基于准模型校准卡尔曼滤波的巡检机器人运动系统辨识研究

巡检机器人在未来将运用到工业和生活的各个领域,机器人运动系统辨识对控制系统特性研究具有重要意义。针对传统卡尔曼滤波的拟合度和线性化等方面的不足,采用卡尔曼滤波和最小二乘法相结合的系统辨识方案。由最小二乘法得到系统准模型,并转换为状态方程,作为卡尔曼滤波器预测估计器,对机器人运动系统进行辨识。实验采用巡检机器人输出的多组轮速样本数据进行验证,实验结果表明,提出的辨识方案与无准模型的卡尔曼滤波系统辨识方案相比,参数易选取、拟合度好、鲁棒性强。     

改进卡尔曼滤波在北斗伪距定位中的研究

针对最小二乘迭代法定位精度不高和卡尔曼滤波迭代收敛次数较多并对初始位置过于敏感的缺点,采用最小二乘迭代法和改进的卡尔曼滤波相结合的模型方法,该算法先用最小二乘迭代法对初始位置进行定位,再用改进的卡尔曼法进行滤波,仿真结果表明,该算法与最小二乘迭代法、卡尔曼滤波法、最小二乘和卡尔曼滤波结合等现有算法相比,其迭代5次达到收敛,迭代次数最少,且定位精度提高了60%。该算法可在北斗伪距定位上进行应用,可用于导航定位、也可用于网络RTK初始位置的定位。     

铅酸电池模型及参数辨识研究

随着电动车技术的发展,铅酸电池得到了更广泛的应用。电池模型是研究动力电池充放电特性的重要工具,合理的电池模型能够仿真电池的充放电过程,通过系统辨识方法,电池模型参数还能够实时反映电池的性能状态。本文选用了二阶RC等效电路模型对在动态应力测试(DST)试验规程条件下的电池充放电行为进行仿真,采用含遗传因子的递推最小二乘算法(FFRLS)对模型参数进行辨识,并通过端电压比较法对辨识结果进行验证。结果表明:二阶RC等效电路模型参数可以提供较为精确的充放电过程仿真,模型参数辨识结果可提供包括内阻和电池开路电压等参数的估计,从而有助于反映电池的性能状态。     

光伏组件机理模型参数灵敏度分析及参数的辨识方法

由于光伏组件生产厂家所提供的光伏组件工程参数与光伏组件机理模型所需参数概念上并不一致,需要进行转换才可用于实际的电力系统动态分析。针对上述问题,对太阳能光伏组件机理模型进行了参数灵敏度分析,得到主导参数,忽略次要参数的影响,对机理模型进行了简化。然后根据厂家所提供的工程参数,提出了一套基于阻尼最小二乘算法的光伏组件机理模型的参数辨识方法,最后通过仿真算例验证了所提出的参数辨识方法的有效性。     

基于模型筛选法的卡尔曼滤波法在大坝变形分析中的应用

以模型筛选法为基础，将筛选出的变形误差最小的模型的模型参数作为 状态向量，用卡尔曼滤波法进行大坝变形分析。实例计算表明，这种方法能够提高模型的拟 合及预报精度。     

基于改进扩展卡尔曼滤波的锂电池SOC估计

为了减小模型参数发生变化带来的影响,提高锂电池荷电状态(SOC)的估计精度,提出了一种改进的扩展卡尔曼滤波算法(I-EKF)。建立Thevenin等效电路模型,采用遗忘因子最小二乘法进行参数辨识,将辨识的参数用局部加权回归(Lowess)算法与电池电压、电流进行拟合,利用拟合函数求出每一时刻对应的模型参数,再采用I-EKF算法进行SOC估计。实验分析表明,与传统的扩展卡尔曼滤波算法(EKF)相比,当模型参数发生变化时,I-EKF算法的估计精度更高,收敛后的估计误差基本在0.5%以内。     

非线性偏最小二乘回归在电力负荷预测中的应用

非线性(二次多项式)偏最小二乘既能够解决线性偏最小二乘只能提取线性成分的问题,它又借鉴了偏最小二乘回归方法能够有效地解决自变量集合多重相关性的问题,因而它更具有先进性,其计算结果更为可靠.本文将二次多项式非线性偏最小二乘回归应用于泉州地区的电力负荷预测.文章还将二次多项式偏最小二乘的预测结果并线性偏最小二乘和logistic模型的预测结果进行比较,实例预测结果表明,非线性偏最小二乘具有较高的预测精度,它能满足实际工程的要求.     

基于扩展卡尔曼滤波的智能电网虚假数据检测

虚假数据注入攻击（FDIA）是一种以破坏电力数据完整性与可用性为目的的隐蔽攻击,特点是由攻击者精心设计的攻击向量可以绕过电力系统常规数据检测,因此其检测方法对电力系统的稳定运行具有重要意义。提出了一种基于残差的方法来检测系统是否遭受攻击,保留了系统原有的加权最小二乘估计（WLS）,引入了一个额外的扩展卡尔曼滤波（EKF）。由于扩展卡尔曼滤波器的递归特点,在达到新的稳定值前会有一个较长的过程,利用这个过程中两估计器的残差超越所给定的阈值来判断系统是否遭受攻击。在IEEE14节点的仿真证明了检测方法对FDIA的有效性。     

变压器绕组等效模型参数的频域辨识

利用变压器绕组的频率响应,在频域中借助最小二乘法中的Ｇａｕｓｓ－Ｎｅｗｔｏｎ辨识方法,可以方便、快速地辨识变压器等效模型的参数。并借助一台模型变压器进行了验证,误差很小。     

Kalman滤波新息正交性抗野值法研究

在Kalman滤波应用过程中，观测值中的野值是影响滤波效果的重要因素。当观测中含有野值时，破坏了Kalman滤波新息的正交性，从而造成估计不准，滤波精度下降。本文提出了修正Kalman滤波新息正交性的方法，使修正后的Kalman滤波新息能够保持修正前的新息正交性。仿真结果表明，本文提出的方法有效地抑制观测中的野值对系统滤波的不利影响。     

基于回归分析的输电工程造价预测研究

基于国家电网公司20项输电工程的造价数据,运用相关分析基本理论,改进工程造价概算指标,在此基础上应用新的造价指标对输电工程造价进行预测.将预测结果与用BP神经网络模型预测的结果进行比较,验证了该方法的有效性和可推广性.     

卡尔曼滤波在天幕立靶测试系统中的应用

为解决天幕立靶测试系统检测信号中各种噪声干扰问题,根据卡尔曼滤波原理及方法对检测信号进行处理,通过建立系统状态模型和观测模型,将噪声简化处理为白噪声并对检测信号进行实时递推滤波,完成了卡尔曼滤波在天幕立靶测试系统中的应用.仿真结果表明,该方法满足系统测试要求,可减小测试产生的误差.通过实弹射击试验验证了该方法有效,并提高了靶场动态测量数据处理的精度.     

A note on Kalman filtering

The purpose of this paper is to point out a confusing phenomenon in the teaching of Kalman filtering. Students are often confused by noting that the a posteriori error covariance of the discrete Kalman filter (DKF) is smaller than the error covariance of the continuous Kalman filter (CKF), which would mean that the DKF is better than CKF since it gives a smaller error covariance. However, simulation results show that CKF gives estimates much closer to the true states. We provide a simple qualitative argument to explain this phenomenon     

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.     

Noise covariance matrix estimation with subspace model identification for Kalman filtering

A problem frequently encountered in Kalman filtering is the tuning of the noise covariance matrices. Indeed, misspecifying their values can drastically reduce the performance of the Kalman filter. Unfortunately, in most practical cases, noise statistics are not known a priori. This paper focuses on a method relying on subspace model identification theory to determine them accurately. This solution is developed for linear time invariant systems with stationary random disturbances having constant covariance matrices. Practically, these noise covariance matrices are determined from the comparison between an estimated state space representation and the discrete time state space representation involved in the Kalman filter equations. The method developed in this paper departs from most of the solutions available in the literature by the fact that it does not need any tuning parameter to be chosen by the user. After discussing theoretical results, several numerical examples are given to demonstrate the efficiency of the approach.     

基于卡尔曼滤波研究与应用

阐述了卡尔曼滤波的特点;针对目前卡尔曼滤波在电力系统中的实际应用,以在短路事故发生后的极短时间内发现并切断电路为例,给出了用卡尔漫滤波解决实际问题的实用方法:     

Short-term electric load forecasting based on Kalman filtering algorithm with moving window weather and load model

This paper presents a novel time-varying weather and load model for solving the short-term electric load-forecasting problem. The model utilizes moving window of current values of weather data as well as recent past history of load and weather data. The load forecasting is based on state space and Kalman filter approach. Time-varying state space model is used to model the load demand on hourly basis. Kalman filter is used recursively to estimate the optimal load forecast parameters for each hour of the day. The results indicate that the new forecasting model produces robust and accurate load forecasts compared to other approaches. Better results are obtained compared to other techniques published earlier in the literature.     

基于改进卡尔曼滤波的NLOS误差消除算法

随着无线传感器的网络的日益发展,TOF测距的应用也越来越广。针对基于TOF测距的测量值中包含的由信号的非视距传播引起的误差,提出了自适应测量噪声和有色噪声卡尔曼滤波相结合的消除NL0S误差的算法。该算法首先对测量噪声建立有色噪声模型,滤波参数根据NL0S环境的恶劣情况动态调整,再结合卡尔曼滤波算法,进而实时调整滤波过程以获得最优估计。通过仿真实验表明,该算法误差小,精确度高,适合用于动态实时定位系统。     

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...