多采样率卡尔曼滤波器在汽车状态估计中的应用

为了改善复杂系统中单采样率控制策略的控制品质,在深入研究多采样率数字控制系统和卡尔曼滤波算法的基础上,提出了输入多采样率的卡尔曼滤波算法.将该算法应用于汽车主动前轮转向系统中,对横摆角速度、质心侧偏角和纵向车速进行估计,通过Carsim与Simulink的联合仿真以及蒙特卡罗试验,验证了算法的有效性.研究结果表明:多采样率卡尔曼滤波算法有利于融合多个输入量的信息,能改善状态估计器的性能,比单采样率卡尔曼滤波算法具有更高的稳定性,且估计误差减小4.0%～48.7%.     

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％.     

基于扩展卡尔曼滤波器的PMSM无传感器矢量控制仿真设计

提出了一种基于扩展卡尔曼滤波器(EKF)的PMSM转子速度和位置的估算方法。利用α-β坐标系下的电机状态方程,进行EKF算法的实现,并在Matlab/Simulink平台设计仿真模型并进行仿真验证,经过仿真表明基于EKF的PMSM无位置传感器矢量控制系统具有较高的估计精度、良好的动态性能和稳态性能,且鲁棒性较好。     

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.     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

有限快拍下的小尺度矢量阵DOA算法

针对小尺度矢量水听器阵条件下ESPRIT算法目标方位估计精度低、多目标分辨能力弱的缺点,提出了一种基于酉变换的DOA改进算法.该方法无需计算观测数据的协方差矩阵,利用阵列的观测数据及共轭信息构造一中心Hermitian对称矩阵,根据酉变换原理将其转化为实数矩阵并用实值ESPRIT方法估计目标方位.由于利用了观测数据的共轭信息,相当于虚拟增加了阵元个数,改进算法有更高的DOA估计精度和多目标分辨能力,在快拍数与阵元数相当时改进算法比协方差方法有更小的计算复杂度.仿真分析结果证明了算法的有效性.     

基于衰减因子的时变增益KALMAN滤波

常用的卡尔曼滤波器(KF,EKF)一般只适用于平稳的状态过程,当目标处于变化不大的过程时,目标状态突然变化时,KF和EKF将产生较大的估计偏差,甚至丢失目标.文中根据正交性原理,采用时变衰减因子,使得残差达到正交或近似正交,从而使滤波器在不确定模型下保持较好的鲁棒性.通过实时调节增益,促使测量残差近似正交,从而提高对机动目标的跟踪性能.仿真实验表明,应用该方法可以快速、稳定地完成目标运动要素的估计.     

分布式自适应网格交互多模型JPDA算法

将自适应网格交互多模型(AGIMM)算法和联合概率数据互联(JPDA)算法相结合,提出了用于多传感器多目标跟踪的分布式自适应网格交互多模型联合概率数据互联(DAGIMM-MSJP-DA)算法.该算法在航迹关联检验阶段结束后,融合中心采用模糊加权方法对不同传感器关于同一目标的各模型概率、各模型状态估计及其对应的估计协方差阵进行融合,从而得到关于目标的总体状态估计和相应的估计协方差阵,并将融合后的各模型概率反馈至各传感器以便进行统一的、更为精确的网格自适应调整.最后通过计算机仿真验证了该算法的有效性和正确性.     

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。     

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。     

A Robust Interacting Multisensor State Fusion Based on Adaptive Outlier Controlling Multirate Model

An adaptive outlier controlling multirate model based on Hong’s multirate kinetic model was represented in order to resist the outliers and utilize their useful information. Wavelet transform was introduced to detect and control the outliers. The multirate information extraction and the controlling of outliers were properly integrated to establish an adaptive outlier controlling multirate model. The proposed model was applied to multisensor state fusion with interacting multiple model (IMM), and a robust interacting multisensor state fusion algorithm was established based on adaptive outlier controlling multirate model. The Monte-Carlo simulation shows that it could improve the accuracy of fusion estimation by 70% compared to Hong’s algorithm and at least 14% to Xiao’s algorithm.     

Outlier Rejecting Muitirate Model for State Estimation

Wavelet transform was introduced to detect and eliminate outliers in time-frequency domain. The outlier rejection and multirate information extraction were initially incorporated by wavelet transform, a new outlier rejecting multirate model for state estimation was proposed. The model is applied to state estimation with interacting multiple model, as the outlier is eliminated and more reasonable multirate information is extracted, the estimation accuracy is greatly enhanced. The simulation results prove that the new model is robust to outliers and the estimation performance is significantly improved.     

Outlier Rejecting Multirate Model for State Estimation

IntroductionMeasured data is often contaminated by noisein state estimation.Kalman filter is a powerfultool for signal extracting.It is especially efficientin estimating spatially inhomogeneous signal whenthe noise is Gaussian.Due to process noise or non-stationary environment,the measured data is usu-ally corrupted by outliers.The performance is de-graded seriously.Generally,there are two kinds ofapproaches to handle this problem.Outlier can bedetected based on renovation[1],then be replace…     

基于激光与视觉融合的车辆自主定位与建图算法

定位与建图是车辆未知环境自主驾驶的基础,激光雷达依赖于场景几何特征而视觉图像 易受光线干扰,依靠单一激光点云或视觉图像的定位与建图算法存在一定局限性。本文提出一 种激光与视觉融合SLAM(Simultaneous Localization And Mapping)的车辆自主定位算法,通过融 合互补的激光与视觉各自优势提升定位算法的整体性能。为发挥多源融合优势,本文在算法前 端利用激光点云获取视觉特征的深度信息,将激光-视觉特征以松耦合的方式输入位姿估计模块 提升算法的鲁棒性。针对算法后端位姿和特征点大范围优化过程中计算量过大的问题,提出基 于关键帧和滑动窗口的平衡选取策略,以及基于特征点和位姿的分类优化策略减少计算量。实 验结果表明：本文算法的平均定位相对误差为 0.11 m 和 0.002 rad,平均资源占用率为 22.18% (CPU)和 21.50%(内存),与经典的 A-LOAM(Advanced implementation of LOAM)和 ORB-SLAM2 (Oriented FAST and Rotated BRIEF SLAM2)算法相比在精确性和鲁棒性上均有良好表现。     

一种基于CARMA模型的鲁棒广义预测控制算法

本文基于CARMA模型提出了一种鲁棒广义预测控制算法。该算法在有色噪声情况下,不必 估计噪声多项式C,且只解一个Diophantine方程即可获得满意的控制效果,特别是与现有基 于CARMA模型的改进广义预测控制算法比较,它还具有能克服随机负载扰动的优点。各种 情况下的仿真结果表明,本算法控制效果好,鲁棒性强,计算量小。      

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。     

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。      

A Novel Automatic Method for Removal of Flicker in Video

Intensity flicker is a common form of degradation in archived film. Most algorithms on this distortion are complicated and uncontrolled. This paper presented a discrete mathematical model of flicker, designed a block-based estimation method of the model＇s parameters according to their features of intensity variation in large area. With this estimation result it constructed a compensation model to repair the current frame. This restoration approach is full automatic and the repair process of current frame does not need the information of frames behind it. The algorithm was realized to establish a simple and adjustable repair system. The experimental results show that the proposed algorithm can remove most intensity flicker and preserve tho wanted effects.