基于谐波分析的煤浆电磁流量计信号处理方法

针对国内浆液型电磁流量计测量水煤浆流量时出现波动大、甚至回零的问题,采集现场水煤浆信号,进行时域和频域分析,找出其无法稳定测量水煤浆流量的原因。根据水煤浆信号的特征,提出基于励磁频率高次谐波分析的信号处理方法,选取受浆液噪声干扰小的高次谐波幅值来反映流量信号的大小,有效地避开了水煤浆噪声的干扰。在基于DSP的电磁流量计硬件系统上,实时实现水煤浆处理算法,并在现场进行实验。实验结果表明,测量的实时流量波动小于1 m~3/h,与现场实际流量的工况相吻合。     

基于微分干扰补偿的新型电磁流量测量方法

电磁流量计大多采用稳态励磁方案,励磁电流大,持续时间长,导致功耗很大,发热严重,影响其使用寿命。为了降低功耗,采用瞬态测量方法,通过研究瞬态时的信号模型,提出微分干扰补偿的处理方法,对信号电压进行微分干扰补偿,确定补偿后的电压除以励磁电流的结果与流量之间的关系。设计基于数字信号处理(DSP)的硬件,同步采集瞬态时的励磁电流和信号电压来验证该处理方法,离线数据处理表明,电压微分干扰补偿后的处理结果与流量有良好的线性关系。研制基于DSP的电磁流量变送器的软件,实时实现瞬态测量方法,进行水流量标定和功耗测试实验。实验结果表明,测量准确度达到0. 5%,与普通电磁流量计相同。功耗对比表明,基于瞬态测量原理的电磁流量计的励磁功耗是普通电磁流量计的1/1 200。     

用于电磁流量计信号调理的数模混合最优滤波方法

针对采用低频矩形波励磁的电磁流量计感应信号、干扰和噪声信号的特性,提出了基于数模混合最优滤波方法的信号调理方案。对数模混合最优滤波方法的原理和消除、抑制干扰和噪声的机制进行了理论分析,分析了该方法的原理误差及补偿方法,在此基础上设计了电磁流量计。理论分析和检定实验表明数模混合最优滤波法是一种有效消除微分噪声的方法,它既能除去电磁流量计的微分噪声,又能有效降低其他各类噪声干扰,从而获得更高信噪比的流量信号。     

面向强周期振动干扰的涡街流量计系统研制

涡街流量计是流体振动型流量仪表,易受管道振动、流场扰动等影响,在小流量条件下测量误差较大,尤其在强振动干 扰下涡街信号被淹没,无法准确测量。 本文研制抗强周期振动干扰的涡街流量计系统,采用带有电压负反馈的差动式电荷放大 器,提高小流量信号的放大能力;提出基于频移策略的频率方差算法,减少强周期振动干扰的影响。 首先通过频移策略降低相 近频率的影响,然后根据流量信号与周期振动干扰的频带宽度不同,通过计算和比较频率方差,判定流量信号频率。 研制了涡 街流量计信号处理系统并实验,结果表明,研制的系统扩展了量程下限,且在强周期振动干扰条件下可以准确提取信号,精度提 升 1 个数量级。     

电磁式涡街流量计测量含气导电液体流量研究

在测量含气导电液体流量时,电磁式涡街流量计利用已有的信号处理方法会出现流量信号频率计算错误的现象,造成较大的测量误差。为此,提出基于信号微分和快速傅里叶变换(FFT)频谱分析的算法,放大高频流量信号,抑制低频气泡噪声干扰,使整体流量信号能量占优,从而找到正确的流量信号频率。研制基于DSP的电磁式涡街流量变送器系统。设计一套两相流实验流程,进行气液两相流实验。实验结果表明,当含气量不超过3.9%时,所研制的电磁式涡街流量变送器系统实时测量误差优于±3%,大大减小了测量含气导电液体流量的误差。     

并行激励的电磁流量计电导率测量系统研制

针对现有的电磁流量计电导率测量方法测量精度低、附加激励与磁场激励分时进行,影响流量测量实时性等问题。 提 出一种并行激励的电磁流量计电导率测量方法,激励电路采用单路高频方波电容耦合的方式,该激励方式可与磁场激励并行激 励,使得流量信号与电导率信号均可以实时测量。 采用带通滤波与基于能量衰减的信号处理方法,提高了电导率测量精度和稳 定性。 流速实验结果表明,并行激励下可以实现电导率和流量同时测量,且在流体电导率为 100 μS / cm~ 3 mS / cm 的范围内测 量精度可以达到 3%,水流量标定精度优于 0. 5 级。     

基于自适应卡尔曼滤波的负荷参数在线辨识方法

传统负荷模型参数辨识方法在数据获取、辨识精度和在线辨识上受到限制,且基于传统卡尔曼滤波的参数辨识算法易受噪声干扰,辨识结果不稳定.为此提出一种基于自适应卡尔曼滤波的负荷参数在线辨识算法.首先建立线性化的负荷模型,基于广域测量系统(WAMS)同步相量测量单元(PMU)测得的实时在线数据,运用预报误差法的思路,使用改进的Sage-Husa自适应卡尔曼滤波算法辨识负荷模型参数.基于浙江电网220 kV华金变电站PMU数据的算例表明了自适应卡尔曼滤波算法辨识结果具有更高的参数稳定性和良好的拟合度.     

基于强跟踪容积卡尔曼滤波的永磁同步电机转子位置估计

对于电动汽车内置式永磁同步电机(IPMSM)驱动系统,转子位置的精度在高性能无传感器矢量控制中起到极其重要的作用。当电机在运行过程中受到外界干扰和系统状态突变时,传统的容积卡尔曼滤波(CKF)算法的动态响应较差,导致对转子位置的跟踪能力下降,估计精度降低,甚至引起滤波器发散。因此,本文采用强跟踪容积卡尔曼滤波(STCKF)算法,在传统的容积卡尔曼滤波的基础上引入了强跟踪滤波器(STF),进而动态改善容积卡尔曼滤波算法的估计精度和跟踪能力。在Matlab/Simulink中对改进的转子位置估计算法进行仿真分析,并且进行测功机台架实验。实验结果表明:强跟踪容积卡尔曼滤波算法响应快,跟踪能力强,估计精度相比于传统的容积卡尔曼滤波算法提高19%。     

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.     

测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

轻量级MEMS-LIDAR测距去噪算法研究

为解决激光雷达定位回波峰值时容易受到噪声干扰而导致测距结果存在误差偏大的问题。采用以两次卡尔曼滤波算法为基础，提出一种能够有效抑制噪声的算法。首先对时域回波进行卡尔曼滤波，然后对连续周期内的峰 峰位置差再次进行周期域的卡尔曼滤波，最后将峰 峰位置差映射为真实的空间距离。实验结果表明，上述算法处理后的距离方差降为去噪前方差的6%以下，平均绝对误差和均方根误差降为去噪前的20%~50%，说明所设计的滤波算法能有效降低噪声影响，使得测距结果更加稳定。     

基于卡尔曼滤波提升快速反射镜的噪声水平

为了降低快速反射镜位置传感器的噪声水平同时又尽可能的减小滤波器所带来的不必要的相位滞后,在同样的硬件基础上提升位置信号的测量精度。将卡尔曼滤波方法引入到快速反射镜控制系统中,同时鉴于卡尔曼滤波器对建模精度的要求,对快速反射镜进行扫频结合手动拟合建模,并结合模型设计卡尔曼滤波器。在此基础之上,对卡尔曼滤波器和巴特沃斯滤波器的输出信号以及原始信号进行频谱分析,比较两种滤波方式的滤波效果和频谱覆盖范围。实验结果表明,卡尔曼滤波器的滤波效果为巴特沃斯滤波器的2.55倍,相位滞后量比巴特沃斯滤波器小36.0°,同时频域结果显示卡尔曼滤波器可以对更大频率范围的噪声有效。经过卡尔曼滤波以后,位置传感器测量精度明显提升。     

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.     

民用导航型C／A码GPS接收机动态定位的强跟踪卡尔曼滤波研究

本文提出了一种改进的强跟踪卡尔曼滤波算法,应用于ＧＰＳ动态定位获得明显效果,首先建立了一种新的ＧＰＳ动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,滤波精度得到提高,且模型简单,系统运算量降低,实时性较好,然后,为了进一步提高滤波器的动态性能,改进了文献中的强跟踪滤波器,大大提高了滤波器的跟踪能力。     

基于自适应无迹卡尔曼滤波的动力电池SOC估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电池SOC时,在未知的干扰噪声条件下滤波精度较低和稳定性较差等问题,基于等效的二阶RC电路模型,提出自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法.在模型参数辨识的基础上,构建...     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

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。     

基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。