基于AUKF算法的锂电池SOC估算

针对无迹卡尔曼滤波(UKF)算法在估算锂电池荷电状态(SOC)时忽略了系统噪声时变特性问题,导致估算精度降低,故提出了自适应无迹卡尔曼滤波(AUKF)算法.通过建立电池模型,利用UKF对SOC进行估算的同时,结合Sage-Husa自适应滤波算法时刻对系统噪声进行估计和修正,进而提高估算SOC时的精度.通过在不同工况下对...     

一种新型非线性卡尔曼滤波方法

提出了一种新型非线性卡尔曼滤波方法—单形无迹求积卡尔曼滤波(SUQKF)方法,该方法通过对单形无迹卡尔曼滤(SUKF)波所用的采样点进行修正,并与高斯-拉盖尔积分准则相结合,构造了一组个数、权系数和空间分布确定的新型高阶采样点,用来进行滤波。同时指出SUKF是SUQKF的特例。将所提方法通过实验与扩展卡尔曼滤波(EKF)、容积求积卡尔曼滤波(CQKF)进行比较,结果表明:SUQKF方法滤波精度高于EKF和CQKF,且收敛速度较快,实时性优于CQKF。     

基于UKF滤波的自主移动机器人锂电池SOC估计

准确估计剩余电量(state of charge,SOC)关系到自主移动机器人(AMR)的生存与安全,是AMR研究中所面临的主要挑战之一.针对广义卡尔曼滤波估计SOC的不足,本文给出基于无色卡尔曼滤波(UKF)估计AMR锂电池SOC的新方法.通过试验对UKF和EKF进行了比较.试验验证了同样条件下,UKF比EKF具有更好的滤波估计精度.     

水下动基座初始对准中的鲁棒自适应UKF方法

捷联式惯导水下动基座初始对准中,当量测噪声具有不确定、非高斯的统计特性时,对量测噪声作高斯分布假设和对量测噪声阵R作常值处理会造成无迹卡尔曼滤波(UKF)精度和鲁棒性变差。针对此问题,提出了一种基于投影统计(PS)算法的鲁棒自适应UKF(ARUKF)方法。方法首先利用PS算法确定存储新息的权值,对异常的新息进行重加权;而后利用MyersTapley方法自适应地估计R阵;最后利用Huber方法中的权函数对估计出来的R阵进行修正。基于江试试验的实测数据,利用UKF、鲁棒UKF(RUKF)和ARUKF进行非高斯量测噪声条件下的动基座初始对准实验,结果表明:当观测量受到野值的污染时,ARUKF不仅具备RUKF的鲁棒性,而且能够准确地估计出观测量的噪声协方差阵R,比UKF和RUKF具有更高的初始对准性能。     

基于IEKF-APF算法的汽车状态估计

行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量,准确获取行驶过程中的状态信息是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变量来估计难以测量的关键状态变量是一种常用的估计方法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状态进行估计。针对粒子滤波过程中出现的退化问题,应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重要性密度函数,辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样,结合这两种算法提出迭代扩展卡尔曼-辅助粒子滤波算法(Iterative extended Kalman filtering-auxiliary particle filtering algorithm, IEKF-APF)以改善粒子采样和估计精度的提高。为验证所提出的IEKF-APF算法估计性能,将其结果与实车试验结果和无迹卡尔曼滤波算法(Unscented Kalman filtering, UKF)估计结果进行比较,结果表明其估计性能优于UKF,更接近于试验结果。     

重力/地磁辅助的欧拉角无迹卡尔曼滤波姿态估计

为了克服应用扩展卡尔曼滤波(EKF)的姿态估计算法的线性化误差问题,提出了一种基于重力/地磁辅助的欧拉角无迹卡尔曼滤波(UKF)姿态估计算法来提升低成本微机电系统(MEMS)的姿态测量精度。应用重力与地磁数据抑制了MEMS姿态误差快速发散问题;将欧拉角作为状态,应用四元数完成时间更新过程中的姿态更新,避免了四元数作为状态的规范化问题及欧拉角姿态更新精度低的问题;由于UKF滤波器不存在线性化误差,故其具有更好的稳定性和姿态估计精度。应用实际MEMS数据开展的算法验证实验显示:与EKF姿态估计算法相比,提出的UKF姿态估计算法得到的俯仰与横滚角精度提高了近20%,航向角精度提高了12.1%。结果表明:本文提出算法的精度更高;然而由于UKF算法对状态协方差估计不足,其收敛时间有所增加。     

径向基粒子滤波状态跟踪测量算法

状态跟踪测量的过程噪声降低了目标信噪比,增加了自适应滤波跟踪的难度。当误差较大时,基本粒子滤波算法的预测累积误差效应将导致系统发散。无迹粒子滤波算法利用无迹卡尔曼滤波提高重要性函数估计精度,减少后验概率密度分布误差,但同时也将大幅增加运算时间。提出一种基于径向基函数网络(RBFN)的改进型粒子滤波算法PF-RBF,利用RBFN通过目标状态观测值和全局预测值拟合状态变化趋势,更新各粒子状态,提高先验概率密度分布估计精度,消除过程噪声引起的估计误差。与无迹粒子滤波(UPF)算法相比,该算法无需构造无迹卡尔曼滤波(UKF)重要性函数,提高了运算速度。机动目标跟踪试验表明,径向基粒子滤波算法在线性和非线性观测方程下的状态跟踪测量精度和算法稳定性均优于UKF、PF和UPF算法,可有效实现对状态变化的实时鲁棒跟踪。当参与运算的粒子数增加时,PF-RBF算法执行时间的增长速率较UPF算法更低,可满足高精度状态跟踪应用。     

基于无迹卡尔曼航空锂电池的SOC估算系统

针对放电条件下,航空锂电池的放电情况,考虑了电流及温度对极化参数的影响的电池模型。电池电荷状态(State of Charge,SOC)对于电池是十分重要的性能,为了精准估计航空锂电池的电池电荷状态(State of Charge,SOC),尝试使用无迹卡尔曼滤波(UKF)对航空锂电池的SOC进行估算,无迹卡尔曼滤波是一种新型的滤波估计算法。UKF以无损变换变换为基础,摒弃了对非线性函数进行线性化的传统做法,采用卡尔曼线性滤波框架,对于一步预测方程,使用无迹(UT)变换来处理均值和协方差的非线性传递,就成为UKF算法。UKF是对非线性函数的概率密度分布进行近似,用一系列确定样本来逼近状态的后验概率密度,而不是对非线性函数进行近似,不需要求导计算Jacobian矩阵。UKF没有线性化忽略高阶项,因此非线性分布统计量的计算精度较高。在simulink上建立航空锂电池的等效电路模型,进行仿真实验。仿真实验表明该算法SOC估算精度误差稳定在百分之五左右。     

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。     

U-卡尔曼滤波在状态估计中的应用

本文介绍了新的滤波估计方法-U卡尔曼滤波.UKF能给出最佳估计的至少二阶近似.本文通过一个时间序列的仿真实例说明UKF比EKF的估计精度要高.     

非线性滤波方法及其在故障诊断中的应用

传统的滤波方法一般基于线性化和高斯假设,在一定程度上影响了滤波精度和非线性系统故障诊断的准确率。该文从"近似非线性"和"近似概率"的方法入手,分析3种常用的非线性滤波算法:扩展卡尔曼滤波器(EKF)、U-卡尔曼滤波器(UKF)以及粒子滤波器(PF)的原理、方法及特点并介绍其在非线性故障诊断中的应用价值。     

Kinematic modeling of a track geometry using an Unscented Kalman Filter

New data filtering methods based on the Kalman filter concept are investigated for application to track geometry, where a track trolley is normally used to measure the track coordinates, cant and gauge, among others. Continuous as well as discrete measurements of the trolley are conceptually modeled, and the accuracy of the sampling scheme is also investigated. For this, a modified kinematic model of the track geometry involving transition and circular curves is proposed based on the tangential as well as normal acceleration, and both a nonlinear Extended Kalman Filter (EKF) and an augmented Unscented Kalman Filter (UKF) are applied to optimize the measured data. The efficiency and accuracy of the proposed models of EKF and UKF having a new kinematic equation is verified with ideal track geometry and with statistical methods including Root Mean Square (RMS). In addition, field measurement data are also considered to check the applicability of the models. Finally, future work on track geometry modeling based on a high-speed measurement vehicle is briefly outlined.     

应用RB无迹卡尔曼滤波组合导航提高GPS重获信号后的导航精度

针对微机电-船舶惯性导航/全球定位(MEMS-SINS/GPS)组合导航系统在GPS信号中断时造成的强非线性误差及重获信号后精度变差的问题,设计了基于Rao-Blackwellised无迹卡尔曼滤波(RB-UKF)的组合导航算法。首先,基于捷联平台欧拉失准角定义了姿态误差,建立了捷联惯导系统的非线性误差传播方程。然后,针对组合导航的状态方程为非线性而量测方程呈线性的特点,设计了RB-UKF算法,在保证精度的同时降低了计算量。最后,设计了滤波算法总体结构,分别给出了GPS信号正常时和中断时组合导航滤波计算的流程。将提出的算法用于跑车实验,结果表明:在GPS失锁20s和40s再重获信号之后,使用RB-UKF算法的组合导航系统位置精度分别优于6m和7.5m,比扩展卡尔曼滤波(EKF)算法精度提高了1.5倍以上,误差收敛速度提高了1.88~16.5倍,计算量比UKF量测更新的计算量减小了41.7%。实验显示该方法显著提升了组合导航系统GPS信号中断再恢复后的滤波精度,且易于工程实现。     

Detection of broken rotor bars in induction motors using nonlinear Kalman filters

This paper presents a model-based fault detection approach for induction motors. A new filtering technique using Unscented Kalman Filter (UKF) and Extended Kalman Filter (EKF) is utilized as a state estimation tool for on-line detection of broken bars in induction motors based on rotor parameter value estimation from stator current and voltage processing. The hypothesis on which the detection is based is that the failure events are detected by jumps in the estimated parameter values of the model. Both UKF and EKF are used to estimate the value of rotor resistance. Upon breaking a bar the estimated rotor resistance is increased instantly, thus providing two values of resistance after and before bar breakage. In order to compare the estimation performance of the EKF and UKF, both observers are designed for the same motor model and run with the same covariance matrices under the same conditions. Computer simulations are carried out for a squirrel cage induction motor. The results show the superiority of UKF over EKF in nonlinear system (such as induction motors) as it provides better estimates for rotor fault detection.     

基于变增益UKF的单站无源定位算法

将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,设计了变增益UKF滤波器。变增益UKF滤波器具备UKF滤波器精度高,稳定性好,不易发散的优点。蒙特卡罗仿真结果表明,该滤波器适用于实际情况,且具有比UKF和EKF更好的跟踪性能。     

利用火星卫星光学测量实现火星探测器自主导航

以火星探测为例,提出了通过对火星卫星进行光学测量实现火星探测器自主导航的方法。该方法在火星探测器上搭载光学相机,在飞向火星过程中对火星天然卫星（Phobos,火卫一;Deimos,火卫二）拍摄带有恒星背景的图像;通过恒星位置确定精确的惯性指向,利用得到的光学观测数据完成对火星探测器的自主导航。分别给出了基于扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）进行自主导航的方法和仿真计算结果。数据显示：EKF和UKF得到的结果基本一致,说明EKF在线性化过程中损失精度并不多。在巡航段后半程,与火星距离越近,导航精度越高。距离火星（1~5）×10⁷ km时,取数据间隔为1 min,如果测量精度为0.1",导航精度可达10~100 km量级,速度精度为0.01 m/s量级;如果测量精度为1",导航精度也相应要低一个量级。另外,单独使用火卫二的导航精度要高于单独使用火卫一,联合使用火卫一和火卫二的精度最高。仿真计算结果表明,利用火星卫星光学测量的火星探测器自主导航,可满足火星探测器高精度导航的要求。     

一种用于光电目标跟踪的非线性滤波算法

基于传统转换测量卡尔曼滤波算法,提出了一种二阶去偏转化测量卡尔曼滤波算法。该算法对转换测量方程进行二阶泰勒展开,得到转换测量值误差的均值和方差表达式,并对转换测量方程进行去偏差补偿,再经转换测量卡尔曼滤波,从而显著减小传统滤波算法的线性化误差,提高远距离目标的跟踪精度。仿真结果表明:二阶去偏转换测量卡尔曼滤波(SCMKF)算法跟踪精度明显优于传统的扩展卡尔曼滤波(EKF)算法和转换测量卡尔曼滤波(CMKF)算法,收敛速度比EKF算法至少可提高1倍。     

Pico satellite attitude estimation via Robust Unscented Kalman Filter in the presence of measurement faults

In the normal operation conditions of a pico satellite, a conventional Unscented Kalman Filter (UKF) gives sufficiently good estimation results. However, if the measurements are not reliable because of any kind of malfunction in the estimation system, UKF gives inaccurate results and diverges by time. This study introduces Robust Unscented Kalman Filter (RUKF) algorithms with the filter gain correction for the case of measurement malfunctions. By the use of defined variables named as measurement noise scale factor, the faulty measurements are taken into consideration with a small weight, and the estimations are corrected without affecting the characteristics of the accurate ones. Two different RUKF algorithms, one with single scale factor and one with multiple scale factors, are proposed and applied for the attitude estimation process of a pico satellite. The results of these algorithms are compared for different types of measurement faults in different estimation scenarios and recommendations about their applications are given.