基于Kalman滤波的PID控制算法研究

在控制系统中，PID控制算法是一种有效的校正环节，能够消除系统静差、改善动态性能；在实际的系统中存在多种随机噪声干扰，同时引入了Kalman滤波算法，以提高信号品质、保证系统性能。因此，开展了对基于Kalman滤波的PID控制算法的研究。     

一种基于改进Kalman滤波的 视觉/惯性组合导航算法

提出了一种基于改进Kalman滤波的视觉/惯性直接组合导航算法,首先分析了相关坐标系的定义和敏感器的误差模型,然后分别构建了姿态滤波方程和位置滤波方程,接着对滤波方程进行离散化处理以便在计算机中实现运算,最后采用该方法进行了仿真验证,结果表明系统在不同情况下进行组合导航都能够满足任务要求。     

基于自适应Kalman滤波的导引头随动系统设计

主要研究导引头随动系统中探测器信号处理延迟的影响及其补偿控制算法。提出了一种自适应Kalman滤波延迟补偿方案,利用Kalman滤波的预测能力得到当前时刻视线角的估计值,进而得到此时的跟踪误差的估计值,取代被延迟的探测器输出进行闭环控制。考虑到导引头探测器的低更新频率、非等间隔量测等工程特点,又对上述滤波算法进行了一系列改进。仿真表明方法可以明显提高导引头在弹体扰动情况下的跟踪精度。     

结合Kalman滤波的改进MOSSE跟踪算法设计

机载目标跟踪系统具有广泛的应用前景,随着技术的发展,在实际应用中机载目标跟踪系统对体积、实时性、功耗等方面的要求逐渐提高。因此针对上述需求,提出了一种基于FPGA的实时目标跟踪系统。系统采用误差最小平方和滤波器(Minimum Output Sum of Squared Error Filter, MOSSE)跟踪算法,同时针对机载目标运动轨迹相对平稳的特点,采用Kalman滤波算法改进MOSSE跟踪算法。实验结果表明,改进后的算法具有更高的稳定性。在FPGA测试中,改进后的算法BRAM＿18K消耗降低了20.33%,DSP48E消耗降低了8.09%,运行速度能够保持在200fps。     

基于MEMS-INS/GNSS组合导航抗差自适应Kalman滤波算法

标准的Kalman滤波器在组合导航领域得到了广泛的应用,然而在实际运动过程中,载体的运动模型是复杂多变的,无法准确掌握系统的动态特性。针对高动态环境下载体动态复杂多变特性带来的动力学模型难以精确构建问题,以及卫星跟踪环路信号易受扰动导致的观测信息出现异常粗差问题,设计了一种基于MEMS-INS/GNSS组合导航系统抗差自适应Kalman滤波算法,研究了优化自适应因子的求解方法。通过跑车试验证明了该算法能够有效地抑制误差发散,提供更加精确的导航定位结果,更好地控制观测信息误差以及动力学模型异常所带来的影响。     

在组合导航系统中Kalman滤波技术的应用

在导航系统中引入Kalman滤波技术,主要是为了减小导航定时的参数误差并提高系统的定位精度,以INS/GPS组合导航系统为背景,设计位置速度组合模式的卡尔曼滤波器,并对组合导航系统进行仿真研究,结果表明组合导航系统在导航精度和稳定性方面较单一的导航系统都有提高。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

基于正反Kalman滤波的动基座重力仪数据处理方法

重力数据处理是动基座重力仪的核心技术,采用了一种基于正反Kalman滤波的数据处理方法提取重力异常值.以动基座重力仪(Sea and Air Gravity,SAG)为研究对象,根据系统参数推导了Kalman滤波方程,并运用正反Kalman滤波方法处理了SAG某飞行架次的数据.将提取的重力异常值与同机搭载飞行的俄罗斯高精度重力仪GT-1A的结果进行比对,试验结果表明,两者滤波结果差值的均方根误差要小于1 mGal.     

一种改进余度捷联惯导系统最优奇偶矢量故障容错算法

针对余度捷联惯导系统故障检测方法对小故障和渐变型故障检测率低的问题,提出了利用对特定传感器敏感的最优奇偶矢量来构造最小二乘加权矩阵的算法。该算法利用最优奇偶矢量产生奇偶残差来反映特定传感器对待测状态量测的准确程度,通过该残差确定最小二乘加权阵,进而再辅助最优奇偶矢量进行故障检测,达到对小故障和渐变型故障的容错。仿真结果表明本方法能够有效提高待测状态的估计精度,具有一定的工程参考价值。     

基于时变AR模型的MEMS陀螺抗野值Kalman滤波

陀螺是框架式导引头控制稳定平台和解算视线角速度的重要器件。随着微机械陀螺(MEMS)广泛应用于低成本框架式导引头,许多学者开展了对MEMS陀螺的研究来提高导引头的制导精度。针对导引头MEMS陀螺输出噪声大、滤波后延时大的问题,提出了一种利用遗忘因子递推最小二乘进行时变AR模型建模并与抗野值Kalman滤波相结合的方法。利用遗忘因子递推最小二乘对AR模型进行参数估计,将实时AR模型的结果应用到自适应抗野值Kalman滤波中进行随机误差补偿。经过仿真和实物测试,时变AR模型抗野值Kalman滤波的均值、方差、Allan方差的噪声项比原始数据减少了90%以上,表现出比Kalman滤波更好的效果。     

基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究

针对航空发动机上可用传感器测量参数偏少情况下的健康参数估计问题,提出1种先分类后估计的方法。将传感器测量参数输入异常监测模块,对发动机工作状态进行监测,若监测结果为无故障则直接给出无部件故障的诊断结论;否则将测量参数输入最小二乘支持向量机(LSSVM),对部件故障进行分类,卡尔曼滤波器根据分类结果只对故障部件的健康参数进行估计。仿真结果表明:该方法可以减少需要估计的健康参数,提高估计精度。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

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。     

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。     

机动目标的广义卡尔曼滤波信号模型的理论推导

卡尔曼滤波方法是一种应用广泛的估值方法,但其要求系统数学模型已知,而广义卡尔曼滤波与卡尔曼滤波相比并不需要系统数学模型已知,具有更强的现实意义。从泛函分析的角度讨论了连续函数的最佳逼近问题,并以此为基础提出了广义卡尔曼滤波的信号模型和递推公式。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较,验证了广义卡尔曼滤波的有效性。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制

针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。     

基于B样条模型的参数化卡尔曼滤波器设计

以标准B样条函数为基础,建立了以位置、样条系数为状态变量的参数化卡尔曼滤波器,用于解决外测数据的实时滤波问题。按照时间更新跨节点与否,分2种情况给出了状态转移方程。在时间更新跨样条节点时,使用样条函数的一阶连续导数条件,估计新增样条节点系数,由此实现滤波器在跨节点处的平滑过渡。通过仿真数据对新方法进行验证,并与已有的2类典型滤波方法进行比较,结果表明,本方法的滤波精度与另一类直接基于弹道信号表示的样条递推滤波方法精度相当,且可表现出更优的收敛性。新方法具有样条参数化模型的相同优点,可对时域信号全时段建模,可利用先验信息设计弹道优选节点而实现滤波性能优化,缺点在于状态更新的策略较为复杂。