摘要：该文针对机器学习、随机过程、贝叶斯滤波算法等剩余寿命(RUL)预测模型存在的不足,融合热应力作用下电机绝缘加速寿命数据和现场监测数据,结合随机过程和支持向量机模型,提出了基于拓展卡尔曼滤波的电机绝缘寿命预测模型。以剩余击穿电压为状态变量,基于Wiener过程建立了卡尔曼滤波模型的状态方程;以最大局部放电量的加速退化数据及现场监测数据为依据构建卡尔曼滤波模型的观测方程;为解决卡尔曼滤波模型由于无法获取新的监测信息而导致的预测精度不足问题,采用支持向量机建立了最大局部放电量预测模型。最后,针对电机主绝缘用6650聚酰亚胺,基于290℃、300℃、310℃、320℃下的加速退化数据构建状态方程,结合240℃下试样的局部放电数据构建观测方程,并以240℃下60h的试样实测老化数据为基准对模型进行了验证,证明了所提出模型在提高剩余寿命预测精度方面的有效性。

摘要：为了实现机器人运动学参数标定,提出一种用惯性测量单元(IMU)实时获取其末端姿态信息的方法。然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度(除重力加速度之外的其他加速度)叠加,噪声统计特性参数不易获取,陀螺仪信号随时间发生漂移等影响测量精度的问题。针对这些问题,设计了一种自适应拓展卡尔曼滤波(EKF)姿态测量改进算法。基于EKF模型,首先构建第一级量测噪声方差阵,设定权重因子,降低有害加速度对测量结果的影响;其次在Sage-Husa自适应滤波算法中引入了渐消记忆因子的思想,实时跟踪采样数据的量测噪声,构建第二级量测噪声方差阵;最后采用姿态更新的四元数算法进行数据融合,修正陀螺仪信号漂移产生的误差。实验结果表明,相比Sage-Husa自适应滤波算法,该算法峰高时俯仰角和横滚角的平均绝对误差分别降低了50%和36.43%,峰谷时俯仰角和横滚角的平均绝对误差分别降低了14.28%和19.44%,能有效提高姿态测量精度。

摘要：针对卫星制导二维弹道修正弹的命中精度差,提出一种将拓展卡尔曼滤波(EKF)与敏感矩阵结合的落点预测(IPP)制导方法。建立了二维弹道修正弹的质心运动方程组,推导出离散化卡尔曼滤波状态方程和卫星量测方程;利用拓展卡尔曼滤波器对一段扰动弹道进行预测并得到预测落点坐标,设计一种基于敏感矩阵的导引律,给出了敏感矩阵的近似求解方法;对某二维弹道修正弹进行数值仿真验证。结果表明:采用拓展卡尔曼滤波估计弹道参数的算法精度高、收敛速度快;敏感矩阵导引法有效减小了圆概率偏差(CEP),能够满足二维弹道修正弹的命中精度要求。

摘要：针对重载机械手旋转驱动系统受固有非线性摩擦的影响而位置控制精度不高的问题,基于系统的状态空间模型,结合模型预测控制（MPC）、拓展卡尔曼滤波（EKF）和二次优化算法,提出一种基于卡尔曼滤波的模型预测控制方法。通过模型预测控制（MPC）能够实现约束条件下的精确控制,通过拓展卡尔曼滤波（EKF）能够避免模型误差的影响,提高了系统的鲁棒性;通过二次优化算法能够高效求出局部最优解。仿真结果表明,所设计的控制策略在快速性和稳定性方面都优于传统PID控制。实验结果表明该控制策略是有效的,能显著提高重载机械手旋转驱动系统的位置控制精度。

摘要：针对监控区域中的节点安全定位问题,设计出一种基于多维定标和卡尔曼滤波相结合的节点定位算法,首先测量节点间的RSS,并根据RSS与距离的关系推断出节点间距离并建立距离矩阵,接着利用SMCF算法进一步搜索节点位置,利用移动节点的移动距离建立坐标系,将得到的相对坐标转化为绝对坐标。最后,利用移动节点的运动特征,根据移动过程中搜集的RSS,采用拓展卡尔曼滤波进一步精化节点坐标。仿真实验结果表明,该算法能有效提高定位精度。