基于UKF滤波的水下目标被动跟踪研究

传统算法在解决目标被动跟踪时存在有偏、收敛速度慢或发散等不足,文中将无迹卡尔曼滤波(UKF)算法应用到目标的被动跟踪.该算法是一种以扩展卡尔曼滤波算法为基本框架,以贝叶斯理论和UT变换为理论基础的新型滤波算法.根据UT变换的基本原理给出了滤波过程的具体计算步骤并进行了仿真计算.理论分析和仿真结果表明,UKF算法的性能相当于二阶高斯滤波器,UKF算法在目标被动跟踪中的滤波精度、稳定性和收敛时间都优于EKF算法.     

天文定位的是了优估计方法及其应用

论述了天文定位的最优估计方法及其精度。六分仪观测值依赖于ＧＭＴ和推算船位的该值的预测值之差，与来自上瞳尔曼滤波器增益阵的Ｋφ和Ｋλ相乘，可以得到推算船位与最优估计船位的差值Ｄφ和Ｄλ。     

基于卡尔曼估计和最优控制的汽车悬架控制研究

本文采用了卡尔曼估计和线性二次型最优控制相结合的控制方法,对七自由度整车悬架系统进行主动控制,通过对各种路面进行仿真,仿真结果显示采用此控制方法汽车悬架进行主动控制,可显著提高汽车的行驶平顺性.     

基于EKF的自动泊车系统位姿估计算法设计

利用车辆2个后轮轮速信号和方向盘转角信号,基于扩展卡尔曼滤波技术设计一种车辆位姿估计算法,并在veDYNA中仿真试验。仿真结果表明,算法的估计精度比较理想,可满足泊车系统对自身车辆定位的需求。以定位精度2 cm（1σ）的GPS信号为参考,实车试验结果表明,位置估计误差控制在3%以内,此精度的估计结果可以为泊车系统提供车辆定位信息,为增强泊车安全性奠定基础。     

车辆组合导航系统自适应UKF滤波算法

针对传统卡尔曼滤波和扩展卡尔曼滤波(EKF)在导航中存在的缺点,在车辆GPS/DR组合导航系统中引入了Unscented Kalman filter(UKF)算法,并提出一种改进的开窗估计算法,采用一种自适应算法来动态调整开窗大小,减小了算法计算量。利用此方法对系统过程噪声进行实时跟踪,并与UKF方法相结合。仿真试验表明:此方法滤波精度和稳定性都有了一定的提高,同时相比传统UKF算法又具有更好的自适应性。     

弹道再入目标轨迹跟踪中非线性滤波算法研究

弹道再入目标轨迹跟踪是一个重要的非线性滤波应用问题。论文将常见的非线性滤波器分类为基于点的滤波器和基于密度的滤波器,对比分析了各类算法的基础理论原理,仿真实验得出在高斯噪声条件下,EKF要优于UKF和PF,在闪烁噪声条件下PF要优于EKF和UKF的结论。     

概率匹配和状态预测的不连续空间车辆识别跟踪算法

为了解决交通路段不连续监控区域车辆目标的自动识别跟踪问题,提出了一种不连续空间车辆识别跟踪算法.该算法分为识别阶段和跟踪阶段,识别阶段利用高斯概率密度估计的方法建立前一场景中某个车辆目标的概率函数,再通过概率函数计算出出现在下一场景中的所有车辆的匹配概率,用概率阈值确定是否有车辆与前一场景的车辆目标匹配,匹配的车辆在下一场景中将被标记识别.而在跟踪阶段中车辆的跟踪基于无迹卡尔曼滤波(UKF),通过状态预测同时跟踪不同的车辆目标.该算法可以解决在不同路段的监控视频中自动识别并跟踪肇事潜逃车辆等实际问题.通过试验测试表明,该算法在车辆目标的识别上具有一定的精准性,且能够实现对车辆目标的实时跟踪.     

车辆转向工况下的路面附着系数估计算法

提出了一种在转向工况下根据车轮侧偏特性估计路面附着系数的算法.首先在Matlab/Simulink中建立了七自由度整车模型,分析了车轮的侧偏特性;然后设计了扩展卡尔曼滤波器,以根据车辆的纵、侧向加速度,估算车辆的纵、侧向速度,并据此计算出车轮的侧偏角;最后,采用反向传播神经网络算法,根据前轮侧偏角和横摆角速度及其增益,估计路面附着系数.仿真结果验证了该算法的有效性.     

计及时变扰动下永磁牵引电机无传感器滑模控制

针对永磁同步牵引电机因参数摄动不确定因素造成控制性能下降以及速度传感器存在成本高、环境要求严格、估计精度不足等问题，提出了一种基于自适应广义高阶平方根容积卡尔曼滤波算法（ASRGHCKF）无速度传感器的永磁同步电机（PMSM）自适应非奇异快速终端滑模控制算法。首先，建立参数摄动下PMSM数学模型；其次，基于扩展滑模扰动观测器（ESMDO）设计自适应非奇异快速终端滑模转速控制算法（ANFTSMC），选择新型指数趋近律可随系统距离滑模面的远近自适应调整趋近速度，同时ESMDO实时精准观测系统的未知扰动部分；最后，结合ASRGHCKF实时精准估计电机的转速和转子位置。通过与PI和传统SMC算法进行仿真和半实物试验对比，验证了该算法在电机参数摄动下暂稳态性能更佳，有利于改善PMSM的无速度传感器控制效果。