一种基于卡尔曼滤波器的单级倒立摆的LQR方法

倒立摆的控制因其系统动态模型是非最小相位系统而很难用经典控制算法得到较好的控制效果.提出利用最优控制LQR方法来完成控制.由于利用最优控制,系统状态必须全部已知.考虑到系统噪声和量测噪声,根据分离性原理,利用LQR方法设计控制律,利用卡尔曼状态估计来完成系统状态的重构.仿真结果显示该方法具有良好的控制效果.     

美国空军最先进的导航系统投入试验

美国第746飞行试验中队对专为美国空军研发的F／A-22隐形战斗机设计的新的全球惯性导航系统(GINS)进行了鉴定。该系统有一个嵌入式12信道接收机和56状态卡尔曼滤波器，GINS代表了当今先进的标准嵌入式(GPS／INS(EGI)军用飞机导航系统。静态以及中、高动态试验环境保证了GINS下一阶段的研制、操作测试和鉴定工作。     

INS/GPS姿态组合导航系统卡尔曼滤波器设计

在建立用于卡尔曼滤波的INS和GPS姿态误差模型基础上,给出INS/GPS姿态组合系统的误差方程和量测方程,仿真结果表明：在通常的利用位置和速度作为观测量的INS/GPS组合导航系统中,加入GPS姿态观测量后,INS的位置误差、速度精度及姿态精度都得到较大提高,同时INS元件误差也能得到较好的估计。     

大型船舶航迹多变量随机最优控制

基于随机控制理论，研究了大型船舶航迹的随机最优控制。以Mariner号船舶为研究对象，建立了该船的运动方程和干扰模型，在此基础上，利用卡尔曼滤波器对航向角Ψ、舵角δ、船位信息(经纬度)等进行最优估计，采用LQG随机控制方法对航迹进行随机最优控制。仿真结果表明航迹控制性能良好，能精确保持航迹。     

GPS导航滤波器的设计

本文基于卡尔曼滤波的理论，在分析GPS导航滤波器的基础上，应用UDU^T分解法和自适应过程，设计了一个实际不发散且运算速度快的卡尔曼滤波器，并已成功地应用于GPS接收机中。     

基于粒子滤波的跟踪算法研究

在非线性条件下,扩展Kalman 滤波（ EKF）的应用最为广泛。但是,由于它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波（ PF）用一些带有权值的随机样本（粒子）来表示所需要的后验概率密度,并通过这些粒子的加权来估计目标运动的状态,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比,并且研究了噪声协方差与粒子数对PF的影响。 PF与EKF的对比实验结果表明,在强非线性条件下,PF比EKF跟踪精度更高,误差更低。     

基于改进FUKF的燃气轮机性能退化诊断

针对燃气轮机使用过程中由于工作状态突变导致轮机性能估计困难的问题,提出基于残差相似性的渐消无迹卡尔曼滤波（fading unscented Kalman filter with residual similarity,FUKF-RS）算法,实现燃气轮机健康参数的估计.首先,在普通渐消无迹卡尔曼滤波（fading unscented Kalman filter,FUKF）框架下,构造燃气轮机健康参数估值算法,在测量值估计更新过程中,乘以渐消因子来调节前后时刻的权重,通过强制残差正交来估计渐消因子;然后,利用前后估值时刻残差向量的余弦值表征残差阵的相似度,根据其相似度的大小关系确定残差阵的比例;最后,用该比例值代替算法中的遗忘因子,计算残差阵,实现求解的量化取值.研究结果表明:在燃气轮机状态突变条件下,FUKF-RS算法具有突变状态跟踪能力,参数估值精度比FUKF算法提高了3%左右,普通UKF（unscented Kalman filter,UKF）则不具突变状态跟踪能力;在部件性能缓慢变化时,参数的估计曲线比普通FUKF更平滑,估计精度提高了2%左右.      

Constrained submap algorithm for simultaneous localization and mapping

When solving the problem of simultaneous localization and mapping (SLAM), a standard extended Kalman filter (EKF) is subject to linearization errors and causes optimistic estimation. This paper proposes a submap algorithm, which builds a weighted least squares (WLS) constraint between two adjacent submaps according to the different estimations of the common features and the relationship between the vehicle poses in the corresponding submaps. By establishing the constraint equation after loop closing, re-linearization is implemented and each submap’s reference frame tends to its equilibrium position quickly. Experimental results demonstrate that the algorithm could get a globally consistent map and linearization errors are limited in local regions.     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

船舶永磁同步电机在线惯量辨识研究

针对船舶永磁同步电机推进系统的转动惯量和负载转矩存在扰动的问题,提出基于梯度校正法与扩展卡尔曼滤波器结合的在线惯量辨识算法,采用梯度校正法对转动惯量进行辨识,利用扩展卡尔曼滤波器观测负载转矩,辨识的惯量值对滤波器的系数矩阵进行修正,同时观测的负载转矩作为梯度校正法的输入参数以及作为电流环的前馈补偿。仿真和实验验证了惯量辨识算法的可行性,以及系统对于负载转矩变化的抗扰动性能。