基于复数无迹卡尔曼滤波的电力系统频率和谐波估计

针对噪声干扰条件下传统的扩展卡尔曼滤波方法在电力系统频率和谐波估计精度问题,本文提出了基于复数无迹卡尔曼滤波的频率和谐波估计方法.利用欧拉公式,对电力系统信号进行适当变换,获得电力系统信号复数状态空间模型,实现了系统信号频率和谐波估计.为了验证噪声干扰条件下本文方法参数估计有效性,通过在系统信号中增加不同信噪比噪声干扰,分别利用本文方法和通用扩展卡尔曼滤波方法对参数进行估计.结果表明,在噪声干扰条件下,本文方法的估计精度优于通用扩展卡尔曼滤波方法,这表明本文方法更适于强噪声干扰条件下的系统信号频率和谐波估计.     

基于变步长自适应滤波器的瞬时对称分量法

瞬时对称分量法基于瞬时测量可以将任意的三相信号分解成正序、负序、零序分量,然后在各自的等效电路中进行分析。传统的瞬时对称分量法一般在dq0坐标系下进行变换及计算,算法中的低通滤波器对其动态性能影响很大。本文基于αβ0坐标系,提出了一种新型的瞬时对称分量法,该算法采用变步长自适应检测原理,能够较好地兼顾稳态精度及动态响应,仿真结果验证了算法的有效性。     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法。该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态。Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定。     

一种用于不平衡畸变电网数字锁相环算法

为提高并网逆变器及整流器在不平衡及畸变电网下的控制性能,本文提出了一种基于Clarke变换理论及频率自适应的锁相环算法,该算法可同时应用于三相不平衡系统及单相系统。文中设计了用于提取不平衡电网中正序分量的滤波器,能够准确快速的识别不平衡电网的正负序分量。通过仿真分析可知,该锁相环算法对带直流分量的不平衡电网,电压瞬态变化具有良好的适应性。     

动力定位中跟踪环境力突变的自适应无迹卡尔曼滤波（英文）

无迹卡尔曼滤波可以在状态估计中滤去噪声干扰,已经被广泛应用于动力定位系统中。针对复杂海洋情况下动力定位系统需要准确、及时地估计当前时刻的状态而无迹卡尔曼滤波无法跟踪状态突变的问题,为此文章提出了一种自适应无迹卡尔曼滤波。通过及时判断状态值突变并适当调整后验均方差矩阵,可有效地跟踪船舶状态并减小实际位置与定点位置的偏差。仿真实验证明了算法的有效性。     

动力定位中跟踪环境力突变的自适应无迹卡尔曼滤波

无迹卡尔曼滤波可以在状态估计中滤去噪声干扰,已经被广泛应用于动力定位系统中.针对复杂海洋情况下动力定位系统需要准确、及时地估计当前时刻的状态而无迹卡尔曼滤波无法跟踪状态突变的问题,为此文章提出了一种自适应无迹卡尔曼滤波.通过及时判断状态值突变并适当调整后验均方差矩阵,可有效地跟踪船舶状态并减小实际位置与定点位置的偏差.仿真实验证明了算法的有效性.     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法.该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态.Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定.     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

模糊自适应卡尔曼滤波在惯性/地磁导航中的应用

为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益.通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用.仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度.     

一种水中目标深度估计和运动状态跟踪方法

建立水下目标深度估计模型,采用LMS自适应时延估计算法来估计时延,并用可变步长方法及sinc函数内插法提高估计精度;建立水下目标运动状态跟踪模型,采用基于方位时延的扩展卡尔曼滤波算法来估算水下目标运动状态信息;通过消声水池、湖泊和仿真试验,表明该方法有效可行。     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

基于SOC估算的船用锂电池组健康管理研究

船用锂电池是新能源船舶的重要设备,如何精确的估计锂电池的荷电状态以及根据船舶运行工况进行对锂电池组的健康管理是保障船舶安全经济运营的关键。通过Vmin无迹卡尔曼滤波法对船用锂电池组的荷电状态(SOC)估计,仿真验证了Vmin无迹卡尔曼滤波法在估算电池组SOC时有较高精度;同时,结合船舶运行工况研发锂电池组健康管理策略,对船用锂电池组的SOC,单体电压,电流,光伏发电功率多参数综合分析,把电池状态分为健康,亚健康,不健康三种状态。实船运行表明,该电池组健康管理能保障锂电池组工作在安全范围内,有效促进船舶的安全运行。     

舰船电力系统自适应保护算法设计

现代船舶电力系统不断引入各类复杂的网络应用,导致已有的电力系统保护算法无法有效滤除系统电流衰减直流分量,频率特性较差。为此以Morlet复小波幅值算法为核心,设计新型船舶电力系统自适应保护算法。重新界定船舶电力系统扰动域,通过设定最大电力运行条件下的扰动整定值域和界定幅值比例关系,明确当前扰动域具体值域和相关数据信息,针对扰动域的实际范围,采用小波分析策略,提出适用于当前船舶电路自适应保护装置的Morlet复小波幅值算法,明确信号谐波幅值,完成离散操作,设置过电流保护机制,实时调节当前电力系统的适应整定值,实现电力系统自适应保护。实验数据分析结果表明,该保护算法与传统保护算法相比,整定幅值提高了30.5%,最大谐波值域拓宽了22%,可以有效提高电力系统自适应保护的频率特性。     

不平衡负载下船舶储能逆变器的平滑切换技术

本文针对在柴油发电机与储能系统功率平滑切换过程中,负载不平衡引起的三相电压不平衡问题,提出对应的电压正序分量与电压负序分量控制方法.通过电压外环电流内环的电压定向矢量控制,求出储能逆变器三相调制波的正序分量,并提出电压外环切换为功率外环的方法,使电源切换后发电机功率稳定上升.通过低通滤波器提取负序分量后,设计电压电流负序分量双闭环控制,使柴油发电机输出端电压不平衡度小于1％,提高船舶电站的电能质量.     

海面浮动光电平台对空无源定位与跟踪

提出利用海面浮动光电平台在波浪作用下的机动实现对空中目标定位与跟踪的方法。建立基于角度与角速度实现无源定位的数学模型,采用无迹卡尔曼滤波进行噪声干扰下的跟踪滤波,通过仿真分析了滤波算法在目标固定不动和目标匀速运动2种情况下的有效性。结果表明,对于含有零均值高斯噪声的角度和角速度测量数据,利用无迹卡尔曼滤波可以进行距离估算,并具有一定的精度和稳定性。     

基于粒子滤波的水下目标被动跟踪算法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪中的非线性问题,克服了常规的线性化方法易发散且跟踪精度低、误差大的缺点.仿真结果表明:粒子滤波算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法,收到了良好的效果,具有较高的实用价值.     

船舶动力定位控制系统的非线性观测器设计

针对船舶动力定位系统高度耦合非线性的特点,设计了一种基于无迹卡尔曼滤波的改进算法。该算法利用统计线性化技术,将非线性映射直接作用于采样点,根据映射后的点集重建统计变量,并且对非线性函数的概率密度分布进行拟合。结合动力定位船舶系统,进行了无迹卡尔曼滤波器和卡尔曼滤波器的对比仿真实验,仿真结果表明论文设计的无迹卡尔曼滤波器有较高的计算精度和较强的适用性。     

基于模型预测扩展卡尔曼滤波的动力定位状态估计

针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,当系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。