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UKF的水下地形匹配算法组合

为了克服断续地形辅助导航给UKF算法带来的不利影响,提出了改进TERCOM／ICCP＋UKF地形匹配组合算法.首先分析了基于UKF的水下地形匹配算法及其在实际水下地形辅助导航中的局限性.然后,针对UKF地形匹配效果易受大初始位置误差影响的不足,以“粗搜索”＋“精匹配”的算法组合模式为基础,给出了TERCOM、ICCP和UKF匹配算法的组合策略和算法克服相似地形影响的方法.仿真显示,较之单一UKF匹配算法,组合算法能够克服了大初始位置误差对算法匹配效果的影响,具有更好的工程适用性.     

基于UKF的潜艇机动目标跟踪

针对潜艇攻击机动目标难的问题,构造了潜艇针对机动目标的跟踪系统,建立了目标运动方程和观测方程,并将UKF算法运用于潜艇对机动目标的跟踪。仿真结果表明,此方法有效、可靠,较好地达到了跟踪机动目标的目的。     

基于平方根UKF的机载单站无源定位跟踪算法

针对只测角机载无源定位跟踪具有收敛速度慢及定位误差大的缺点,在只测角定位跟踪模型中加入相位差变化率信息并在此基础上引入平方根不敏卡尔曼滤波（UKF）算法来实现定位与跟踪。仿真结果表明增加相位差信息能够改善定位性能,平方根UKF算法具有比EKF算更快的收敛速度和更高的收敛精度,实用性强。     

基于改进的联邦UKF无人艇组合导航系统设计

针对无人艇在高海况下长航时,大幅度作业滤波精度较低的问题,提出一种基于联邦结构的无迹卡尔曼滤波（Unscented Kalman Filtering,UKF）算法,将其应用于自主研制的无人艇组合导航系统中。建立系统误差方程和量测方程;引入渐消因子、基于量测值与预测量测值差值的可变因子和自适应最优信息分配因子对联邦UKF算法进行改进,保持信息的强跟踪特性和组合导航系统的信息融合精度,得到全局最优估计值。 开展湖试试验,验证该组合导航系统的有效性,结果表明该系统实时性、稳定性好,抗干扰能力强,能有效提高导航精度。该方法不仅能为无人艇作业提供安全保障,而且可供其他组合导航系统设计参考。     

Path following control of underactuated ships based on unscented Kalman filter

A path following controller is proposed to force an underactuated surface ship which is suffering from disturbance to follow a predefined path.The controller is based on analytic model predictive control and unscented Kalman filter(UKF) techniques.The analytic model predictive control provides a systematic method to get appropriate controller parameters to guarantee the stability of the closed-loop system,and the well-defined relative degree is guaranteed by introducing output-redefinition.The UKF is used t...     

舰载火箭弹弹道重构与模型验证

为了验证火箭弹系统六自由度仿真模型的可信性,建立用于弹道重构的系统状态模型和基于GPS观测数据的量测模型,运用无迹卡尔曼滤波(UKF)算法和TIC不等式系数法,探讨仿真模型静、动态性能的验证方法。以某型舰载火箭弹系统为研究对象,通过重构火箭弹飞行状态的误差参数,对其仿真模型进行定量验证。仿真结果表明,利用弹道重构方法对六自由度弹道仿真模型进行验证是有效的。     

UKF地铁短时客流预测研究

为获得较为可靠的地铁车站实时客流,提出基于神经网络与无迹变换卡尔曼滤波(UKF)结合的信息融合预测方法。首先利用各站点间进出客流时空相关性,在运行时间约束下组织预测向量,以BP神经网络为函数表达给出目标站点客流的初步预测值。在此基础上,利用无迹变换卡尔曼滤波解决神经网络过学习造成的误差,以提高预测结果精度。最后选取实例验证算法的准确性,结果表明,该改进算法可有效提高预测精度,满足运营需求。