机器人液压驱动器神经网络自适应最优控制

为了有效地控制液压非线性系统,提出基于RBF神经网络的自适应最优控制系统,应用于机器人液压驱动器.首先,建立了液压系统的动力学模型;然后,输入幅值和频率连续变化的信号,应用卡尔曼滤波器估计液压系统状态,进而计算出模型参数,对模型参数进行分组用于训练RBF神经网络;接着,对不同组参数求平均作为参考点,用RBF神经网络学习最优控制器反馈增益随系统参数的变化规律;最后,训练完成的神经网络根据卡尔曼滤波器参数估计值在线预测并调节控制器增益.经实验验证,该控制系统调节时间和跟踪误差仅为普通线性二次型最优控制器的1/2和1/3左右.     

含有关联噪声的非线性分数阶系统的扩展卡尔曼滤波器设计

针对含有过程和测量噪声的连续时间非线性分数阶系统的状态估计问题,提出了扩展卡尔曼滤波器算法.采用Grünwald-Letnikov差分定义对非线性分数阶系统离散化.利用输出方程设定待定系数矩阵,得到离散化的差分方程,实现非线性分数阶系统的有效的状态估计,提高状态估计的精度.最后,给出一个实例来说明所提出非线性分数阶系统的扩展卡尔曼滤波器的有效性.     

神经网络故障检测算法研究

该文采用输出带输入线性项的RBF神经网络来辨识非线性随机系统模型,基于扩展卡尔曼滤波器的设计思想,设计了一个可估计状态滤波协方差阵及状态预测协方差阵上界的次优状态滤波器,以产生残差序列,并可用来进行故障检测。该方法适用于一大类非线性随机系统,具有较大的适用范围。     

极限行驶条件下车辆质心侧偏角观测器设计

用非线性车辆模型线性化方法,设计了基于广义卡尔曼滤波器和广义龙贝格观测器的质心侧偏角估计算法.给出考虑了轮胎非线性特性的扩展二自由度车辆模型,用非线性最小二乘法拟合轮胎模型的参数;分析非线性模型的能观性,并通过局部线性化方法,将非线性模型在当前状态处线性化,并得到近似的线性模型;设计了广义卡尔曼滤波器和线性化龙贝格观测器,并证明观测器的稳定性;最后,通过典型的操纵稳定性试验,验证算法的有效性.极限行驶工况下采用非线性模型线性化的方法,能获得更高的估计精度.     

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。     

MC-CDMA系统中基于EKF的载波同步方法

针对多载波码分多址系统，提出一种基于扩展卡尔曼滤波器（EKF）的载波相位估计器，该技术不依赖于同步的采样速率，而且不需要传输导频信号，给出了相位误差的等效状态空间模型，并使用扩展卡尔曼滤 波器方法进行跟踪。     

一类非线性系统的新型扩展Kalman滤波器

非线性系统的状态估计是系统控制与信号处理领域基础而又关键的课题. 文中针对工程实际当中的一类非线性时变离散系统提出了一种新型的扩展Kalman滤波器. 与经典扩展Kalman滤波器相比， 该滤波器设计过程避免了线性化操作， 且其参数是通过最小化状态估计均方误差的上界得到的. 仿真结果表明该滤波器是可行的， 并能够提供比经典扩展Kalman滤波器更高的估计精度.     

基于瞬变流和故障检测的管线泄漏监测试验分析

根据动态系统分布参数模型的故障检测与诊断技术思想,结合管道流动的水力瞬变模型与适用于时变非线性系统的故障检测滤波器——扩展卡尔曼滤波算法,探讨了海底管道泄漏监测与定位技术.增广的状态向量包含管段各点的压力、流量和泄漏尺寸,进出口压力和流量4个参数组合成系统输入和输出向量,以卡尔曼增益阵修正由特征线结合差分法求解瞬变流离散方程得到的状态预测值,从而利用"新息"得出更准确的状态估计.在泄漏发生伊始即探测出异常,并给出泄漏发生时刻.基于压力梯度线性的假设计算泄漏位置,对一段试验水管的进出口压力流量测量序列进行上述分析,得出了与实际相当吻合的结果,初步验证了方法的有效性.     

基于优化EKF的永磁同步电机转速估计

为了解决在永磁同步电机无速度传感器直接转矩控制系统中,扩展卡尔曼滤波器在转速估计时系统噪声矩阵和测量噪声矩阵难以较准确获得的问题,提出了一种基于改进粒子群优化的扩展卡尔曼滤波器转速估计方法,该方法融合了粒子群算法与遗传算法的优点,经过实验仿真表明,当将此方法应用于卡尔曼滤波器系统噪声矩阵和测量噪声矩阵寻优时,与遗传算法、标准粒子群算法相比,改进粒子群优化的卡尔曼滤波器能更加迅速地找到较优解。     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

基于非线性滤波的移动机器人位姿估计

研究了基于扩展卡尔曼滤波和粒子滤波的移动机器人位姿估计。由于扩展卡尔曼滤波必须假定噪声服从高斯分布,若用于复杂非线性系统,其估计精度不甚理想。粒子滤波对噪声类型没有限制,正在成为非线性系统状态估计的有效近似方法。在不同噪声条件下,对基于粒子滤波和扩展卡尔曼滤波的移动机器人位姿估计问题进行了比较研究。仿真结果表明:粒子滤波能明显地改善移动机器人位姿估计的鲁棒性和精度。     

Model based SOC estimation for high-power Li-ion battery packs used on FCHVs

A model based method which recruited the extended Kalman filter （EKF） to estimate the full state of charge （SOC） of Li-ion battery was proposed. The underlying dynamic behavior of the cell pack was described based on an equivalent circuit comprising of two capacitors and three resistors. Measurements in two tests were applied to compare the SOC estimated by model based EKF estimation with the SOC calculated by coulomb counting. Results have shown that the proposed method is able to perform a good estimation of the SOC of battery packs. Moreover, a corresponding battery management systems （BMS） including software and hardware based on this method was designed.     

基于EKF的感应电机无速度传感器矢量控制系统

给出了一种基于扩展卡尔曼滤波(EKF)的感应电机无传感器矢量控制系统转速和负载转矩同时估算的方法.在矢量控制的基础上,将电机的运动方程作为一个状态方程,把电机负载转矩看作系统的扩展状态量,根据定子侧测量的电压、电流值,由EKF估算出电机转子磁链、转速及负载转矩.在此基础上,采用负载转矩前馈控制型转速控制器,提高系统抵御负载扰动的能力.仿真结果表明,无速度传感器矢量控制系统具有良好的动态控制性能,所提出的EKF估计器能够准确地估计转子磁链、转速及负载转矩.     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

具有状态约束的机电伺服系统自适应鲁棒控制

针对执行器动态及其状态受限、状态中存在测量噪声的问题,为伺服系统设计了一种基于非线性高增益观测器的自适应非线性鲁棒跟踪方法.基于系统位置测量值设计高增益观测器,利用滤波器消除噪声对观测器精度的影响,采用自适应律估计观测器增益,以保证观测器的鲁棒性.在设计过程中,引入一种新的障碍Lyapunov函数,以限制中间控制信号的幅值而满足系统对状态变量的约束要求,并通过Lyapunov方法验证了闭环系统的一致有界稳定性.结果表明,所提出的方法能够准确估算负载位置和速度.与传统的控制方法相比,其所观测的信息量较充分、估计精度较高、抗干扰能力及参数变化的鲁棒性较强.     

离散非线性系统状态和故障估计

针对同时含有执行器故障和传感器故障的离散Lipschitz非线性系统,提出一种可以同时估计系统状态、执行器故障和传感器故障的观测器设计方法。首先,通过系统状态向量的扩展,将原系统化为形式上不含传感器故障的广义Lipschitz非线性系统;然后,对得到的广义系统设计可以同时估计系统状态和执行器故障的观测器;最后,将观测器设计过程化为求解线性矩阵不等式的形式。仿真结果表明,所提方法具有有效性、正确性以及优越性。相较于现有很多方法,所提方法具有高效快捷的特点,具有较强的实用性。     

基于逆系统方法的非线性系统故障调节

针对一类多输入多输出非线性可逆系统,提出一种基于逆系统原理的故障调节方法.该方法通过设计被控对象的自适应观测器来估计执行器故障,并根据故障估计值,基于逆系统方法产生附加控制律对逆系统进行调节补偿,使得被控对象和经调节后逆系统的串联仍能保持为无故障时的伪线性系统模型,从而在无需改变系统正常控制器参数的情形下,方便地实现对执行器故障的良好性能容错目标.     

基于陀螺星光加激光交会雷达的相对姿态确定

针对编队飞行中从飞行器与主飞行器的相对姿态确定问题,提出了基于扩展卡尔曼滤波(EKF)的相对姿态确定方法. 采用修正罗德里格参数(MRPs)作为姿态描述参数避免奇异点. 姿态敏感器采用陀螺 星敏感器 激光交会雷达的配置模式,并且结合相对姿态动力学方程得到相对姿态确定的状态方程,建立起相对姿态确定的EKF模型. 仿真实例表明,EKF状态能在最慢300 s内收敛,MRPs的估计误差在10-5范围以内,该方法正确有效.     

轨控期间挠性卫星的姿态容错控制及主动振动抑制

针对受轨道控制推力影响及存在执行器故障的挠性卫星,提出了一种基于自适应滑模的姿态容错控制及挠性振动抑制方法.该容错控制方法不需要故障信息,而是基于滑模控制原理,利用自适应算法能够对故障系统中的不确定参数信息实现有效估计,并且在保证姿态稳定的同时,对来自环境和系统内部的扰动及转动惯量的不确定性具有良好的鲁棒性,从而提高了容错控制器的性能.进一步在姿态稳定的基础上,利用精确鲁棒微分器理论,针对挠性模态中的非线性项和扰动项设计了非线性状态观测器,并结合自适应控制和滑模控制方法实现了对挠性振动的有效抑制.最后,在反作用飞轮冗余配置的前提下,对轨道调控期间具有执行器故障的卫星姿态控制系统进行了仿真.结果表明,该方法有效正确.     

电力系统动态状态估计算法研究

为了提高电力系统动态状态估计的估计精度和收敛速度,引入一种解决非线性滤波问题的新型粒子滤波算法——混合卡尔曼粒子滤波器(Mixed Kalman Particle Filter,MKPF)。该算法采用扩展卡尔曼滤波器(EKF)与无迹卡尔曼滤波器(UKF)混合作为建议分布,得到一种更接近真实分布的近似表达式。仿真算例将MKPF与EKF和UKF进行了对比,比较结果证明在电力系统受到扰动之后,MKPF算法能够快速地收敛于真实值,且具有比EKF与UKF更高的估计精度和稳定性,达到了在线准确估计的要求。