车目标状态跟踪研究

准确的自车和前车状态估计是智能汽车有效决策和控制的前提,而以往的研究通常不考虑噪声统计特性不确定的问题,导致某些情况下车辆状态估计的误差很大.为此,提出一种鲁棒自适应平方根容积卡尔曼滤波(Robust adaptive square-root cubature Kalman filter,RASCKF)算法,以降低噪声...     

自适应渐消EKF在移动机器人SLAM中的应用

针对即时定位与地图构建(Simultaneous localization and mapping,SLAM)中经典方法的误差累积以及噪声干扰问题,提出基于自适应渐消EKF的SLAM算法。该算法通过引入自适应渐消因子,实时在线调整先验概率密度估计,减小陈旧观测信息对系统估计的影响,在保证协方差矩阵正定性的同时,达到提高SLAM算法估计精度及增强其鲁棒性的目的。通过仿真和基于开源数据集的实验,将提出的算法与EKF-SLAM和UKF-SLAM两种算法进行比较,结果表明AFEKF-SLAM算法在估计精度上优于另外两种算法。     

基于STSCKF和改进型X2检验的模拟电路故障辨识

针对模拟电路中不可直接测量故障元件定位和参数估计问题,提出一种基于强跟踪平方根容积卡尔曼滤波(STSCKF)和X2验的故障辨识算法.根据强跟踪滤波理论,将X2验引入到强跟踪SCKF的残差异常检测中,解决了强跟踪SCKF缺乏故障定位能力的问题.改进传统的X2验法,增强其对缓变故障的检测灵敏性.首先利用改进型X2验法检测不同故障模型的STSCKF残差输出,确定故障元件,然后采用STSCKF对故障元件参数进行估计.有源滤波电路仿真模型和某型无人机发射机实际故障数据的实验结果表明,相比于传统的X2验法,改进型X2验能更早地定位故障参数,STSCKF估计误差分别低于强跟踪无迹卡尔曼滤波(STUKF)估计误差的90％和普通SCKF估计误差的5％.     

四轮独立驱动汽车多工况路面附着系数识别研究

四轮独立驱动（Four-wheel independent drive, 4WID）电动汽车具有较好的动力学稳定性协调控制潜力,轮胎-路面附着系数的识别是汽车操纵性能控制的基础。基于视觉传感器的路面识别方案成本高,传统卡尔曼滤波算法观测精度低且难以适应含有时变结构的非线性系统。众多研究已详细介绍均一路面附着系数的估计方法,尚未充分考虑对接和对开路面的观测方案。本研究将强跟踪理论（Strong tracking theory, STT）引入无迹卡尔曼滤波（Unscented Kalman filter, UKF）算法,构造强跟踪无迹卡尔曼滤波（Strong tracking unscented Kalman filter, STUKF）观测器,提高识别算法的识别精度,以及对时变附着系数的适应能力。考虑多重渐消因子计算过程的复杂性,本研究降低四轮路面识别模型的维数,构造两个含单重渐消因子矩阵的二维观测器,实时观测四个轮胎-路面附着系数。仿真和试验结果表明,与传统四维UKF算法相比,改进的并联STUKF算法能够更加有效地追踪转向或直行工况下均一路面、对接路面和对开路面的四轮附着系数。     

基于高斯和与SCKF的非线性非高斯滤波算法

针对均方根容积卡尔曼滤波(SCKF)对非高斯情况滤波效果差的问题,在分析SCKF和高斯和滤波基础上,提出一种高斯和均方根容积卡尔曼滤波新算法。算法采用高斯和形式来逼近非高斯后验概率密度,将SCKF作为子滤波器,对每个高斯分量进行时间和量测更新,使其有效解决非线性非高斯滤波问题。仿真结果表明,高斯和均方根容积卡尔曼滤波估计精度高于粒子滤波和高斯和扩展卡尔曼滤波算法,与容积粒子滤波精度相当,但耗时约为容积粒子滤波的15%,是一种较好平衡跟踪精度和实时性的非线性非高斯滤波算法。     

基于Kalman滤波的视觉预测目标跟踪及其应用

为了使得护理服务机器人实现一种平滑、柔顺的任务执行过程,建立了基于图像处理的视觉信息感知的几何模型,提出一种基于Kalman滤波预测估计的视觉信息感知方法,并据Kalman滤波理论建立了对包括机器人终端手抓等目标状态进行预测跟踪的模型,同时利用建立的模型在护理服务机器人系统中进行了试验研究,试验结果表明所提出的方法可以较好的对目标状态进行预测估计,通过“预测—校正”可以实现一种快速准确的视觉信息感知。该方法应用在护理服务机器人系统中可以减少视觉通道反馈信息的时间滞后问题,增强了人机对话和信息感知能力。     

Morphological filter improve the efficiency of automated tracking of secretory vesicles with various dynamic properties

Membrane trafficking is a very important physiological process involved in protein transport, endocytosis, and exocytosis. The functions of vesicles are strongly correlated with various spatial dynamic properties of vesicles, including their types of movements and morphology. Several methods are used to quantify such dynamic properties, but most of them are specific to particular populations of vesicles. We previously developed the so-called PTrack system for quantifying the dynamics of secretory vesicles near the cell surface, which are small and move slowly. To improve the system performance in quantifying large and fast-moving vesicles, we firstly combined morphological filter with two-threshold image processing techniques to locate granules of various sizes. Next, Kalman filtering was used to improve the performance in tracking fast-moving and large granules. Performance evaluation by using simulation image sequences shown that the new system, called PTrack II, yields better tracking accuracy. The tracking system was validated using time-lapse images of insulin granules in βTC3 cells, which revealed that PTrack II could track better than PTrack, averaged accuracy up to 56%. The overall tracking results indicate that PTrack II is better at tracking vesicles with various dynamic properties, which will facilitate the acquisition of more-complete information on vesicle dynamics. Microsc. Res. Tech., 2009. © 2009 Wiley-Liss, Inc.     

基于斜率约束和回溯搜索的水下多目标跟踪方法

针对复杂水域环境下的多目标跟踪问题,本文提出了一种基于斜率约束和回溯搜索的多目标跟踪方法。首先,基于方位测量数据和水下目标运动学分析,利用门限阈值的方法检测目标。然后,基于传统多假设跟踪算法框架设计一种新的斜率约束和共用量测的假设生成规则。在航迹中断时,通过回溯搜索的方法确定中断起始航迹点,利用容积卡尔曼滤波对中断航迹预测和补偿,同时对假设生成结果减枝,以达到降低算法空间复杂度的目的。试验结果表明:该方案能够实现多目标自动关联跟踪、中断航迹自动预测、自动航迹终止等任务,目标跟踪平均均方根误差0.594 4°,算法平均运行时间0.826 5 s。     

A novel method for estimating the track-soil parameters based on Kalman and improved strong tracking filters

A tracked vehicle has been widely used in exploring unknown environments and military fields. In current methods for suiting soil conditions, soil parameters need to be given and the traction performance cannot always be satisfied on soft soil. To solve the problem, it is essential to estimate track-soil parameters in real-time. Therefore, a detailed mathematical model is proposed for the first time. Furthermore, a novel algorithm which is composed of Kalman filter (KF) and improved strong tracking filter (STF) is developed for online track-soil estimation and named as KF–ISTF. By this method, the KF is used to estimate slip parameters, and the ISTF is used to estimate motion states. Then the key soil parameters can be estimated by using a suitable soil model. The experimental results show that equipped with the estimation algorithm, the proposed model can be used to estimate the track-soil parameters, and make the traction performance satisfied with soil conditions.     

基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究

针对在传感器网络目标跟踪的实际应用中,节点感知的数据与目标真实状态之间通常呈现非线性的特点,提出了一种基于改进不敏卡尔曼滤波的传感器网络目标跟踪算法。通过引入粒子群技术对不敏卡尔曼滤波中δ采样点的分布和收敛速度进行优化,使得δ采样点的分布更加接近目标的真实状态,以提高目标跟踪精度。同时,构建了一个随目标移动而动态生成的树形结构作为算法的执行平台。仿真结果表明,采用动态生成树作为算法执行平台提高了节点资源的利用率,降低了网络能耗,采用粒子群优化后的不敏卡尔曼滤波提高了目标跟踪精度,减少了算法运行时间。     

基于动态感兴趣区域的车道线识别与跟踪

利用车载机器视觉系统识别车道线以确定运动车辆相对道路的横向位置,是目前高速公路等规格化道路上实现车道保持的主要手段。通过理论计算确定采用车道线线性模型,能够满足识别的精度要求,同时提高了系统的实时性。卡尔曼滤波器动态确定感兴趣小窗口的大小和位置,实现车道线自动跟踪,使得图像预处理和车道线的Hough变换识别只在小窗口内进行,降低了计算成本。现场跑车试验结果表明,一帧道路图像的预处理和车道线识别与跟踪时间小于30 ms,且系统对道路上其他运动车辆等干扰具有较强的鲁棒性。     

激光电子经纬仪动态跟踪引导系统的设计

设计了一种基于视觉的激光电子经纬仪跟踪引导系统来提高电子经纬仪工作效率,实现其在大空间范围内目标点的动态测量.介绍了跟踪引导系统结构组成并分析了外置扫描设备以及激光电子经纬仪的运动特性.建立扫描设备运动学模型,说明了利用空间坐标转换关系,通过光轴搜索法实现了经纬仪激光点自动引导的策略.然后,给出了镜头的变焦控制方法.最...