基于H∞滤波器的离散时滞系统鲁棒故障检测方法

针对一类具有不确定性的离散时滞系统，基于H∞滤波器研究了系统的鲁棒故障检测问题。利用H∞控制理论得到了系统的故障检测滤波器设计方法。证明了故障检测残差对不确定性具有H∞范数界的鲁棒性，给出了滤波器参数设计方法。仿真示例验证了该方法的有效性．     

一种用于传感器故障检测的改进残差检验法

针对基于卡尔曼滤波器的残差检验法会跟踪软故障的局限性,提出了一种基于状态递推器的改进方法。然后通过对残差量的正态分布标准化措施,将残差向量整体的χ^2检测问题转化为每个独立分量的偏差检测问题。根据本文方法,不但提高了故障检测灵敏度,同时,具有一定的故障定位能力。仿真结果表明该方法是有效的,能够在很大程度上提高系统的故障检测灵敏度。     

非线性摄动时滞系统的H∞/H_鲁棒故障检测

基于H∞/H_滤波器技术,探讨了一类具有非线性摄动的时滞系统的鲁棒故障检测问题.通过构建故障观测器,形成能反映系统故障的广义残差模型.基于线性矩阵不等式(LMI)的方法,将故障检测问题转化为系统鲁棒稳定性的分析问题.并给出了该问题解的存在的LMI条件和求法.该方法既提高了故障观测器对残差的敏感性,又有效地抑制了干扰,从而提高了故障检测的效果.仿真结果表明,该方法是可行和有效的.     

奇异系统基于状态观测器的鲁棒故障诊断残差产生器设计的LMI方法

研究了受不确定性扰动影响下奇异系统的鲁棒故障诊断滤波器设计问题.从系统的L₂增益角度出发，将奇异系统基于状态观测器的鲁棒故障诊断滤波器设计问题归结为H_∞优化问题，通过选择适当的加权矩阵和观测器系数矩阵求解H_∞优化问题，即其最优解能最大化残差对故障信号的灵敏度且能够确保残差对不确定性扰动的鲁棒性. 应用线性矩阵不等式技术，给出并证明了该设计问题解的存在条件和求解方法.     

基于数据驱动的KPI系统最优滤波器设计

为了优化基于数据驱动的嵌入式故障诊断滤波器设计,采用KPI(key performance index)思想设计FDI(fault detection and isolation)残差,研究基于m DOs观测器的闭环Kalman滤波器设计方法,实现故障诊断和系统状态的有效观测.首先,基于采样数据得到大型复杂系统的KPI子空间模型,定义了跟踪误差,得到了闭环滤波器;其次,将残差序列表示为Hankel模型,通过定义正交投影补矩阵并选择恰当的数据列,构建出新的阈值矩阵;最后,得到Kalman滤波增益的计算方法,并给出了最优Kalman滤波器的设计步骤.结果表明,优化后残差的幅值降低至优化前的1/2.基于数据驱动的KPI系统最优滤波器设计,可提高对弱小故障监测的灵敏度,实现系统状态估计和故障诊断的性能优化.     

转移概率部分未知的正Markov切换系统的故障检测

研究了一类转移概率部分未知的正Markov切换系统的故障检测问题.通过选择模态相关的故障检测滤波器作为残差发生器,相应的故障检测被描述为正L_1滤波器问题.重点在于设计模态相关的故障检测滤波器,使得残差信号和故障信号之间的误差最小.然后,基于线性余正Lyapunov函数,在给定L_1增益性能指标下,建立了实现闭环系统期望随机稳定性的充分条件.进一步,线性规划方法建立了期望模态相关故障检测滤波器的可解性条件.最后,数值仿真验证了本方法的有效性.     

连续切换系统H_∞/H_-故障检测滤波器设计

针对连续切换系统的故障检测问题,设计了满足H_∞/H_-性能指标的故障检测滤波器。首先,通过构造故障检测滤波器得到残差,并引入了一种能同时体现残差对扰动的鲁棒性和对故障的敏感性的性能指标,利用H_∞理论把求解滤波器的问题转化为H_∞优化问题;其次,应用线性矩阵不等式(LMI)技术,对此性能指标进行优化。接着,利用Lyapunov函数方法和平均驻留时间技术验证所设计的增广滤波误差切换系统是指数稳定的,并且具有H_∞性能水平;最后,在此基础上给出并证明了该滤波器设计问题解的存在性条件和被设计的滤波器的增益矩阵和权值矩阵的求解方法,并将其表示为线性矩阵不等式形式,以便利用Matlab工具箱求解并验证结果的有效性。较少的决策变量和较多的计算使所得的结果具有较小的保守性。     

具有随机通讯时延的网络化系统的鲁棒故障检测

研究了一类具有随机通讯时延的不确定网络化系统的鲁棒故障检测问题.随机通讯时延用满足Bernoulli随机二进制分布变量的线性函数来描述.设计一个故障检测滤波器,使残差误差系统均方指数稳定且具有一定的扰动衰减水平.应用线性矩阵不等式方法证明故障检测滤波器存在条件,举例说明该方法的有效性.     

不确定奇异系统的鲁棒故障诊断滤波器设计

研究了带参数不确定性和干扰输入的奇异系统的鲁棒故障诊断滤波器设计问题.设计H∞滤波器作为残差产生器，使残差与故障加权之间的误差尽可能小.给出了残差误差系统对所有满足条件的不确定性是容许的且残差误差与干扰输入的L2范数的比值最小的充要条件，并给出残差产生器各系数矩阵的求解方法.     

基于时滞补偿观测器的网络化控制系统故障检测

针对一类具有不确定传输时滞的网络化控制系统,基于时滞补偿观测器研究了系统的故障检测问题.在传统的基于观测器的故障检测系统的基础上,根据时滞补偿的思想设计了一种新型的状态观测器,并引入故障的参考模型,得到广义残差系统;利用H∞控制理论,提出了基于H∞滤波器的故障检测方法,并借助线性矩阵不等式(LMI)方法给出了观测器增益矩阵和后滤波器矩阵的解.通过仿真验证了该方法的可行性和优越性.     

基于平方根UKF的伪卫星动态跟踪定位算法

为了解决传统Kalman滤波在处理非线性系统时的局限性,以及扩展Kalman滤波（EKF）在处理强非线性系统时发散性和精度较差的问题,结合动态导航系统中的目标跟踪定位问题,在不敏Kalman滤波（UKF）算法的基础上,提出了一种基于平方根UKF的动态跟踪定位算法,在递推运算过程中采用协方差矩阵的平方根代替传统算法计算过程中的协方差矩阵。MATLAB仿真结果表明,平方根UKF算法的精度比EKF提升了54.7%,比UKF提升了14.8%。所提出的算法解决了Kalman处理非线性系统的局限性以及传统EKF和UKF算法精度不高的问题,为伪卫星系统的高精度定位研究提供了有力支撑。     

高斯混合粒子滤波器在静基座捷联惯导系统初始对准中的应用

为解决传统粒子滤波算法中影响状态估计性能的采样枯竭问题,提出一种高斯混合粒子滤波(GMPF)算法,基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,采用加权EM算法取代传统粒子滤波的再采样过程,减弱了采样枯竭的影响,增强了算法的估计性能.对捷联惯导系统静基座大方位失准角初始对准的仿真结果表明,该算法的估计精度优于扩展卡尔曼滤波.     

无人机组合导航系统的自适应算法研究

为了缩短捷联惯导系统的初始对准时间并提高对准精度,分别设计了常规卡尔曼滤波器和自适应卡尔曼滤波器用于精对准。在系统噪声统计特性未知时,自适应卡尔曼滤波算法利用滤波残差的均值和方差,不断对卡尔曼滤波的状态噪声方差阵和测量噪声方差阵进行实时修正,从而提高滤波器对模型不确定性和噪声变化的适应能力和鲁棒性。仿真结果表明,使用自适应UKF算法与常规的UKF算法相比,可以获得更优的对准精度和快速性。     

区间卡尔曼滤波算法在组合导航数据融合中的应用

传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时无法直接应用。本文通过将参数变化的系统建立成区间模型,给出了一种处理系统参数不确定性的区间卡尔曼滤波算法,该算法运用一种较为简单的区间矩阵求逆方案,在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当,仿真验证了该算法在低成本INS/GPS组合导航数据融合中应用的可行性。     

一种改进的自适应USQUE组合导航姿态估计方法

针对传统四元数无味卡尔曼滤波(unscented quaternion Kalman filter,USQUE)算法的量测噪声统计未知及时变引起滤波发散精度降低等问题,提出一种变分贝叶斯自适应四元数无味卡尔曼滤波算法(variational Bayesian-based adaptive USQUE,VB-AUSQUE).通过变分贝叶斯高斯迭代近似估计,获取近似的量测噪声协方差矩阵滤波先验条件.仿真和舰载测试表明:在捷联式惯性导航系统/全球定位系统(strapdown inertial navigation system/global navigation satellite system,SINS/GNSS)组合导航系统中,VB-AUSQUE算法能有效减少系统量测噪声未知及时变问题对姿态估计精度的影响,相比常规算法具有更高的精度.     

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

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.      

IMM迭代无迹Kalman粒子滤波目标跟踪算法

针对传统交互式多模型(interactive multiple model,IMM)算法跟踪机动式再入目标精度差和实时性不高的问题,提出一种交互式多模型迭代无迹Kalman粒子滤波算法.该算法在多模型滤波过程中采用改进的粒子滤波算法,通过迭代无迹Kalman滤波融入最新观测信息,进而生成粒子滤波的重要性密度分布,从而提高采样质量,改善滤波算法性能.仿真结果表明,提出的算法相对于交互式多模型粒子滤波算法具有更好的跟踪效果.该算法对提高跟踪机动式再入目标的精度与实时能力具有一定的理论意义.     

Multi-sensor federated unscented Kalman filtering algorithm in intermittent observations

Aiming at the adverse effect caused by limited detecting probability of sensors on filtering precision of a nonlinear system state,a novel multi-sensor federated unscented Kalman filtering algorithm is proposed.Firstly,combined with the residual detection strategy,effective observations are correctly identified.Secondly,according to the missing characteristic of observations and the structural feature of unscented Kalman filter,the iterative process of the single-sensor unscented Kalman filter in intermittent observations is given.The key idea is that the state estimation and its error covariance matrix are replaced by the state one-step prediction and its error covariance matrix,when the phenomenon of observations missing occurs.Finally,based on the realization mechanism of federated filter,a new fusion framework of state estimation from each local node is designed.And the filtering precision of system state is improved further by the effective management of observations missing and the rational utilization of redundancy and complementary information among multi-sensor observations.The theory analysis and simulation results show the feasibility and effectiveness of the proposed algorithm.     

锂离子电池参数辨识与SOC估算研究

电池SOC的估算精度是影响电动汽车性能的重要因素之一.针对传统的卡尔曼滤波方法在滤波时,需要已知系统噪声统计特性这一问题,本文在采用RC等效电路模型,运用多元线性回归方法辨识得到电池模型参数后,提出了采用模糊自适应卡尔曼滤波算法来估算电池SOC.城市道路循环工况仿真对比结果表明,该算法相比传统卡尔曼滤波方法具有更高精度,且能够将误差保持在2%以内,较好地提高了SOC估算精度.     

一种新的惯性/GPS组合导航系统随机干扰处理方法

研究动力学系统波动算法的简化和改进方法,用该方法对陀螺漂移,加速度计误差等随机干扰进行统计描述,巧妙地运用卡尔曼滤波除组合导航系统的波动型干扰,简化原算法,使计算量比原算法减少,通过对惯性／GPS组合导航系统中的波动法和卡尔曼滤波的比较及计算机仿真研究表明,新的改进波动算法与原算法几乎一样有效,波动型随机干扰的估算精度高于标准卡尔曼滤波。