基于高阶神经网络扩展卡尔曼滤波器逆算法的非线性挠性结构的姿态控制

本文针对非线性挠性结构的姿态控制,提出了一种基于高阶神经网络及径向基函数网络（ＲＢＦＮ）相结合的网络模型,用于非线性挠性结构的动态系统辨识,以及基于卡尔曼滤波器（ＥＫＦ）逆算法的控制策略。针对神经网络辨识时的模型误差,提出了一种简单有效的补偿方法,给出了建模误差补偿与补偿时仿真结果。仿真得出,该方法具有收敛快,算法简单,并能有效消除建模误差等优点。     

基于SOKID的无人动力伞模型辨识

对具有独特飞行特性的无人动力伞(Unmanned Powered Parafoil,UPP)进行了研究,建立了无人动力伞九自由度非线性动力学方程,研究了观测器/卡尔曼滤波辨识算法和改进的子空间观测器/卡尔曼滤波辨识算法.根据系统的飞行数据,辨识得到系统的纵向状态空间模型,分析了两种辨识模型的俯仰角响应特性和辨识精度.仿...     

基于Kalman滤波的谐波电流实时检测仿真分析

谐波电流的实时检测是有源电力滤波器实现的关键,数字化的实现引入了一定的时间延迟,影响了其滤波效果。将三相谐波电流进行Clark坐标变换到两相正交坐标系中,利用Kalman算法对系统进行建模,检测出各次谐波电流的幅值和相角。通过选取合理的Kalman状态变量,运用简单的代数运算向模型中增加了一个相位补偿角,来消除延时的影响。最后,利用Matlab进行仿真实验,验证了该方法的有效性和正确性。     

基于卡尔曼滤波的无人机组合导航系统设计

针对卡尔曼滤波在实际应用中遇到的系统通常不是严格线性的问题,改进了在组合导航系统中常用的卡尔曼滤波方法,用扩展卡尔曼滤波对INS和外部测量源的信息进行融合,推导了无人机GPS辅助惯性导航系统的导航方程.通过分析GPS和INS的定位原理,建立了GPS和INS的误差模型.完成了以INS为主导航系统,GPS作为辅助系统的组合导航系统的扩展卡尔曼滤波设计.最后,将线性卡尔曼滤波和扩展卡尔曼滤波的结果进行了仿真对比分析,结果表明:扩展卡尔曼滤波更适合系统为非线性的情况.     

Adaptation‐Enhanced Model‐Based Control with Charge Feedback for Piezo‐Actuated Stage

This paper proposes a new control design to compensate for the residual control error from charge feedback control. A part of the applied voltage is consumed by the hysteresis effect because of the nature of the piezoelectric material; moreover, this effect is difficult to overcome because it is rate dependent. This work utilizes a piezoelectric electromechanical model to propose a precompensation algorithm for a piezoelectric actuator. A nonlinear compensator can be used to treat both the hysteresis nonlinearity and the rate dependency of the system, and the adjustable parameters are specified through adaptive identification with only basic system information. The proposed design can position a piezoelectric stage with a magnifying mechanism within a few nanometers of a target, and the leftover hysteresis phenomenon is negligible.     

基于改进卡尔曼滤波的陀螺仪误差补偿算法

针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度.     

改进的卡尔曼滤波算法系统参数辨识仿真研究

研究系统参数辨识精度提高问题。辨识是从实验数据中提取有关系统信息的过程,由于存在噪声影响辨识精度,针对传统的卡尔曼滤波算法不能很好地提高跟踪精度且算法复杂的缺陷,为了解决实际系统辨识中参数噪声方差和观测噪声方差未知的等相关问题,提出了一种改进的无味卡尔曼滤波算法系统参数辨识方法,仿真结果表明,算法具有更好的泛化能力,在复杂的系统负载等情况下,也可以对系统的参数精确有效的进行辨识,验证了该算法是一种有效适用的系统参数辨识方法。     

基于模糊卡尔曼滤波器的网络控制系统状态估计

针对基于T S模糊模型的网络控制系统提出了一种卡尔曼滤波器的设计方法．先运用卡尔曼滤波理论给每个子系统设计出子滤波器，然后通过这些子滤波器的模糊融合得出全局滤波器．本文证明此全局滤波器可实现无偏状态估计，并给出了其稳定的条件．最后用仿真实例验证了所提出的卡尔曼滤波器的有效性．     

基于卡尔曼滤波的液压主动悬架控制研究

汽车的液压主动悬架系统在控制过程中不可避免的受到噪声的影响。应用卡尔曼滤波对系统的状态向量做最优估计,并应用到系统的全状态反馈控制中,可以有效的提高系统的鲁棒性。文章给出了卡尔曼滤波的应用条件,对单一LQR调节器系统和基于LQG理论的调节器系统做了仿真对比。在LQR调节器系统中前置卡尔曼滤波,能得到更好的振动控制效果。     

抑制柔性机械臂残留振荡的时滞滤波器设计

将时滞滤波器技术应用于柔性机械臂残留振荡的控制,获得了良好的控制效果。根据柔性机械臂简化的二阶系统模型进行时滞滤波器的设计,指出时滞滤波器实质上是一种零极点对消技术。实验结果验证了时滞滤波器抑制柔性臂残留振荡的有效性。     

基于无迹卡尔曼滤波的旋转倒立摆LQR控制

LQR控制器在含有系统噪声与量测噪声的旋转倒立摆系统应用中,难以获得精确的状态向量实现对系统的最优控制.为了提高LQR的控制精度,引入了无迹卡尔曼滤波(UKF)状态观测器,以获得系统的最优状态估计量,实现基于动态规划的自抗扰二次型最优反馈控策略.与卡尔曼滤波(KF)相比,UKF用于非线性系统的状态估计的主要优势是不需要线性化去计算状态转移矩阵,避免了系统线性化带来的模型误差.在含有系统噪声与量测噪声的旋转倒立摆仿真模型下,对基于KF和UKF的LQR控制器进行了仿真对比分析.仿真结果表明,UKF对系统响应时间、控制精度、鲁棒性的优化效果更好.     

基于卡尔曼滤波器的间歇反应预测控制

在间歇反应过程的温度跟踪控制问题中,为了实现全工况范围内反应器温度设定值的精确跟踪,设计了一种改进的预测控制算法.在反应自身产热对系统输出影响未知的情况下,用带有输入干扰的系统模型来建模夹套温度与反应温度之间关系,并将该干扰项增广为状态变量,然后结合线性卡尔曼滤波器估计出干扰的大小及其时系统输出的影响;结合估计出的干扰,在DMC控制算法对其加以补偿.最后在半实物的仿真环境中,验证了该控制算法在间歇温度控制中的效果,结果表明,该控制方法在一定程度上克服了反应产热对温度跟踪精度的影响,改善了控制效果.     

基于卡尔曼滤波的陶瓷配料控制系统

介绍了陶瓷配料控制系统的控制原理以及基于AVR单片机的电子秤硬件设计。针对配料系统中干扰多,传统PID控制精度不高、稳定性较差的不足,提出基于卡尔曼滤波的PID控制器设计算法。该算法基于线性最小平方法进行有效递推计算,通过设置卡尔曼滤波器各项参数,可提高系统控制性能,并对加入滤波器前后2种情况下的仿真结果进行对比分析,仿真结果表明,在相同的外部条件下,采用卡尔曼滤波器的PID控制系统优于传统的PID控制系统,并将该算法应用于陶瓷配料系统中,算法投入前后的实时数据表明,提出算法提高了对象控制精度,稳定了陶瓷地砖的质量,具有较好的应用价值。     

基于改进容积卡尔曼的PMLSM无传感控制研究

在永磁直线同步电机(PMLSM)的无传感器控制系统中,需要对动子的位置和速度进行实时状态估计.针对标准的容积卡尔曼滤波算法在PMLSM无传感控制中存在状态协方差矩阵易失去非负定性,以及噪声统计特性未知时变导致的滤波精度降低甚至发散的问题,提出一种容积卡尔曼滤波的改进算法.该算法结合平方根滤波和改进的渐消型记忆时变噪声估...     

基于Kalman滤波器的高精度电子称设计

针对传统电子称功能单一、数据稳定速度慢、精度低等问题,设计了一种基于Kalman滤波器的高精度电子称。系统以STM32为主控单元,详细介绍了各个模块的实现方法。首先设计了高精度的应变片式称重传感器,并在该硬件基础上设计了更加快速有效的数据滤波算法,然后从算法的时间复杂度和空间复杂度的角度,对电子称中数据的几种常用滤波方式进行了对比。最后在传统电子称的基础上增加了一些联网、标定等新颖功能。实际测试结果表明,该电子称性能稳定,数据稳定速度快,称重精度满足国家规定的三级称称重标准。     

基于卡尔曼粒子滤波器的人眼跟踪

提出了一种基于卡尔曼粒子滤波器的人眼跟踪算法，该方法利用一种新的二维可变形模板来提取眼睛的精确特征，采用粒子滤波器跟踪人眼。为了进一步提高普通粒子滤波器跟踪的速度和精度，将卡尔曼滤波器引入粒子滤波器中，利用卡尔曼滤波器算法进行采样预测和校正，减少了人眼跟踪中所需的粒子数目，从而达到快速而准确的跟踪目的。最后，用上述方法进行了实验，验证了该方法的实用性和有效性。     

基于卡尔曼滤波的汽车制动器试验台电机控制方法

针对汽车制动器试验台电惯量补偿控制方法不够准确、稳定性不高的问题;分析飞轮组测控时序图,综合比较了多个相关电机惯量控制方法;在此基础上,研究自回归滤波器卡尔曼滤波理论,给出汽车制动台测控系统的状态向量、观测向量及相关的系统误差的定义;建立了电动机驱动电流依赖于观测量的卡尔曼滤波模型;模型以实测数据进行仿真计算,实验结果与传统测控方法相比,误差指标更好及系统更稳定;该控制方法可为制动器试验台能量补偿控制方法的改进提供参考.     

基于卡尔曼滤波理论的脑电逆问题反演

由头皮上的电压推断出大脑内神经活动源的过程称之为脑电逆问题,这一问题的解决具有重要的研究意义和应用价值。为了有效地进行脑电逆问题的反演计算,提出了一种基于状态空间的新的脑电逆问题求解算法。该方法首先根据神经系统的动力学方程得到状态方程,并由脑电系统的观测方程构成测量方程;然后应用卡尔曼滤波方法来反演大脑内活动源的信息。这种新的求逆算法不仅可以处理脑电系统中的不确定因素,而且还可以将静态和动态脑电逆问题的求解统一到同一框架下,因此具有一定的新颖性;最后分别给出了模拟数据和实际脑电数据的实验结果。实验结果证明,卡尔曼滤波法更具优越性。     

基于改进容积卡尔曼滤波的认知雷达跟踪算法

在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.     

基于联邦滤波技术的吨位智能测量系统

该文介绍了联邦Ka lm an滤波器的原理和结构,对多传感器信息融合技术在船舶吨位智能测量系统中的应用进行了探讨。文中构建了船舶吨位智能测量系统,根据系统需要详细设计了一种基于联邦Ka lm an滤波结构的多声纳传感器信息融合算法,并且给出了计算船舶吨位的算法,在多声纳传感器融合过程中,提出“变参考系统”方法来提高系统精度和可靠性,最后用MATLAB对本系统进行了仿真。仿真结果表明,算法有较高的系统精度和容错性,系统可行。