车辆系统垂向与横向耦合的侧倾状态估计

为有效解决复杂行驶工况下车辆耦合侧倾运动状态无法精确获取,进而对车辆系统操纵稳定性与乘坐舒适性兼顾优化无法提供准确输入的难题,本文中设计了基于车辆垂向与横向耦合动力学的双非线性状态观测器算法,以实现复杂行驶工况下车辆耦合侧倾运动状态的实时准确估计。首先,建立了路面激励模型与整车系统垂向与横向耦合动力学模型;接着,利用无迹卡尔曼滤波方法(UKF)与非线性模糊观测(T-S)理论,设计了非线性状态观测算法,以在不同路面激励工况下对车辆系统簧载质量与侧倾状态进行联合估计;最后,运用CarSim■动力学软件,对比分析了在标准A级与C级路面上进行J-turn试验工况下,采用联合状态观测器(UKF&T-S)实时估计车辆侧倾角与侧倾率的观测精度。结果表明,本文所设计的UKF&T-S观测器可有效估计车辆侧倾状态,且与CarSim■仿真数据相比识别状态标准偏差不超过10%。     

卡尔曼滤波与滚动轴承故障信息的提取

在阐述卡尔曼滤波理论的基础上，分析了滚动轴承系统的振动机理，建立了滚动轴承工作元件表面损伤振动信号模型和观测模型，提出了运用卡尔曼滤波理论估计滚动轴承故障信号的方法。     

卡尔曼滤波在有轨电车GPS定位中的应用

由于定位和成本的原因,有轨电车系统不同于地铁在轨道铺设大量的应答器进行辅助定位,而通常会采用铺设少量的应答器/信标并结合速度传感器、GPS的方式进行综合定位,因此GPS的定位精度是定位准确性的重要条件之一。由于卫星、接收机钟差以及传播途径等因素会导致GPS定位精度下降,为了提高定位精度,采用卡尔曼滤波对有轨电车位置进行最优估计,通过Matlab分别仿真匀速运动、匀加速运动和变加速运动情况下的目标轨迹。仿真结果表明:采用卡尔曼滤波算法后,目标位置误差值大大降低,很好地降低了噪声影响,提高了定位精度。     

基于卡尔曼滤波的汽车纵向速度滤波算法及应用

针对现有车速计算方法精度不高、波动大的问题,研究基于车速信号的车辆纵向速度卡尔曼滤波估计算法,并实现该算法在整车控制器中的应用。仿真和实车试验表明,该卡尔曼滤波车速算法具有良好的实时性与较高的滤波精度。     

海底地形辅助导航系统滤波算法研究

分析了地形／惯导组合导航系统的状态方程，并对H∞滤波和卡尔曼滤波算法进行了对比分析，同时给出仿真结果。理论分析和仿真实验表明：H∞滤波算法和卡尔曼滤波都具有较好的收敛特性，能在一定程度上提高地形辅助导航系统精度，但H∞滤波的效果优于卡尔曼滤波。     

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。     

基于卡尔曼滤波的潜器运动状态观测器

该文以某型潜器为研究对象,通过对潜器的运动方程线性化,用卡尔曼滤波预测潜器运动状态量,并根据实际的输出量（量测值）来修正预测值,得到估计的状态量。仿真结果表明,量测输出精度越高、潜器运动状态变化越慢,观测器的估计误差就越小。     

基于自适应卡尔曼滤波的锂离子电池SOC估计

采用自适应卡尔曼滤波方法,基于锂离子动力电池的等效电路模型,在未知干扰噪声环境下,在线估计电动汽车锂离子动力电池荷电状态(SOC)。仿真结果表明,采用自适应卡尔曼滤波方法估计的SOC误差小于2.4%,有效降低了电动汽车行驶时电池管理系统所受到的未知干扰噪声影响,SOC估计精度高于扩展卡尔曼方法,且具有较好的鲁棒性。     

基于数据融合的路段行程时间估计

基于检测器数据的路段行程时间估计通常具有精度不高和可靠性差的特点。论文引入了自适应式卡尔曼滤波,采用K近邻法寻找相似的交通流状态来标定状态转移系数,建立了基于固定型检测器数据和移动型检测器数据的路段行程时间估计融合模型。实际数据的验证结果是,平均相对误差为9.52%,相对误差的标准差为8.92%。研究表明,与基于移动检测器数据的估计方法相比较,该方法极大地改善了估计精度和可靠性,还具有收敛速度快、对初值不敏感、参数少等特点。