基于卡尔曼滤波器的容错控制和硬件在环验证

为了有效地开展微型燃气轮机传感器的故障诊断和容错控制,在采用基于模型的设计方法建立微型燃气轮机部件级模 型的基础上,使用了一种基于扩展卡尔曼滤波器的故障诊断和容错控制方法,能够有效地诊断出传感器故障,并重构正确信号继 续进行闭环控制。使用MATLAB/Simulink的自动代码生成技术,将微型燃气轮机模型及故障诊断和容错控制方法在全数字仿真 平台和硬件在环仿真平台进行集成和验证,结果表明：基于模型的设计方法的数字仿真结果与硬件在环仿真结果具有很高的一致性。     

基于改进混合卡尔曼滤波器的航空发动机机载自适应模型

提出了基于改进混合卡尔曼滤波器的航空发动机机载自适应模型方法,即以机载非线性模型的输出作为分段线性卡尔曼滤波器的稳态基准值,将性能蜕化因子作为该滤波器的增广状态量进行在线估计,并反馈给机载非线性模型使其完成在线更新.同时,根据工作模式切换机制使该模型获得有效输出.通过将该方法应用于某型涡扇发动机进行一系列仿真表明,在全飞行包线内、不同工作状态以及性能蜕化严重的情况下,该模型能够始终与实际发动机相匹配,满足实际应用需求.      

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。     

用卡尔曼滤波器估计目标机动加速度

为了使基于线性二次型高斯理论的LQG最优制导规律得到工程应用，设计了一种寻的回路中的卡尔曼滤波器，利用仿真技术，用这种滤波器对目标机动加速度进行了估计，仿真结果表明，这种滤波器可以准确估计目标机动加速度。     

基于双重卡尔曼滤波器的发动机故障诊断

提出了一种基于双重卡尔曼滤波器的航空发动机健康参数估计方法,实现了传感器发生故障情况下发动机故障的准确诊断.采用发动机动态工作点的测量数据,解决了可测量参数偏少导致故障诊断困难的问题;球面采样平方根UKF(UnscentedKalmanfilter)故障诊断滤波器具有更好的滤波稳定性与更低的计算量的要求,提高了故障诊断算法的效率与精度.某型双轴涡扇发动机故障诊断仿真结果表明,该方法可以准确的同步实现气路部件与传感器的故障诊断,是一种有效的航空发动机故障诊断方法.      

利用区间广义卡尔曼滤波器跟踪来袭弹道式导弹

用雷达跟踪来袭弹道式导弹,由于其运动模型、测量噪声的不确定性,成为需要研究的重要问题。经典广义卡尔曼滤波器（ＥＫＦ）不再适用于这种不确定的问题,因此,引入一种新的区间广义卡尔曼滤波（ＥＩＫＦ）方法来跟踪导弹系统。计算机仿真结果表明本ＥＩＫＦ算法对于这种不确定的、非线性弹道式导弹的测量问题是有效的。     

基于卡尔曼滤波器及神经网络的发动机故障诊断

提出了一种基于卡尔曼滤波器及神经网络的航空燃气涡轮发动机气路故障诊断的方法.该方法用卡尔曼滤波器来估计发动机可测参数的变化量,再由神经网络来映射发动机性能参数的变化量,并据此进行发动机气路故障诊断.数字仿真表明,该方法是可行的,有效的.      

基于混合卡尔曼滤波器组故障传感器定位方法

为了在发动机性能蜕化与传感器故障并存的情况下实现故障传感器的定位与部件蜕化情况的估计,并实现故障诊断基准数据的修正,构建了1种包含了机载模型与线性卡尔曼滤波器的组合结构混合卡尔曼滤波器组。该卡尔曼滤波器组能够在之前所描述的故障/蜕化耦合情况下定位故障传感器,并得到较为准确的部件蜕化估计结果。为了验证了混合卡尔曼滤波器组的有效性,进行了相关仿真。仿真结果表明:混合卡尔曼滤波器组能够在发动机动态过程中遭遇传感器故障与部件蜕化并存的情况下完成故障定位与蜕化估计。     

基于改进联邦Kalman滤波的组合校准方法研究

联邦滤波器广泛应用于多传感器信息融合领域,联邦滤波中的信息分配原则影响滤波精度.针对联邦Kalman滤波器进行改进,采用基于估计协方差阵奇异值动态确定信息分配系数.对子滤波器进行重置时,采用新的重置方法,保证了子滤波器误差协方差阵的对称性,确保Kalman滤波器的一致收敛稳定性.新的联邦滤波算法允许每个状态分量拥有不同的动态信息分配因子,从而改进了联邦滤波信息融合的精度.设计了SINS/GPS/电子罗盘组合导航系统,仿真结果说明,与传统联邦滤波算法相比,改进的联邦滤波器估计精度得到了提高,可以更好地对SINS误差进行校准,提高系统的精度.     

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。     

基于卡尔曼滤波的星敏感器在轨校准方法

根据星敏感器光学镜头以径向畸变为主的特点,采用一阶径向畸变模型,利用摄像机标定中的径向排列约束(RAC),对其外部姿态和内参数进行在轨校准。以采集到的星点的图像坐标和对应导航星在天球坐标系下的赤经、赤纬信息作为滤波器的输入,外部姿态和内参数作为输出,构造相应的状态方程和观测方程,进行两次卡尔曼滤波迭代,结果作为校准参数的最优估计。仿真实验表明:本方法能消除内部参数与外部参数的耦合,校准过程不依赖外部姿态,且状态方程和观测方程均为线性方程,满足卡尔曼滤波迭代的最优条件,能够精确估计出星敏感器内外参数,在星点成像位置噪声标准差为0.05像素时,校准后x、y方向上的平均误差分别为0.044像素和0.049像素。     

基于无迹卡尔曼滤波法的串联型电池系统 荷电状态估计研究

以锂离子电池为载体的电源系统为航天器稳定可靠运行提供了一种有效的方式.多个电池单体经串联可扩大电池系统容量,即串联型电池系统.为准确估计串联型锂离子电池系统的荷电状态(State of Charge,SOC),针对扩展卡尔曼滤波(Extended Kalman Filter,EKF)计算复杂、精度不高等问题,结合串联型电池系统空间状态方程,提出基于无迹卡尔曼滤波法(Unscented Kalman Filter,UKF)的串联型电池系统荷电状态估计算法.在恒流和脉冲两种工况下,通过对比分析UKF与EKF算法的仿真结果与实验数据的匹配情况,证明了提出算法的准确性和高鲁棒性.     

Missile Guidance Based on Kalman Filter Estimation of Target Maneuver

A fourth-order extended Kalman filter is developed to estimate target maneuvers, and a guidance law using these estimates is implemented.     

基于Kalman滤波器的加速度信号数字系统设计

现代武器中的惯性导航系统朝着小型化、数字化、高精度方向发展,针对捷联惯性导航系统中加速度计输出的模拟电流信号高精度模数转换的需要,设计了一种基于Kalman滤波器的加速度计信号模数转换系统.在前端采用电流处理电路和高精度ADC芯片进行模数转换,在后端设计一种自适应Kalman滤波器对数字转化过程中的信号噪声进行处理,实...     

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。     

基于卡尔曼滤波的数据融合技术在系统航迹中的研究与应用

本文针对空中交通管制自动化系统输出的系统航迹在边界地区出现多重目标和跳跃点的问题,提出了一种对系统航迹进行二次融合的方法,建立了状态方程和测量方程,提出了一种自适应扩展卡尔曼滤波的跟踪算法.将系统航迹传输时延转换为空中目标的距离,用卡尔曼滤波方法对数据中的噪声进行滤波.对目标的匀速航行和机动航行进行了仿真实验,实验结果表明了该算法的正确性和有效性.最后将该算法用于系统航迹中,也取得了良好的效果.     

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.     

基于最大一致容积Kalman滤波器的多机器人协同定位CSCD

机器人位置信息是多机器人系统执行任务的前提,单个机器人因传感器载荷和作用范围的限制,难以完成复杂环境中的定位任务,多个机器人通过协作可实现大范围下的位置确定。将配置多个传感器的同构机器人群替换为配置单个或少量传感器的异构机器人可降低硬件成本,并且通过设计协同算法,不会降低定位精度。提出了一种将容积Kalman滤波器与最大一致思想融合后的新型滤波算法,并将该算法应用于麦克纳姆轮机器人系统。通过仿真和实物验证了最大一致容积Kalman滤波器的协同定位效果。