一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

基于EM-KF算法的直升机主减速器剩余寿命预测方法

为解决间接状态监测数据下直升机主减速器剩余寿命预测难以估算的难题,提出了一种卡尔曼滤波和期望最大化算法相结合的剩余寿命预测方法.该方法可以根据不断更新振动信号特征值迅速且有效地估计出模型参数,进而预测不同运行时间主减速器的剩余寿命分布,最后对主减速器试验数据进行了案例分析.结果表明:该方法能够有效估计主减速器的剩余寿命分布,通过与主减速器剩余寿命准确值对比发现,剩余寿命准确值绝大多数落于剩余寿命预测值的95%置信区间内,表明该方法具有好的准确性,进而避免故障的发生.      

基于UKF的共轴式无人直升机模型辨识

建立了共轴式无人直升机系统非线性模型,并针对其非线性强,不同飞行模态下气动参数差异等问题,将无迹卡尔曼滤波(UKF)引入共轴式直升机系统非线性模型辨识,不但避免了直升机线性模型仅仅适用于悬停模态的局限性,同时为直升机系统在线自适应控制提供了基础条件,使得共轴式无人直升机自主全包线飞行成为可能.以北京航空航天大学FH-1共轴式无人直升机为例进行了仿真辨识实验.实验结果表明基于该方法的共轴式直升机在线非线性模型辨识不依赖于参数初值的选取,模型参数能在10s内收敛,各状态量辨识精度达到80%以上,明显高于传统的预报误差法(PEM),具有一定的实用性.      

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

基于Kalman滤波的空天飞行器再入制导算法

针对空天飞行器应用传统数值预测校正再入制导算法实时性不佳的问题,提出一种基于Kalman滤波的预测校正制导算法。该算法采取四阶多项式拟合速度-高度飞行剖面,利用Kalman滤波估计选定的速度点对应的高度,得到满足再入走廊及航程要求的拟合系数。在此基础上,减少一个终端约束,增加一个待估计剖面参数,可实现对再入过程飞行时间的调节。研究发现,再入过程中通过在线辨识修正不确定性参数能够提高制导指令的适应性;飞行末段利用跟踪参考剖面制导可有效避免飞行速度与终端速度接近时发生拟合系数求解发散的问题。多组不同再入条件下的算例仿真结果表明,基于Kalman滤波的空天飞行器再入制导算法实时性好,制导精度高,能够实现飞行时间可控,具有较强的鲁棒性和工程应用潜力。     

脉冲星非实时平差的火星探测自主导航模型

针对基于X射线脉冲星观测的火星探测器自主导航,研究了几种不同的实时自适应方法,包括:扩展卡尔曼滤波(EKF),自适应扩展卡尔曼滤波(AEKF)和鲁棒自适应扩展滤波(RAEKF)。首先根据脉冲星导航原理,模拟了观测值:脉冲到达时刻;接着,分别利用扩展卡尔曼滤波,自适应扩展卡尔曼滤波和鲁棒自适应扩展滤波方法估算出探测器的位置和速度;最后,上述几种滤波轨道与STK模拟的标称轨道较差,然后比较它们的滤波精度发现:AEKF和RAEKF的精度相对较高,AEKF的三个轴向滤波位置精度达到:X轴优于100m、Y和Z轴优于30m,优于VLBI技术的km量级,和Doppler技术的精度相当。     

重力测量卫星KBR系统相位中心在轨标定算法

针对低低跟踪(SST-LL)重力测量卫星K频段测距(KBR)系统相位中心在轨标定问题,提出了一种应用预测卡尔曼滤波算法的KBR系统在轨标定算法。首先,以磁力矩器和姿态控制喷气发动机为执行部件,对一颗卫星施加一定的组合力矩,使其绕另一颗卫星进行周期性姿态机动;然后,将星敏感器数据代入预测卡尔曼滤波算法中估计出卫星姿态;最后,根据KBR系统观测值与卫星姿态角之间的关系,利用扩展卡尔曼滤波算法估计出KBR系统相位中心的位置。数值仿真结果表明:KBR系统相位中心可以被实时估计,当存在较大的卫星姿态动力学模型误差时,KBR系统相位中心的标定误差仍在0.3mrad以内,证明此算法估计精度较高且鲁棒性强。     

一种基于Kalman滤波的卫星遥测数据判读系统

分析了卫星遥测数据的变化规律,提出了一种基于卡尔曼(Kalman)滤波的遥测数据判读系统框架,并定义了系统中各模块的功能及接口关系,应用卫星实际遥测数据对判读系统的数据预测效果进行了验证。结果表明,此系统对数据异常反应迅速,能够很好地满足卫星测试的实时性要求。     

基于改进卡尔曼滤波的电池SOC估算

以研究电动汽车动力电池管理系统为背景,以电池荷电状态估算为关键技术,介绍了荷电状态与其主要影响因素的非线性动态关系,建立了二阶RC等效电池模型.在此基础上,考虑了温度对电池内阻的影响,采用卡尔曼滤波算法、改进的安时计量法和开路电压法,结合基于温度的电池模型参数在线辨识,对电池荷电状态进行估算,通过MATLAB仿真,并与基于经验公式的卡尔曼滤波算法进行了对比,平均误差为2.46%,提高了估算精度,验证了算法的可行性和可靠性.      

基于低成本陀螺和倾角仪的姿态估计

针对动中通测控系统中低成本陀螺和倾角仪的姿态估计和陀螺误差校正问题,提出一种利用UKF（Uncented Kalman Filter）滤波器对载体姿态角进行估计,然后利用互补滤波器对陀螺漂移进行估计的算法。该算法通过设计三维完全可观测UKF滤波方程和陀螺误差校正模型对姿态角和陀螺漂移分别进行估计,有效避免了利用卡尔曼滤波进行姿态估计和陀螺漂移误差估计时由于误差模型不准确而产生的发散问题,同时降低了滤波器维数。试验中姿态角估计误差在1°以内,x轴陀螺漂移估计误差为0.0148°/s,y轴陀螺漂移估计误差为0.0017°/s,试验结果表明该算法能有效提高姿态角估计和陀螺漂移估计的精度。