基于WSN的多目标跟踪及反馈控制平台

针对多目标跟踪易产生网络冲突与超声波传感器之间的干扰问题,搭建多目标实时跟踪及反馈控制平台,提出一种有效的传感器节点调度策略。对于网络中分布式的异步测量问题,研究扩展卡尔曼滤波定位算法,实现多目标实时定位跟踪。实验结果表明,该策略有效避免多目标跟踪造成的超声波测量干扰和网络冲突,实现机器人网络化实时反馈控制和多机器人协同控制。     

基于UWB和IMU紧组合的室内定位导航算法

针对超宽带(UWB)在室内复杂环境中定位导航精度低,受非视距(NLOS)误差影响严重,且无法提供目标姿态信息的问题,提出一种基于UWB和惯性测量单元(IMU)紧组合的室内定位导航算法。以位置、速度、四元数、加速度计偏差和陀螺仪偏差为状态向量,通过扩展卡尔曼滤波算法融合UWB和IMU测量信息,加速度计偏差校正速度和位置,陀螺仪偏差校正四元数;用测量残差计算量测噪声因子,组成残差矩阵,动态调整量测噪声协方差矩阵,抑制NLOS误差对定位导航的影响。结果表明,在室内复杂环境下,基于UWB和IMU紧组合的定位导航算法比仅使用UWB定位时LS-Taylor算法精度提高了88.6%,增强了系统抗NLOS误差的能力,提高了动态定位精度,并能得到较准确的姿态信息,具有良好的实用性和鲁棒性。     

基于扩展卡尔曼滤波的锂离子电池荷电状态估计

针对电池荷电状态（SOC）难以准确估计的问题,采用扩展卡尔曼滤波方法来提高SOC的估计精度。首先以磷酸铁锂电池为研究对象,建立了电池的PNGV等效电路模型,并采用充放电实验和离线辨识的方法得到模型中的参数,得到了开路电压、欧姆内阻、极化内阻和极化电容与SOC的多项式函数关系;然后,对模型进行验证,并分析了模型的准确性;最后,在实际工况下,运用扩展卡尔曼滤波方法估计锂离子电池的SOC值,并与安时法计算的SOC值进行比较。结果表明,PNGV模型结合扩展卡尔曼滤波方法估计的锂离子电池SOC值的最大误差仅为2.78%,提高了电池SOC的估计精度。     

基于EKF的低速永磁电机控制系统建模与分析

为了实现大转矩、低转速永磁电机的变频控制,提出了一种基于卡尔曼滤波原理的调速系统。在系统中,采用卡尔曼滤波算法对电机位置、转速和d—q轴电流进行了估计。在广义卡尔曼滤波（EKF）的基础上,系统的电流环和速度环采用PI控制,电机采用空间矢量脉宽调制（SVPWM）矢量控制方法。利用Matlab／Simulink对整个系统进行了仿真建模,并对仿真结果进行了分析。通过对误差的分析以及参数鲁棒性的分析,可以证明卡尔曼滤波算法适用于低速的永磁电机调速系统。     

基于离散平稳小波变换的EKF数据融合算法

针对车辆GPS／DR组合导航系统中广泛采用的扩展卡尔曼滤波器进行数据融合难以建立精确的数学模型的问题,提出了基于离散平稳小波变换的扩展卡尔曼滤波器数据融合算法。仿真表明,该算法优于扩展卡尔曼滤波器,对车辆组合导航系统的数据融合是有效的。     

方位时延的TMA算法及其可观测性研究

设计了一种新型的水下被动目标运动分析系统,以测得的方位序列和到达不同传感器的时间延迟为基础,建立了状态方程和观测方程。利用非线性系统的可观测性定理分析了该系统,得出了基于方位时延量测水下被动TMA系统的可观测性结论并分析了可观测度。运用扩展卡尔曼滤波算法,对被动定位性能进行了分析。通过计算机仿真实验,验证了得到的可观测性结论。仿真结果同时也表明,该水下被动TMA系统具有收敛速度快、精度高、稳定性好等优点,有着良好的应用前景。     

Multisensor 3D Posture Determination of a Mobile Robot Using Inertial and Ultrasonic Sensors

This paper presents methodologies and techniques for fusing inertial and ultrasonic sensors to estimate the current posture of a mobile robot navigating over indoor uneven terrain. This new type of pose tracking system is developed by means of fusing an inertial navigation subsystem (INS) and an ultrasonic localization subsystem. Extended Kalman filtering (EKF)-based algorithm for integrating both the subsystems is proposed to obtain reliable attitude and position estimates of the vehicle and to eliminate the accumulation errors caused by wheel slippage and surface roughness. Experimental results are conducted to illustrate feasibility and effectiveness of the proposed system and method.     

用扩展卡尔曼滤波器估计无刷直流电机转子位置和转速

无位置传感器控制方案是目前无刷直流电机控制的研究热点。论文给出了一种利用扩展卡尔曼滤波器（EKF）估计无刷直流电机转子位置和转速的方法，该方法仅需三相定子相电流即可实现对电机转子状态的估计，计算量小，成本低。针对提出的控制策略，文章在Matlab／Simulink下进行了仿真。仿真结果进一步说明所提出的控制策略的有效性。     

基于UKF的星光角距卫星自主导航方法研究

介绍了星光角距卫星自主导航的方法,该方法利用高精度的CCD星敏感器结合红外地球敏感器直接测算出星光与地心夹角(星光角距),从而实现对卫星的精确导航.通过仿真计算,比较了分别采用EKF(Extended Kalman Filter)和UKF(Unscented Kalman Filter)估计卫星位置及速度的滤波效果.结果表明,UKF收敛快,精度高.这是由于卫星自主导航系统是非线性系统,UKF利用UT变换完成时间更新,应用最小方差估计进行量测更新,不存在EKF中由于线性化而带来的较大的高阶截断误差.     

CDKF在车载捷联惯导自对准中的应用

研究了车载捷联惯导在大方位失准角下的静基座自对准。采用Sigma点卡尔曼滤波,根据均值与协方差信息按非线性映射传播的特点,直接利用非线性模型,可以消除EKF存在的需要解析Jacobi矩阵以及将非线性系统线性化后的系统模型误差问题不易调整的弊端,其中的中心差分卡尔曼滤波(CDKF)精度高,且对状态协方差阵不敏感。仿真结果表明,在大方位失准角下采用CDKF进行初始对准,比用传统的EKF更精确且收敛速度更快。