自适应抗野值Kalman滤波

针对Kalman滤波中存在量测野值的特点,依据滤波基本理论,提出了残差变化率概念.将残差变化率引入到野值判定标准中,根据量测值变化率的大小自动调整判断阀值,给出了判别野值的检验方法.由于采用了测量与估计的动态信息,使得野值的判定更为准确,并采用替代的方法对单个或连续野值加以修正,保证了Kalman滤波精确度与数据的连续性.仿真结果表明,当量测值出现较大变化时,这种方法能有效提高系统对野值的检测准确度和滤波精确度.     

基于Kalman滤波的车用锌空电池组SOC估算

锌空电池因其较好的工作特性,是极具潜力的电动汽车用电池,而对锌空电池SOC的估算是车用电池管理系统研究的关键。在基于传统安时累积法估算基础上,以Thevenin电池模型结合Kalman滤波算法,提高对SOC的估算精度。通过基于SAE J227a工况的仿真与实验,验证了该算法能够较好地解决SOCi对SOC估算的影响因素,进而有效改进估算结果,在环境温度和空气流通性充分的情况下,达到小于4.5%的误差值。     

基于Kalman滤波原理的电力系统动态状态估计的研究综述

状态估计是现代EMS的重要组成部分,特别是动态状态估计,能实现实时运行状态的估计和预报功能.通过对动态估计算法Kalman滤波算法和国内外学者的一些改进算法的现状研究,分析了这些算法目前存在的主要问题.并基于此提出了Kalman滤波算法的新的改进措施,研究了方向和发展趋势.     

基于Kalman滤波原理的电力系统动态状态估计的研究综述

状态估计是现代EMS的重要组成部分,特别是动态状态估计,能实现实时运行状态的估计和预报功能。通过对动态估计算法Kalman滤波算法和国内外学者的一些改进算法的现状研究,分析了这些算法目前存在的主要问题。并基于此提出了Kalman滤波算法的新的改进措施,研究了方向和发展趋势。     

基于Kalman滤波算法的电力变压器顶层油温预测研究

油浸式电力变压器油温是影响变压器运行寿命和负载能力的重要因素,与变压器顶层油温密切相关。运行在高温、过负荷情况下的变压器容易因为绕组热点温度过高导致早期故障,而顶层油温是变压器热点温度的重要指标。为能精确预测变压器顶层油温,通过分析基于变压器热路模型的顶层油温动态微分方程,构造基于Kalman滤波的顶层油温状态方程和测量方程,建立了顶层油温实时最优估计模型,实时地预测变压器顶层油温。结合现场实测数据对比分析Kalman滤波模型及IEEE导则推荐模型预测结果,结果表明Kalman滤波模型相对IEEE导则推荐模型具备更高的精度,为油浸式变压器顶层油温预测提供一种新的参考。     

基于Kalman滤波糙率反演模型的河道洪水实时预报研究

建立基于Kalman滤波理论的河道糙率反演模型。将河道不规则断面沿程概化为矩形、三角形和抛物线型断面。引入水力半径与水深的经验关系,基于圣维南方程组动量方程中惯性项与弗洛德数相关性,推求水深对糙率的偏导数,建立基于Kalman滤波理论的平原区河道糙率反演模型。选择淮河干流王家坝至鲁台子河段为例,将糙率反演模型与水动力学模型相结合进行河道洪水实时预报,并与一维水动力学模型的预报结果进行比较分析。结果表明,在预见期为6小时的实时预报中,耦合模型与原水动力学模型均取得较好的预报效果,耦合模型预报精度好于原水动力学模型,也证明了所建模型的合理性。     

正交L接线单相双值电容电动机研究

以单相L接线电动机为分析对象,着重分析了电动机的对称运行条件,以及电动机的匝比、运行电容、起动电容的确定,及它们对电动机性能的影响。     

基于相分量法的新型感应滤波变压器端口数学模型

为解决传统工业整流机组因为谐波污染严重带来的变压器绕组振动、噪声大及损耗大等问题,本文研究了一种基于感应滤波技术的新型十二脉波整流变压器。以零阻抗设计为前提、耦合电路为依据,采用相分量法建立了包含端口电气参数间耦合特性的全解耦数学模型及等值电路。通过对中性点经电阻接地及外接滤波装置的特性分析,建立了更为详尽的节点拓展模型与降阶简化模型。最后,通过搭建相关仿真模型及实验平台,验证了本文端口数学模型的正确性,为短路故障电流分布、潮流计算等实际工程应用奠定理论基础。     

基于求导法的dq变换结合形态学滤波的电压暂降检测方法

电压暂降是电力系统中频繁出现的严重电能质量问题,而传统的电压暂降检测方法在实时性和精确性上仍有不足,对此提出一种基于形态学滤波器和求导法αβ-dq变换的单相电压暂降快速检测方法。详细分析了基于求导的αβ-dq变换法检测原理,通过比较不同结构元素的形态滤波器的性能,选取合适的结构元素的形态滤波器滤除系统谐波和噪声,提高算法的精确性。使用软件仿真分析,并通过使用该方法分析实验室搭建的模拟电压暂降模型采集到的数据,进一步对该方法进行验证,结果表明该方法可以快速、准确地检测出电压暂降的幅值、持续时间和相位变化。     

一种基于指数渐消因子的自适应卡尔曼滤波算法

本文应用自适应估计理论,提出了一种指数渐消因子自适应算法。该算法通过实测残差与理论残差的比值来确定指数方程的系数,调节自适应渐消因子,保证了滤波的稳定性,提高了滤波精度,并且冲破了经验储备系数的限制。最后对比其他三种自适应滤波算法进行了仿真比较,仿真结果表明,指数渐消因子自适应滤波算法是一种实用而有效的算法。     

基于逆向卡尔曼滤波的电力变换器故障诊断方法

针对变换器中因电解电容退化而引起的等效电阻异变的故障诊断问题,提出了一种基于逆向卡尔曼滤波的电力变换器故障诊断方法。将变换器抽象为一类卡尔曼滤波动态方程。将电路元件参数作为卡尔曼滤波的未知状态,利用电路的电压和电流作为已知矩阵,逆向推导卡尔曼滤波递推公式,完成电力变换器的参数辨识和故障诊断。针对变换器正常状态下的参数辨识结果,表明所提出的逆向卡尔曼滤波参数辨识算法具有较高的精度。同时针对变换器故障状态下的故障诊断结果,表明逆向卡尔曼滤波算法也具有很好的跟踪性,能够快速显示故障元件及其参数变化情况。仿真验证了所提出方法的有效性和实用性。     

基于Kalman滤波的头盔运动姿态的预测方法

针对头盔瞄准具单目视觉定位系统中,由于面阵CCD相机帧频的限制而导致对其定位速度慢的问题,提出了一种基于自适应Unscented Kalman滤波的头盔运动姿态固定超前预测方法。首先,分析了飞行员头部的运动特点,利用匀变速运动来描述头盔的实际运动,并建立了头盔姿态固定超前预测的状态空间模型;然后,基于自适应Unscented Kalman滤波理论分别对头盔在相机连续2次采样中间的非采样时刻和采样时刻的姿态进行固定超前预测,并利用采样时刻头盔姿态的测量值对其固定超前预测值进行实时的修正,以在间接提高头盔定位速度的同时,保证其定位精度;最后,搭建了单目视觉姿态测量与预测实验系统,对该方法的有效性和准确性进行了验证。实验结果表明,该方法能够对头盔瞄准具在相机连续2次采样中间的非采样时刻的运动姿态进行有效而准确的固定超前预测,在保证了对头盔定位精度的前提下,可以有效地将其定位速度提高1倍。     

遮挡情况下基于卡尔曼滤波的运动目标跟踪

传统的Camshift算法在跟踪的目标发生遮挡时容易导致跟踪失败,针对这种情况提出将Kalman滤波与Camshift相融合的算法.在运动的跟踪目标出现遮挡的情况下,根据Camshift算法得到的运动目标在上一帧的运动参数,利用卡尔曼滤波对当前帧运动目标的参数进行预测,从而保证了实时跟踪.实验对动态遮挡和静态遮挡两种情...     

动态GPS卡尔曼滤波中的神经网络算法研究

GPS导航系统噪声具有非先验性,而传统的卡尔曼滤波器要求假设动态模型和观测模型的噪声统计特性已知,因此传统卡尔曼滤波导航定位的方法定位精度不高.本文提出采用前向神经网络辅助调节卡尔曼滤波器,这样既考虑了现实环境的动态变化对系统模型造成的随机干扰影响,又融合了神经网络的自学习性和自适应性,使其具有自适应能力以应付动态环境的扰动,其中自适应利用神经网络的BP算法得以实现.仿真研究表明:该算法优于普通的卡尔曼滤波器.     

卡尔曼滤波在组合导航数据处理中的应用

通过自主推航算法设计、仿真分析及程序测试等,围绕基于航位推算算法的GPS/DVL/FOG组合导航系统中多源信息滤波问题进行了详细研究与分析.联系已建立的数学模型并且引入卡尔曼滤波算法来进行数据处理,抑制水下无人航行器导航定位数据测量过程中的误差干扰信号.利用水试实验数据,将滤波后航位推算得到的航迹轨迹同GPS定位轨迹进行比较和分析,发现经过滤波后的航位推算所得航迹与GPS定位轨迹基本保持一致,并且其基于GPS数据的导航偏差很小,且最终趋近于无穷小,最终提高了导航定位精度.     

基于卡尔曼滤波的高精度弹道滤波算法研究

在弹道轨迹估计中,卡尔曼滤波算法是一种普遍使用的算法,常规卡尔曼滤波算法适用于线性离散系统.对于非线性离散系统模型,为了提高滤波的精度,减小系统模型误差以及未知的量测噪声和过程噪声统计特性对滤波精度的影响,提出了一种带有噪声统计估计器的拟线性最优平滑滤波算法.将该算法应用到弹道系统模型中,对弹道轨迹进行滤波估计.通过计算机建模仿真改进的算法和传统的拟线性最优平滑滤波算法,得到的实验结果表明,改进后的算法可以减小由于系统模型不精确带来的误差,很大程度上提高了弹道轨迹滤波估计的精度.     

基于EKF算法的铅酸蓄电池SOC在线检测装置设计

为在线检测铅酸蓄电池的荷电状态,基于6-TKA-180型铅酸蓄电池建立其等效电路模型并进行参数辨识,在此基础上,应用扩展卡尔曼滤波算法进行了铅酸蓄电池荷电状态在线检测装置的设计,并通过实验验证了基于扩展卡尔曼滤波算法的铅酸蓄电池荷电状态在线检测的可靠性与准确性。     

基于模糊卡尔曼滤波的HEV氢镍电池SOC估计

混合动力汽车(HEV)电池管理系统工作于恶劣工况环境中,采用常规卡尔曼滤波算法估计电池荷电状态(SOC)时,量测噪声统计特性随实际工况条件剧烈变化,会导致估测不准,甚至滤波发散.采用基于模糊自适应卡尔曼滤波的氢镍动力电池SOC估算算法,通过监视理论残差与实际残差的比值,对量测噪声协方差阵进行递推在线修正,使其逐渐逼近真实噪声水平,从而使滤波器执行最优估计,提高估算精度.仿真结果表明,这种算法对随机的量测噪声具有较强的抑制能力.