基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

余度MEMS-IMU/GPS组合导航系统

对采用余度配置的MEMS-IMU/GPS组合导航系统进行了研究。分析了微小型组合导航系统的特点和误差模型,针对惯性/GPS伪距组合导航模式下,卡尔曼滤波器需要对量测方程线性化的缺点,提出了基于改进平淡粒子滤波的滤波算法。该算法采用权值控制参数决定粒子是否进入平淡卡尔曼滤波器,有效降低了滤波计算量,并和UPF算法精度相当。研究表明,改进平淡粒子滤波算法对系统性能有明显提高,在GPS信号受到遮挡、暂时不可用的情况下,具有较好的抑制误差作用,适合余度微惯性/GPS组合导航系统的应用。     

基于极大后验原理的非线性系统传感器故障估计

针对扩展卡尔曼滤波算法(Extended Kalman filter,EKF)计算复杂,粒子滤波算法动态跟踪能力差,单一无先导扩展卡尔曼滤波算法(Unscented Kalman filter,UKF)滤波精度低等缺陷,本文根据极大后验原理(Max-imum posterior principle,MPP),针对一类非线性系统设计了一种改进型的无先导卡尔曼故障估计滤波器来估计被控系统所发生的加性传感器故障。首先根据极大后验估计原理,推导出一种最优常值故障估计器。在此基础之上,推导出次优的加性常值故障估计滤波器,并对故障估计滤波器进行了无偏性证明。最后,将得到的理论结果应用于非线性倒立摆系统,仿真验证了所提方法的有效性。     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

基于序列图像的非合作目标自主导航及验证

针对空间自旋或章动运动的非合作目标运动感知与估计问题,给出了一种基于序列图像的运动测量与状态估计方法。所给出的方法由两部分组成:(1)采用立体视觉测量目标三个非共线的特征点,建立目标参考系并实现相对姿态的测量;(2)采用目标运动学和动力学方程,推导了扩展卡尔曼滤波器,实现目标角速度和惯量比的估计。最后,分别给出了数学仿真和物理试验:(1)利用数学仿真验证了所给出的卡尔曼滤波估计算法在不同目标运动情况下的收敛性;(2)利用机械臂模拟目标的自旋运动,利用双目相机采集目标运动图像,试验结果验证了所给出的运动测量与状态估计方法可以连续的给出目标角速度的精确估计。     

高斯粒子滤波器及其在非线性估计中的应用

为了解决非线性、非高斯系统估计问题,讨论了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。在符合高斯假设和一定的粒子数的情况下,谈算法可以获得近似最优解。与粒子滤波算法相比,其优点是不需要重采样步骤和不存在粒子退化现象。在滤波精度、运算时间等方面与扩展卡尔曼滤波、Unscented滤波、高斯厄米特滤波及一般的粒子滤波进行了比较分析,仿真结果表明该算法性能优于其他算法。     

一种非线性状态估计器的算法实现与解耦简化

本文以机载火控系统中的目标状态估计器(TSE)为例,探讨了一类非线性状态估计器的算法及简化方法。文中给出了TSE的数学模型,分析了其特点,并作了形式上的变换;而后用最优卡尔曼滤波算法实现了状态估计。最后,利用其结构特点,作了算法解耦,故大大减少了计算量和计算机内存,获得了令人满意的估值精度。     

Gradient Descent Algorithm for Small UAV Parameter Estimation System

A gradient descent algorithm with adjustable parameter for attitude estimation is developed,aiming at the attitude measurement for small unmanned aerial vehicle(UAV)in real-time flight conditions.The accelerometer and magnetometer are introduced to construct an error equation with the gyros,thus the drifting characteristics of gyroscope can be compensated by solving the error equation utilized by the gradient descent algorithm.Performance of the presented algorithm is evaluated using a self-proposed micro-electro-mechanical system(MEMS)based attitude heading reference system which is mounted on a tri-axis turntable.The on-ground,turntable and flight experiments indicate that the estimation attitude has a good accuracy.Also,the presented system is compared with an open-source flight control system which runs extended Kalman filter(EKF),and the results show that the attitude control system using the gradient descent method can estimate the attitudes for UAV effectively.     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

Improved Algorithm of Variable Bandwidth Kernel Particle Filter

Aiming at the large cost of calculating variable bandwidth kernel particle filter and the high complexity of its algorithm, a self-adiusting kernel function particle filter is presented. Kernel density estimation is facilitated to iterate and obtain new particle set. And the standard deviation of particle is introduced in the kernel bandwidth. According to the characteristics of particle distribution, the bandwidth is dynamically adjusted, and the particle distribution can thus be more close to the posterior probability density model of the system. Meanwhile, the kernel density is used to estimate the weight of updating particle and the system state. The simulation results show the feasibility and effectiveness of the proposed algorithm.     

有色噪声补偿下降阶系统状态的最优估计

在大型空间结构的控制系统设计中,降阶系统的状态估计是非常重要的环节,它直接关系到控制器的性能。针对B.Friedland的工作,本文提出了有色噪声补偿模型,在恒等变换下显式地消去了有色噪声项,利用正交投影定理仅对感兴趣的状态分量导出了无偏、最小方差估计。这组递推估计式与采用增广状态方法相比,不仅在处理容量、计算效率上有很大改进,而且是标准Kalman滤波方程的推广。注意到原系统与降阶系统之间的内在联系,本文采用随机系统分析方法,给出了在高斯、马尔可夫假设下,有色噪声模型特征参数的在线识别技术。数字仿真表明,对偏差补偿起主要作用的是有色噪声补偿模型中的驱动白噪声项,这是对B.Friedland工作的发展。     

城市多功能车辆导航监控系统

针对智能运输系统对车辆导航定位和综合信息采集的要求,提出了一种集成高精度车辆导航系统和车载"黑匣子"的多功能车辆导航监控系统.首先分析了该多功能系统的结构和原理,进而研究融合"蓝牙"路标辅助车辆定位的GPS/DR/MM/BB组合高精度导航定位方案和GPS/DR最优卡尔曼滤波组合算法.大量的实际跑车试验结果表明该系统方案是可行的.它不仅能够进行高精度的导航定位,同时有效地实现了"黑匣子"行驶记录功能.     

带有序列相关噪声Vasicek期限结构模型的线性滤波(英文)

在基于Vasicek利率期限结构模型,使用Kalman滤波器进行状态估计时,通常采用量测噪声不相关假设。研究表明,量测噪声在很多情况下满足相关性假设。本文采用一般性的相关量测噪声假设,提出针对Vasicek模型潜变量估计的状态扩维Kalman滤波法。实验结果表明,量测噪声相关假设下的Vasicek模型比较准确地描述了利率期限结构的动态变化特征。     

基于渐消卡尔曼滤波器的定位系统设计

针对无人机捷联式惯性导航系统(Strap-down inertial navigation system,SINS)定位精度低、全球卫星定位系统(Global position system,GPS)定位的非自主性,建立了一种无人机SINS/GPS定位信息融合系统。采用渐消Kalman滤波技术,有效防止了SINS/GPS组合导航系统的滤波发散。采用自适应运算法则,从理论上证明了渐消卡尔曼滤波器的稳定性,得到了滤波器稳定要求的新的条件,与以往研究比较,条件更为宽泛。分别进行了SINS/GPS常规卡尔曼滤波仿真和渐消卡尔曼滤波仿真,结果表明:采用渐消卡尔曼滤波技术在工程实践上可以有效提高无人机的导航定位精度,并且易于工程实现。     

Remaining Useful Life Prediction for Aero-Engines Combining Sate Space Model and KF Algorithm

The key to failure prevention for aero-engine lies in performance prediction and the exhaust gas temperature margin(EGTM)is used as the most important degradation parameter to obtain the operating performance of the aero-engine.Because of the complex environment interference,EGTM always has strong randomness,and the state space based degradation model can identify the noisy observation from the true degradation state,which is more close to the actual situations.Therefore,a state space model based on EGTM is established to describe the degradation path and predict the remaining useful life(RUL).As one of the most effective methods for both linear state estimation and parameter estimation,Kalman filter(KF)is applied.Firstly,with EGTM degradation data,state space model approach is used to set up a state space model for aero-engine.Secondly,RUL of aero-engine is analyzed,and expected RUL and distribution of RUL are determined.Finally,the sate space model and KF algorithm are applied to an example of CFM-56aero-engine.The expected RUL is predicted,and corresponding probability density distribution(PDF)and cumulative distribution function(CDF)are given.The result indicates that the accuracy of RUL prediction reaches 7.76%ahead 580 flight cycles(FC),which is more accurate than linear regression,and therefore shows the validity and rationality of the proposed method.     

一种基于GPS的测姿新方法

提出了一种利用GPS载波相位信号，基于积分角速率参数IRP（Interated rate parameters)的概念，并借助于扩展了卡尔曼滤波（Extended Kalman filtering)算法进行载体的姿态及姿态变化率估计的新方法，利用线性跟踪理论建立动态方程，使动态方程形式简单，意义明确，利用IRP的概念，通过解决姿态矩阵的递推过程，建立载波相位的观测方程，仿真试验结果表明，本算法具有计算效率高，实时性好，测姿态精度高等优点，并且，由于同时对姿态率进行跟踪估计，因而表现出对载体机动性较强的跟踪能力。     

基于粒子滤波和似然比的接收机自主完好性监测算法

由于粒子滤波算法在处理非线性系统非高斯噪声问题具有较大的优势,提出将粒子滤波算法与对数似然比方法有机结合应用于接收机自主完好性监测(Receiver autonomous integrity monitoring,RAIM)中。通过粒子滤波算法对状态进行精确估计,利用对数似然比建立一致性检验统计量进行故障检测。在建立全量累加对数似然比和部分累加对数似然比检验统计值的基础上,通过比较系统各状态累加对数似然比和检测阈值之间的关系,进而对卫星故障进行检测。对算法进行了数学建模,描述了RAIM算法流程。通过实测数据对提出的RAIM算法进行验证,结果表明:粒子滤波在非高斯测量噪声情况下可以对GPS接收机状态进行精确的估计,利用对数似然比建立的一致性检验统计量能有效地检测并隔离故障卫星,验证了该算法应用于接收机自主完好性监测的可行性和有效性。     

A FAST KALMAN FILTER FOR INTEGRATED GPS/INS BASED ON U D FACTORIZATION

研究了基于Ｕ－Ｄ分解的快速Ｋａｌｍａｎ滤波算法,并将它应用到一个２１状态的ＧＰＳ／ＩＮＳ组合导航系统工程实现中。常规的Ｋａｌｍａｎ滤波器已广泛应用于ＧＰＳ／ＩＮＳ组合系统,但由于系统建模误差和计算舍入误差,Ｋａｌｍａｎ滤波器在工程应用中会出现发散现象。为了解决这个问题,本文推导了一个基于Ｕ－Ｄ的扩展Ｋａｌｍａｎ滤波器。此外,由于高阶组合系统计算量大,导致基于Ｕ－Ｄ分解的滤波器在实时应用中有困难,为此,本文提出了一种快速的滤波算法来节省计算时间。文中设计了一条近于实际的飞机航迹来仿真。结果表明,本文所提的滤波算法能有效地克服组合系统滤波器发散问题,并减少计算时间近６９％。     

容错导航系统的一种联合滤波器结构及其算法

本文提出了一种采用联合卡尔曼滤波器结构的容错导航系统的滤波算法。这种在多处理机环境下并行处理的分布式滤波算法有效地解决了具有多子系统的容错导航系统的实时要求。主滤波器的状态联合算法保证了获得系统最优公共状态估值。基于联合滤波器结构,水文提出了容错导航系统的故障检测与隔离(FDI)算法,将故障检测隔离决策归结为各子系统的状态估值与基于系统特性及先验噪声模型的状态估值之间的均值一致性检验问题。FDI算法决策并隔离发生故障的子系统对整个系统性能的影响。基于公共状态量的概念,简化了FDI算法的计算。