基于自适应无迹卡尔曼滤波的汽车状态参数估计

针对车辆状态参数估计过程中过程噪声和测量噪声的不确定性,提出一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法.建立包括纵向、横向和横摆3个自由度的车辆动力学模型,基于无迹卡尔曼滤波理论建立自适应无迹卡尔曼滤波估计模型,最后搭建MATLAB/Simu-link-Carsim联合仿真平台对提出的算法进行仿真验证.结果表明...     

基于PSO优化扩展卡尔曼滤波的电机参数估计方法研究

针对传统扩展卡尔曼滤波算法应用于感应电机参数估计时,由固定测量噪声与真实噪声的差值所引起的估计误差问题,提出了一种粒子群优化扩展卡尔曼滤波的感应电机参数估计方法.以粒子群算法对扩展卡尔曼滤波算法中人为设定的固定测量噪声进行迭代寻优,同时引入全局最优变量,避免陷入局部最优,使寻优得到的测量噪声最大程度逼近真实的噪声水平.仿真结果表明,使用粒子群优化的扩展卡尔曼滤波方法降低了感应电机参数估计的误差,证明了该方法的有效性.     

基于M估计的多UUV协同定位算法

为解决多水下无人航行器(UUV)协同定位系统因水声环境复杂,水声距离观测信息受异常噪声干扰,导致采多UUV协同定位效果变差的问题,本文将M估计算法应用于UUV协同定位中,提出一种基于M估计多UUV协同定位算法。半实物仿真试验结果表明,相较于传统基于扩展卡尔曼滤波算法,所提算法可将定位精度提升30%左右。     

基于预测控制的水下自航器抗海浪变深控制分析

水下自主航行器在近水面航行中存在着深度跟踪和姿态控制较为困难的问题。为此，首先建立了自主航行器的近水面三自由度运动数学模型，然后设计了无迹卡尔曼滤波器实现对系统状态的估计；接着，利用斯特林内插法在变动的工作点处对自主航行器模型进行近似线性化，并根据线性化后的模型设计预测控制器，实现自主航行器的变深运动控制。经过仿真实验，验证了滤波器对自主航行器近水面运动状态估计的准确性以及预测控制器在抗海浪扰动上的控制效果。仿真结果表明，带有无迹卡尔曼滤波器的预测控制器可以快速、准确的实现自主航行器的深度跟踪控制与姿态控制，且具有响应速度快，对外部扰动鲁棒性强的特点。     

基于扩展卡尔曼滤波与机器视觉融合的道路侧向坡度估计

为解决现有算法难以准确估计前方道路侧向坡度的问题,提出了一种基于扩展卡尔曼滤波（EKF）与机器视觉（VB）融合的道路侧向坡度估计方法。首先,建立含有侧向坡度的车辆2自由度模型,通过EKF估计出侧向坡度与车辆侧倾角的叠加态,由侧向加速度乘以适当增益解耦出车辆侧倾角,得到EKF道路侧向坡度估计值;其次,通过视觉成像原理分析二维图像中道路侧向坡度与图像中相关参数的几何关系,得到VB道路侧向坡度估计值;最后,通过数据融合得到最终的道路侧向坡度估计值,使估计结果冗余互补。仿真和实车试验结果表明,该融合算法能够适用于道路侧向坡度变化的坡道,并显著提高了估计精度。     

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.     

融合轨枕检测和卡尔曼滤波的中低速磁浮列车测速定位优化算法研究

可靠、准确的速度位置信息对于中低速磁浮列车的安全行驶起着至关重要的作用.基于中低速磁浮列车测速定位中常用的轨枕计数检测方法,采用2套涡流传感器冗余设备采集列车的速度、位移数据,提出不同速度下列车测速定位的优化算法.在该优化算法的基础上融合了卡尔曼滤波,通过不断迭代和更新,得到准确的速度位置信息,并计算出采用2套测速设备...     

基于AKF的组合对准方法在AUV中的应用

针对水下航行器(AUV)初始对准过程中,由于惯性测量器件的测量精度不高,导致系统自对准的精度不高的问题,提出在初始对准阶段采用DVL辅助的组合对准方法,引入 DVL提供的速度信息提高对准的精度.建立AUV中系统的状态方程和观测方程,同时为解决噪声不确定导致滤波器发散的问题,提出将自适应卡尔曼滤波(AKF)用于组合对准中.通过采集到的实验数据验证基于AKF的组合对准方法的精度比较高,将其用于AUV的初始对准中是可行的.