卡尔曼滤波器在PID控制器中的应用

简要介绍了卡尔曼滤波器理论及其算法,建立一级倒立摆系统模型.采用卡尔曼滤波器来克服系统中的测量噪声和控制噪声对控制性能的影响,并在MATLAB环境下进行对比仿真试验,验证了卡尔曼滤波器对噪声的有效抑制作用.     

卡尔曼滤波器在炮位侦察雷达中的应用

本文讨论了有关炮位侦察雷达的数据处理问题,设计了一个处理飞行弹丸观察数据的卡尔曼滤波器,提出了一种剔除鸟、飞机等假目标的方法,最后讨论了弹道外推的方法和结果。     

卡尔曼滤波器在倒立摆控制系统中的应用

倒立摆系统是一个非线性多变量的不稳定的系统。过去人们对倒立摆的控制都没有考虑到输出噪声的影响,这样就降低了控制的精度。卡尔曼滤波器能够对被噪声污染的信号进行有效地估计,从而降低了噪声的影响。本文介绍了卡尔曼滤波器在倒立摆控制系统中的应用并给出了仿真结果。     

火炮火控系统中的火控算法研究

研究火控算法的目的是为了在保证满足滤波精度的前提下，实现快速收敛，进而缩短系统反应时间。运用现代系统工程理论和数字计算机技术，采用模拟仿真等方法，可以对最小二乘法、Kalman滤波和α-β-γ滤波等算法进行深入研究和仿真试验，并结合当前国内外的技术性能现状，探索自适应能力强、满足实战要求的滤波算法，指导工程设计。     

卡尔曼滤波器在CCD测微系统中的应用

结合ＣＣＤ测微系统的实际，应用信号变换及卡尔曼滤波，解决了噪声干扰的滤波问题，使ＣＣＤ测微系统具有更高测量精度和置信度，其应用范围得到了拓展，满足了非规则物尺寸实时测量的要求。     

卡尔曼滤波器在状态和参数估计中的应用

应用有限差分法代替非线性函数的偏导数计算以改进扩展卡尔曼滤波器，该改进算法用于非线性系统的状态和参数联合估计。结果表明，该滤波器可以代替常规的卡尔曼滤波器，具有滤波精度高、数值计算稳定、对模糊精度要求低和适用范围宽等优点。     

卡尔曼滤波器发散自检

模型设置的不合理、可能导致卡尔曼滤波器的发散、完成不了预期的最佳滤波功能,这在系统动态噪声较小时尤为明显。本文提出了一种卡尔曼滤波器自我检测发散的方案,并在假设成立时给出修正的方法。使卡尔曼滤波器能尽可能地保持其最佳性、使为了克服发散而牺性的滤波最佳性降至最小。在这个意义上,这种自检的卡尔曼滤波器具有自适应的功能。     

卡尔曼滤波器对匀速直线运动目标的跟踪

本文主要是用卡尔曼滤波器实现雷达对向我方作匀速直线运动目标的位置和速度的跟踪，并分别得到其对应的预测、更新的位置和速度协方差。最后通过一个举例，用MATLAB仿真，结果说明了卡尔曼滤波器在跟踪机动目标中的优越性能。     

变加权系数联邦卡尔曼滤波在GPS/DR组合定位系统中的应用研究

针对全球定位系统(GPS)接收机易出现"丢星"现象及航位推算系统误差累计问题,采用变加权系数的联邦卡尔曼滤波信息融合算法,实现以航位推算系统(DR)辅助GPS定位系统的组合定位系统,并用Matlab软件对此算法进行了仿真研究.该方法既克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位.仿真结果表明,该方法在保证了系统定位精度的前提下,有效提高了定位系统的容错性和工作可靠性.     

基于Generalized Kalman Filter的VaR估计

在应用Kalman Filter方法估计时变风险β系数的基础上,引入Generalized Kalman Filter方法来估计时变卢系数,再通过Sharp对角线模型计算投资组合的VaR,并运用Backtesting检验判断两方法估计VaR的精确度.     

基于新息自适应的扩展卡尔曼滤波雷达目标跟踪算法

针对复杂环境下雷达目标跟踪系统易受外界干扰引入噪声污染分布问题,为了保证系统实时可靠,提出了一种基于新息自适应的扩展卡尔曼滤波雷达目标跟踪算法(innovation-based adaptive extended Kalman filter, IAEKF)。通过建立系统新息统计特性,构造系统与量测噪声函数,将新息协方差直接引入滤波器增益矩阵计算,在不增加计算代价的同时,改善算法的自适应性。仿真实验表明,在雷达测量系统受时变噪声污染分布影响下,IAEKF算法相比EKF算法跟踪精度高,算法可行且有效,具有一定的工程研究价值。     

中央差分多模型算法在蛇形机动目标跟踪问题中的应用

将中央差分卡尔曼滤波算法整合融入多模型算法,提出一类中央差分多模型算法并将其应用于典型的非线性跟踪问题,针对蛇形机动目标进行仿真验证。结果表明,和经典非线性多模型滤波器相比,该算法具有更高的估计精度和更快的收敛速度,且计算量适中,易于实现实时跟踪。     

自适应卡尔曼滤波器在机器人控制中的应用

机器人控制系统在实际工作中不可避免地要受到随机噪声的影响,当噪声的统计特性已知时,可以考虑采用常规Kalman滤波以抑制随机噪声对控制性能的影响;但当噪声的统计特性不完全已知时,常规Kalman滤波的滤波性能会下降甚至会引起发散。根据机器人的动态特性,设计了一个自适应Kalman滤波器,并对该滤波器应用于机器人控制系统进行了仿真实验研究。仿真结果表明,所设计的滤波器能够较好地抑制方差和均值未知的测量噪声对机器人控制系统的影响,控制系统的动态性能得到了较大的改善。     

基于双卡尔曼滤波的锂电池SOC估计

针对电池SOC估计误差较大的问题,本文提出了双卡尔曼滤波算法。介绍了电池常用的等效模型和使用方向,以双RC模型为基础建立了电池系统的空间方程,使用混合脉冲功率特性测试法得到了模型参数值;推导了安时积分法和扩展卡尔曼滤波原理,在基础上提出了双卡尔曼滤波算法,对双卡尔曼滤波的原理和公式实现进行了详细推导;设计了电池组的充放电实验对算法进行验证,结果表明安时积分法估计误差随时间不断增大,扩展卡尔曼算法估计误差震荡很大,双卡尔曼滤波的估计精度较高,最大估计误差只有0.13%。     

组合导航系统中模糊自适应卡尔曼滤波器的设计

为了解决常规卡尔曼滤波法存在的不足,给出了用模糊推理系统与卡尔曼法相结合的方法。该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效、实用的。     

基于自适应Kalman滤波器的原子钟信号预测方法

给出一种Kalman滤波器噪声方差阵的自适应更新方法, 该方法在进行原子钟参数估计时不需要预先输入噪声参数, 且噪声参数在递推过程中自动更新并随噪声改变而自适应改变. 利用国家授时中心标准时间(UTC(NTSC))与铷原子钟的钟差数据进行了验证, 结果表明, 效果优于一般的Kalman滤波器.      

集合Kalman滤波同化方法在福建沿岸潮汐数值模拟和预报中的应用研究

为了提高潮汐数值模拟和预报的准确度,利用《2009潮汐表》,建立了含集合Kalman滤波同化模块的潮汐数值预报模型,对集合Kalman滤波同化模块中的参数进行确定,并对同化效果进行了检验.为了确定集合Kalman滤波同化模块中的参数(主要是集合数和截断半径),考虑了42种参数组合,在这些组合中,以模拟准确度和计算相同时段的潮汐值所需时间为标准,存在最优的参数组合:其中,东山、厦门、娘宫、崇武4个站最优的截断半径为35 km,三沙站最优截断半径为30 km,5个站的最优集合数均为20.实验结果表明:将集合Kalman滤波同化方法用于潮汐数值预报模拟中是可行的,同化验潮站的潮汐表上的潮位数据对验潮站本身及其邻近网格点的潮汐模拟改进最大;当5个站不同化调和数据进去的时候,东山、厦门、娘宫、崇武4个站的模拟准确度,在未来12 h仍然有所提高.     

基于粉末冶金微孔再生过滤器的控制系统电路设计

以柴油机为研究对象,介绍了粉末冶金微孔过滤器的再生装置的组成及原理。该再生装置的核心是电子控制系统,本文就粉末冶金微孔过滤器的再生系统的电子控制系统进行了更深入的研究,设计了电控系统的电路。