摘要：针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.

摘要：制冷站具有非线性、强耦合等特点,导致传统机理的建模面临困难。为实现系统节能优化控制,并改善模型在线修正和移植性能,提出一种基于改进Takagi-Sugeno(T-S)模糊模型的制冷站负荷和能效比动态建模方法,前件结构辨识设计改进天牛须搜索算法,以改善模糊C-均值聚类方法对初值敏感和易陷入局部最优的问题;为实现非线性模型辨识,并降低现场测试数据噪声的影响,设计自适应扩展卡尔曼滤波算法实现模型后件参数辨识和在线修正。实验结果表明,所建立的负荷和能效比预测模型在广州某建筑上运行时,相对误差分别为0.63%和1.49%;使用广州市另一座建筑的数据进行模型可移植性验证,经过500步在线训练,新模型成功收敛,证明所构建模型具备良好的可移植性和适应性。

摘要：脉冲星自主导航技术能够提供连续、高精度的导航定位信息和高精度的时间标准,能为深空和星际飞行器的自主导航提供有效技术支撑。针对如何提高环火探测器自主导航的精度,并为其提供快速、可靠的导航信息,本文设计了一款自适应扩展卡尔曼滤波器(AEKF)滤波器。仿真数值实验表明,探测器的三个轴向位置精度能够迅速收敛,X轴向收敛精度优于1 000m,Y、Z轴向收敛精度优于350m;三个轴向速度精度也能经过数十个历元后稳定在0.05m/s以内。此外,AEKF能够有效克服滤波初始状态偏差的影响,较快地获得相当精度的状态估值。

摘要：为了实现自动导向车(automatic guided vehicle,AGV)的高精度导引控制,设计其双磁传感器测量系统,提出结合自适应卡尔曼滤波定位和滑模变结构控制的路径跟随控制器。利用扩展卡尔曼滤波融合里程计和磁传感器的测量数据,提高了系统的定位精确度,采用单神经元网络在线估计测量系统的噪声协方差,使得该方差接近实际噪声统计特性,增强了扩展卡尔曼滤波的性能和适应性。滑模控制不但保证控制器精确度,还有效地消除了系统未知控制输入扰动的影响,其设计过程基于Lyapunov方法,保证系统的稳定和渐近收敛。仿真结果表明了该控制器的有效性。

摘要：针对低成本惯性传感器系统中由于系统误差、环境干扰等因素造成的姿态计算数据精度低、易发散等问题,设计了一种加速度计和陀螺仪的误差预处理模型,并使用扩展卡尔曼滤波实现其过程。然后基于扩展卡尔曼滤波算法构建两级噪声方差阵和引入渐消记忆因子的自适应扩展卡尔曼滤波算法,实现姿态角的融合过程。最后采用四元数更新算法求解姿态角。实验结果表明:通过自适应扩展卡尔曼滤波算法使姿态解算精度进一步提高。

摘要：为确定动力电池的剩余电量和峰值功率这两个关键指标,提出一种基于数据驱动的在线参数辨识方法,通过递归最小二乘法精确计算电池的实时参数;然后设计了一种基于自适应扩展卡尔曼滤波的多状态联合估计算法,准确估计电池的实时荷电状态;并在电压、剩余电量和单体峰值电流的多约束条件下,建立多采样间隔持续峰值功率估算的数学模型.最后在MATLAB/Simulink环境下搭建基于纯电动汽车实际运行工况的硬件在环测试模型.结果表明:在初始误差较大时,剩余电量的估计误差在3%左右,硬件在环测试系统的端电压误差保持在±20 mV以内,峰值功率的平均误差为4.9745 W,为联合估计算法的准确性提供了可靠理论依据.

摘要：针对在转速估算研究中采用常数矩阵不能准确描述永磁同步电机(PMSM)在不同运行条件下系统噪声的问题,提出了一种基于新息序列和状态残差的自适应扩展卡尔曼滤波算法(AEKF)。同时,对AEKF的稳定性进行理论上的探究。经仿真验证,与传统扩展卡尔曼滤波算法相比,AEKF在收敛速度和收敛精度上更优,参数鲁棒性更好。

摘要：针对锂电池等效电路模型参数不准确以及复杂工况噪声不确定导致荷电状态(SOC)估计精确度较低的问题,提出一种自适应扩展卡尔曼滤波(AEKF)融合带遗忘因子最小二乘法(FFRLS)的算法来解决此问题。在每一步SOC估计过程中,首先使用FFRLS算法跟随试验工况环境变化,实时辨识出一阶RC等效电路模型参数,增加模型精确度,准确描述锂电池工作时的动态特性;再使用AEKF算法实时更新与修正系统噪声并在线估计SOC。设计搭建动力锂电池试验平台,在动力动态测试(DST)和北京公交动力动态测试(BBDST)工况下,该方法估计值最大绝对误差均低于0.15%,平均绝对误差在0.077以下,均方根误差在0.007以下,相较于扩展卡尔曼滤波(EKF)算法,所提算法的估计效果有较大提升。

摘要：为了缩短低成本捷联惯导系统初始对准时间并提高对准精度,给出了一种基于微型电子罗盘的初始对准方法。首先利用电子罗盘辅助加速度计完成粗对准,然后,分别设计了自适应扩展卡尔曼滤波器和平淡卡尔曼滤波器(UKF)用于精对准。实验结果显示,在系统量测噪声方差阵未知时,在滤波器中加入自适应方法能有效的提高对准精度;而采用非线性滤波的UKF算法,即使在粗对准之后方向失准角比较小的情况下,也可获得比线性滤波更优的对准精度和快速性。

摘要：针对无人机飞行时模型预测和量测噪声变化不规律等问题,提出了一种基于位姿调节因子的模糊自适应扩展卡尔曼滤波方法(Fuzzy Adaptive Extended Kalman Filter based on Position and Attitude factors,APFAEKF)。通过利用滤波器的多维残差信息,结合模糊推理系统得出位置调节因子和姿态调节因子,进一步反馈到滤波器中在线连续修正噪声统计特性,以提高组合导航系统解算精度。通过对INS/GPS/CNS组合导航系统的仿真,验证了算法对提高精度的作用。