多采样率EKF及其在感应电机转速估计中的应用

在深入研究EKF算法和多采样率数字控制系统的基础上,建立了多采样率EKF算法,分别推导了其输入和输出算法,并将其应用于感应电机的转速估计中.通过仿真验证了该算法比单采样率扩展Kalm an滤波算法具有更高的信息获取和状态估计能力,并能有效抑止噪声,转速估计误差减小41.7%~87.6%.     

联合动力学与运动学的汽车状态估计

为了准确估计汽车的横向速度,利用七自由度汽车动力学模型、汽车运动学方程和Duoff非线性轮胎模型,建立包含噪声统计特性的汽车离散化动力学和运动学方程,提出2种方程联合的汽车状态联合估计算法。基于球面单形径向容积卡尔曼滤波(spherical simplex-radial cubature kalman filter,SSRCKF)和汽车动力学方程估计汽车的纵向速度和横向速度,以该纵向速度为量测输入,用容积卡尔曼滤波(cubature kalman filter,CKF)和运动学方程更精确地估计汽车的横向速度。利用CarSim及MATLAB/Simulink建立估计算法模型,并验证联合估计算法的有效性。该联合估计算法在双移线工况中横向速度的估计精度较SSRCKF提高了4.73%。     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

基于改进卡尔曼滤波锂离子电池SOC估计

为了估算锂离子电池的剩余电量，考虑估计过程中的噪声影响，采用卡尔曼滤波方式进行电池的荷电状态估计研究。以戴维南等效电路模型为基础进行了电池参数的辨识，利用Simulink建立基于卡尔曼滤波的电池荷电状态估计模型。分析了电池在不同的放电电流的工况下，测量误差对电池荷电状态估计的影响，提出了改进卡尔曼滤波算法。仿真结果表明：与拓展卡尔曼滤波算法相比，改进卡尔曼滤波算法精度更高。     

基于等效模型扩展卡尔曼滤波锂电池SOC估算

电池管理系统(BMS)的主要任务是对电池荷电状态(SOC)、续航里程和防止电池过充过放等进行实时诊断,其中电池荷电状态的快速精确的估计是BMS的核心技术。基于锂电池这一动态非线性系统,提出了一种更接近于真实的、改进的PNGV电池等效模型;基于改进的PNGV电池等效模型,对比了卡尔曼滤波算法(KF)和扩展卡尔曼滤波算法(EKF)诊断电池荷电状态的实验结果;分析了扩展卡尔曼滤波算法诊断的实验误差。研究表明:采用扩展卡尔曼滤波算法对电池荷电状态进行诊断得到的结果更加精确,其误差能够一直保持在5%以内。     

插值方法在TDOA估计中的研究与应用

TDOA时延估计中,互相关法是最经典方法之一,其所能估计时延的最大精度为系统采样周期.为了将估算精度推进到亚采样周期级别,对原始信号数据进行点内插值预处理,通过算法间接实现提高系统采样率,在此基础上,运用广义互相关及多项式拟合对时延进行估计,尝试提升时延估计的最大精度.通过Matlab仿真及实测数据分析,结果表明,在数据预处理中进行插值处理,可大大提升时延估算精度,时延估算累计误差能够明显收敛,且该算法复杂度低,易于投入工程实测中使用.     

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.      

基于小波卡尔曼滤波的加速度计降噪方法

针对GF-INS中加速度计降噪的实际问题,提出了一种非零均值观测噪声小波卡尔曼滤波算法.在非标准观测噪声条件下,利用滑动数据窗内的小波变换实时在线估计出观测噪声的方差和均值,作为标准卡尔曼滤波的修正信息,从而实现了标准卡尔曼滤波算法的扩展.实验结果表明,在观测噪声为非标准噪声且统计规律未知的条件下,该自适应降噪方法能获得较好的滤波效果,加速度计信号的噪声方差强度减少了3个数量级.     

考虑不同路面附着情况的整车质量估计方法研究

利用带有遗忘因子的递推最小二乘估计,实现了一种整车质量估计方法,该方法考虑了不同路面附着情况对整车质量估计过程的影响,通过引入路面特征系数,实现了算法对不同路面附着情况的适应。基于Matlab/Simulink编写辨识算法并在CarMaker中完成仿真测试,测试结果表明所实现的辨识方法对整车质量估计的精度可控制在10%之内。此外,由于递推最小二乘估计方法和卡尔曼滤波方法之间的内在联系,通过推导表明了递推最小二乘估计方法是状态转移矩阵为单位阵的卡尔曼滤波方法的特殊形式,为2种估计方法的工程应用形式及调试过程提供了更全面的信息。     

单矢量水听器多目标方位的盲估计研究

为实现单矢量水听器的多目标方位估计,研究了水声矢量信号的盲估计问题.根据单矢量水听器的阵列流型特点,结合盲源分离技术,提出了一种新的单矢量水听器多目标方位估计算法.在目标信号先验信息未知的情况下,该算法可分离出各目标信号及其阵列流型,然后利用单矢量水听器振速分量的正交性,估计出各目标信号的方位.实验验证了该算法的有效性.     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性，采用北斗卫星接收机和惯性测量单元构建车载组合定位系统. 针对多传感器组合定位信息融合估计的非线性和鲁棒性需求，将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波（unscented Kalman filter，UKF）算法，构造了一种改进的UKF算法，通过对标准UKF算法的噪声协方差进行等价替换，从而起到调节滤波增益的作用，使得滤波算法对传感器观测粗差具有较强的抑制能力. 将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较，结果表明:传感器无观测异常时，改进UKF算法的滤波精度总体上略优于标准UKF算法；当传感器观测值含有随机粗差时，改进UKF算法的滤波精度及稳定性明显优于标准UKF算法，北向、东向位置平均估计误差分别降低了48.5%、48.8%，北向、东向速度平均估计误差分别降低了43.7%、48.9%.      

电控汽油机进气量的最优估计算法

通过发动机台架试验,针对发动机进气系统的非线性特性,基于发动机进气通路动态模型,给出了进气压力与系统参数之间的关系,根据卡尔曼滤波的应用特性,提出了基于扩展的卡尔曼滤波的发动机进气量估计算法,得到了进气量估计的实时递推方程,计算了发动机瞬态工况下的进气压力,并与实际测量值进行了比较。对于较小的负荷变化率,压力计算值与测量值偏差小于3%,而较大的负荷变化率时,偏差有增大趋势,但其误差小于5%。结果表明进气量估计算法可以较精确地计算出发动机瞬态工况的进气量。     

输入多采样率数字控制系统的鲁棒极点配置

讨论了输入多采样率状态反馈鲁棒极点配置问题。由于输入多采样率采样,增加了系统的实际输入的个数,使得实现极点配置的状态反馈控制系统中具有自由度。现将这一自由度明确地表示为自由参数的形式,并利用优化算法选择这些参数,增强闭环系统的鲁棒性。     

中长基线单基准站动态定位卡尔曼滤波算法

为了削弱站间星间双差对流层延迟和电离层延迟的影响,实现中长基线实时动态高精度定位,对流层干延迟用Hopfield模型计算,站间星间双差对流层湿延迟用相对对流层天顶延迟估计;站间星间双差电离层延迟用相对电离层天顶延迟估计;在此基础上,将流动站位置参数、相对对流层天顶延迟、相对电离层天顶延迟以及站间星间双差整周模糊度作为状态向量进行卡尔曼滤波估计.经验证,该算法初始历元数少,单历元定位平面中误差小于2 cm,高程中误差小于5 cm.      

基于数据融合技术的路段出行时间预测方法

为了精确预测路段出行时间,分析了国内外基于多数据源的路段出行时间预测方法的优缺点,应用自适应卡尔曼滤波算法,通过融合环形线圈检测器数据和浮动车数据,建立了路段出行时间估计模型,在交通高峰期和事故情况下,比较了采用基于环形线圈检测器、浮动车和自适应卡尔曼滤波3种出行时间预测方法预测路段出行时间的平均绝对百分比误差。比较结果表明:基于自适应卡尔曼滤波算法融合了来自环形线圈检测器和浮动车的数据,预测值更接近实测值,预测精度高。     

单线圈检测器速度估计的贝叶斯网络模型

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

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。     

����Ȧ������ٶȹ��Ƶı�Ҷ˹����ģ��

实时精确的车流速度对于交通管理系统来说是至关重要的. 然而,最普遍的单线圈检测器却不能输出速度参数. 本文提出了一种新的单线圈检测器速度估计的贝叶斯网络方法. 在分析流量及时间占有率与速度之间的因果关系基础上,通过单线圈检测输出采样间隔内的流量和时间占用率数据,建立了速度估计的贝叶斯网络模型,采用高斯混合分布函数和EM算法进行模型表达及参数训练. 通过北京快速路实地数据对算法进行了验证,结果表明算法不同采样间隔、不同车道及不同交通状态下均具有较强的鲁棒性,与传统算法相比平均绝对误差减少2 km／h左右. 这一方法可以应用于交通管理系统速度的估计.     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

基于ABP-EKF算法的锂电池SOC估计

电池荷电状态(state of charge,SOC)的准确估计是电动汽车合理实施电池管理的前提条件和重要依据.针对目前电动汽车对动力电池SOC估计精度的不断提高这一问题,利用联合估计法对锂电池SOC进行研究.基于Thevenin电池模型与修正的安时积分算法,推导出了锂电池的输出方程以及状态空间模型,通过采集实验过程中的相关数据并应用递推最小二乘法对电池模型参数作出辨识.分析了扩展卡尔曼滤波(EKF)算法以及自适应BP神经网络算法的原理,联合两种算法并在此基础上提出了自适应BP-EKF算法(ABP-EKF).运用所提出的算法对锂离子电池SOC进行联合估计,最后通过对比ABP-EKF与EKF两种算法估计锂电池SOC的数据,研究结果表明:所提出ABP-EKF算法相比于EKF算法在均值误差项与均方根误差项分别减少了3.9％和3.79％.