基于GPR模型的自适应平方根容积卡尔曼滤波算法

与传统算法一样,动态系统的参数化模型(含噪声统计特性)未知或不够准确易导致容积卡尔曼滤波(CKF)效果严重下降,甚至滤波结果发散.为此,利用高斯过程回归(GPR)方法对训练数据进行学习,得到动态系统的状态转移GPR模型和量测GPR模型以及噪声统计特性,用以替代或增强原有动态系统模型,并将其融入到平方根容积卡尔曼滤波(SRCKF)中,分别提出了无模型高斯过程SRCKF (MFGP-SRCKF)和模型增强高斯过程SRCKF (MEGP-SRCKF)两种算法.仿真结果表明:这两种新的自适应滤波算法提高了动态系统模型精度,且实时自适应调整噪声的协方差,克服了传统算法滤波性能易受系统模型限制的问题;与MFGP-SRCKF相比,在给定一个不够准确的参数化模型,且有限的训练数据未能遍布估计状态空间的情况下,MEGP-SRCKF具备更高的滤波精度.     

基于改进的自适应平方根容积卡尔曼滤波相对导航算法

针对无人机编队飞行时由于目标建模的不确定性导致相对导航滤波算法精度降低甚至出现滤波发散的问题,提出了一种自适应平方根容积卡尔曼滤波算法。首先,建立了无人机双机编队时的相对导航模型。然后,基于新息的自适应修正准则,对滤波状态预测量进行修正,进行了基于自适应修正的平方根容积卡尔曼滤波相对导航算法设计。最后,开展了仿真计算与结果分析。仿真结果表明,该算法具有较好的滤波精度和稳定性,且当目标运动状态与模型不匹配时,该算法与平方根容积卡尔曼滤波算法相比有更好的滤波性能。     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

七阶正交容积卡尔曼滤波算法

在高斯滤波框架下,阶次越高,近似精度越高。为提高滤波精度,通过提高阶次,提出了七阶正交容积卡尔曼滤波(CQKF)算法。在传统CQKF算法的基础上,该算法扩展了线性积分的近似阶次,提出了七阶球面积分的确定性采样方法;进而扩展了球-半径准则,提高了滤波估计精度。飞行器目标跟踪的仿真实验证明了该算法的有效性,证明了七阶CQKF比五阶CQKF、三阶容积卡尔曼滤波器(CKF)和无迹卡尔曼滤波器(UKF)有更高的滤波精度。     

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统,结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF）,提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整,进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则,采用五阶球面单形积分准则处理球面积分,广义高斯-拉盖尔积分准则处理径向积分;描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

修正容积卡尔曼滤波数据域直接定位算法

为解决数据域直接定位（DPD）算法面临的计算压力,提高算法效率,提出一种基于修正的容积卡尔曼滤波（MCKF）的DPD算法。首先,融合各观测信号波达方向信息,利用子空间数据融合方法建立一种基于间接观测量的DPD滤波模型;然后,根据模型特点设计MCKF算法进行求解,解决间接观测量带来的噪声累积问题;最后,对算法计算量进行分析和对比,说明计算效率的提升。仿真结果表明,所提算法与基于最大似然遍历搜索和遗传算法的DPD算法相比,在相同的估计性能下,计算量下降明显,时效性显著提升,增加了算法实用价值。     

航班二次放行及其应用实践

在确保航班安全正常运行的前提下,航空公司可以合理运用国际航线燃油政策,通过实施航班二次放行以减少飞机加油量、增加可供业载和降低燃油消耗来提升远程航线效益。     

基于改进容积卡尔曼滤波的奇异避免姿态估计

 利用矢量进行卫星姿态估计可以归结为非线性滤波问题。为了提高卫星姿态估计的精度,利用龙贝格-马尔塔(LM)迭代算法改进了容积卡尔曼滤波(CKF)。继而,提出改进容积卡尔曼滤波与四元数结合的容积四元数估计器(CQE),有效地避免了卫星大角度机动出现的奇异现象。进一步,给出了一种与影子修正罗德里格参数切换的容积修正罗德里格参数估计器(CME)。仿真对比表明,初始误差较大时容积修正罗德里格参数估计器具有更好的收敛速度和鲁棒性。     

基于自适应扩展卡尔曼滤波的载波跟踪算法

精确的载波相位测量是精密测距中一个很重要的研究点。针对传统扩展卡尔曼滤波(EKF)的固定设计在先验信息不充分和动态变化环境中存在的不足,提出了一种基于自适应扩展卡尔曼滤波(AEKF)的载波跟踪算法。该算法通过实时监测滤波器新息或残差的动态变化,以修正状态噪声方差和观测噪声方差,进而调整滤波器增益,控制状态预测值和观测值在滤波结果中的权重。理论分析和仿真结果表明,本算法充分利用了观测信号的统计特性,克服了传统扩展卡尔曼滤波算法的不足,能够获得更好的载波跟踪性能。     

改进自适应抗差容积卡尔曼滤波多源室内定位

针对容积卡尔曼滤波在多源融合定位中存在跟踪能力不强和自适应能力差的问题,在传 统容积卡尔曼滤波的基础上,提出了改进自适应抗差容积卡尔曼滤波算法。建立了基于新息的自 适应判决准则与修正方法,使得滤波算法能够及时跟踪目标真实状态;引入抗差因子调节观测协 方差矩阵,以减小观测值异常问题对滤波精度的影响;采用奇异值分解代替容积卡尔曼中的Cholesky 分解,提高数值计算的稳定性。超宽带/惯性导航联合定位实验结果表明,与扩展卡尔曼滤波 和容积卡尔曼滤波相比,改进的自适应抗差容积卡尔曼滤波定位精度更高,数值稳定性更好,增强 了定位系统在粗差干扰下的鲁棒性。     

基于自适应容积卡尔曼滤波的非合作航天器相对运动估计

针对目标星无信息传递以及无特征光点的非合作目标交会对接问题,提出了一种利用立体视觉的相对运动估计方法。由于测量装置安装在非质心位置时,CW方程描述的卫星相对运动所存在的误差不能忽略,因而通过给出适用于椭圆轨道和圆轨道下的一般耦合模型,来描述姿态运动对位置运动的影响。为了克服模型的严重非线性以及噪声统计特性时变的问题,提出了基于Sage-Husa噪声估计器的自适应滤波器。仿真表明:该算法能够适应测量噪声统计特性随时间变化的情况,具有较高的相对运动估计精度。     

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.      

基于扩展卡尔曼滤波的动量轮故障检测方法

 动量轮作为卫星姿态控制系统的关键执行部件,对其故障检测对维持卫星的正常运行具有重要意义。首先对动量轮系统的故障进行分析,在建立动量轮线性离散状态空间模型的基础上,把动量轮的故障检测作为时变参数系统的跟踪来处理,将动量轮的模型参数作为扩展的状态空间中的状态量,使得动量轮物理模型参数与状态空间中的状态量有对应关系,通过在扩展了的状态空间上采用扩展的卡尔曼滤波,完成时变参数的跟踪。然后,将离散空间的状态量变换回连续空间中,利用物理参数与状态量的对应关系,实现对动量轮物理参数的跟踪。此方法物理意义明确,为系统的物理参数提供了定量的估计值,为进一步诊断故障原因提供了良好的基础。数值仿真表明,此方法能够通过同时检测多个故障参量,实现故障的检测并满足卫星实时性要求。     

基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

磁轴承基于扩展卡尔曼滤波的改进PID控制算法研究

提出了一种基于扩展卡尔曼滤波的改进PID控制算法。该算法以传感器测量的转子位移信号为量测量,功率放大器的输出电流为输入量,通过系统状态方程和噪声统计特性估计转子的实际偏心位移,有效解决了信号噪声对控制精度的影响问题。最后,通过仿真和试验,对比验证了算法的有效性。     

基于扩展TAB模型的凝胶液滴二次雾化特性研究

为初步研究幂率型凝胶液滴的二次雾化特性,将原始的Taylor-analogy-breakup(TAB)模型扩展并应用到幂率型凝胶颗粒中,采用四阶Runge-Kutta法对凝胶液滴的振荡方程和运动方程进行了数值求解,计算了不同空气动力和物性参数条件下的初始破碎时间和临界特征。结果表明:随着相对速度和液滴直径的增加,初始破碎时间迅速降低,然后保持稳定;随液/气密度比和表面张力系数增大,初始破碎时间呈线性增长趋势;初始破碎时间随稠度系数增大而增大,而当流动指数较小时初始破碎时间变化很小,流动指数超过0.6后初始破碎时间增长迅速,二者与相关实验比较存在一定误差;随Web数增大,液滴的振荡幅度变大,达到稳定后其无量纲变形系数就越大;凝胶液滴的稠度系数越高,临界Webc数越大,液滴二次雾化能力越低。流动指数小于0.6时,临界Webc数变化较小,而后其值则迅速上升。     

基于二元信道互信息的属性约简方法及其应用

由于知识的粗糙性和信息熵的密切关系,基于互信息的属性约简一直以来都是粗糙集研究的热点,但现有方法都不同程度地依赖于属性值的分布情况,从而影响最终约简结果.为解决此问题,从信息论的角度对属性进行细分,定义了一种新的基于二元信道互信息的属性重要度度量方法,以此为启发式信息构造新的约简算法,实验证明了该算法的有效性;将其应用于重要气象因子的提取,获得了满意的效果.     

基于扩展卡尔曼滤波的永磁同步电机无电流传感器预测控制

针对永磁同步电机(PMSM)因过电压、过电流及误操作等容易造成电流传感器故障,影响PMSM的控制精度的问题,提出一种基于扩展卡尔曼滤波的PMSM无电流传感器预测控制算法。对于PMSM,通常需要两个电流传感器来采集定子电流信息,所提方法通过扩展卡尔曼滤波估计定子电流代替电流传感器。通过基于扩展卡尔曼滤波的PMSM无电流传感器预测控制算法与常规有电流传感器在线变速和变载仿真对比得到,所提方法具有和有电流传感器相同的控制性能。参数鲁棒性仿真表明,所提方法具有较强的参数鲁棒性,能够满足实际控制需要。     

基于扩展卡尔曼滤波的小型固定翼无人机姿态估计方法分析

随着小型固定翼无人机的发展,由于其成本低、体积小的特点受到越来越多的企业青睐,但是由于成本问题,导致大部分企业只能选择成本较低的传感器,因此,针对固定翼无人机的姿态估计变得困难。为了解决这个问题,需要研究出一种新的姿态估计方法。利用离散型扩展卡尔曼滤波原理,结合常用的惯性导航系统和卫星定位系统,对小型无人机姿态进行估计解算。仿真结果显示,该方法可以准确地估计出无人机的姿态信息,其最大误差不超过2°,通过与未进行滤波算法处理的结果相比较,大大地减小了姿态估计的误差,因此这种基于扩展卡尔曼滤波的姿态估计算法针对小型无人机的姿态估计是可靠的。     

全球定位系统中实现更快速跟踪扩展型卡尔曼滤波的方法

全球定位系统（ＧＰＳ）可为世界范围的广大用户提供１００ｍ量级的精度。在ＧＰＳ中，扩展型卡尔曼滤波器（ＥＫＦ）通过ＧＰＳ的行程，临近速度和卫是生的位置和速度计算用户的位置和速度，然而，由于ＥＫＦ计算量大，使得在宽频带的实时应用中遇到许多困难，因此，有必要通过技术来提高ＥＫＦ的速度。在本文中，对ＥＫＦ的模型进行了详尽的分析，并利用ＥＫＦ矩阵的疏松性和其结构特点减少了计算量。本文包括含有典型轨迹仿真，以