捷联惯导快速传递对准的可观测性与机动方案

为研究捷联惯导"速度+姿态"匹配快速传递对准中滤波模型的可观测性与载体机动的关系,提出一种分段线性定常系统(PWCS)可观测性逆向分析方法。该方法将原模型近似为PWCS。通过分析PWCS可观测性矩阵的秩的时变,推导出使PWCS完全可观测的各种状态段组合,包含其中任一种状态段组合的机动方案即满足滤波模型完全可观测的条件。摇翼机动传递对准仿真结果验证了PWCS可观测性逆向分析方法。由该方法的分析结果提出利用载体普通机动的快速传递对准机动方案。     

捷联惯导系统的可观测性和可观测度研究

可观测性和可观测度分析是确定动态系统卡尔曼滤波效果的重要环节．本文首次提出了一种时变动态系统可观测性矩阵的奇异值分解分析方法，应用于捷联惯导系统初始对准过程中系统状态的可观测度分析取得显著效果，该方法为初始对准中载体最佳机动方案选择提供了依据．计算机仿真结果表明了该方法的有效性．     

捷联惯系统的可观测性和可观测度研究

可观测性和可观测度分析是确定动态系统卡尔曼滤波效果的重要环节，本文首次提出了一种时变动态系统可观测矩阵的奇异值分解分析方法，应用于捷联惯导系统初始对系统状态的可观测度分析取得显著效果。该方法为初始对准中载体最佳机机动方案选择提供了依据，计算机仿真结果表明了该方法的有效性     

一种新的捷联惯导系统动基座对准中的可观测性分析法

以惯性坐标系为导航坐标系,建立了捷联惯性导航系统动基座对准的误差模型.利用分段定常系统可观测性分析方法对系统动基座对准时的可观测性进行了全面分析,定性地得出了载体不同运动对系统可观测性的影响.分析结果表明,在动基座对准过程中,不同于传统的以地理坐标系为导航坐标系,惯性坐标系具有简化分析过程、利于定轨等优点,且无论载体是线运动还是角运动,在一定条件下都能提高系统的可观测性,进而提高卡尔曼滤波器的估计精度和速度.在以惯性坐标系为导航坐标系的捷联惯性导航系统动基座对准过程中,采用卡尔曼滤波方法,基于具体试验数据,对失准角进行了估计,给出了仿真曲线,验证了分析结论.     

新型GPS动态定位自适应卡尔曼滤波方法

为了获取GPS卫星的信号及定位数据的真实值,减小信号传播中因各种因素混入的随机误差对定位精度的影响,通过应用运动载体"当前"统计模型,取速度和位置为观测量建立GPS动态定位模型,将观测量维数增大1倍,从而增加了系统的可观测性和定位测算精度.此外,针对传统标准卡尔曼滤波法在动态滤波方面的不足进行了分析,提出了改进型Sage自适应卡尔曼滤波法.该方法在递推和滤波过程中不断地修正模型参数,始终保持噪声模型接近于真实模型,从而避免了标准卡尔曼滤波法中因建模不准确可能导致的滤波发散等问题,较好地解决了GPS动态定位中状态变量维数与滤波快速性之间的矛盾,以及状态噪声和观测噪声建模不准确和时变的问题.     

带有量测数据丢失的虚观测鲁棒卡尔曼滤波算法

针对传感器量测数据丢失的卡尔曼(Kalman)滤波问题进行了研究,提出了一种基于虚观测值的鲁棒卡尔曼滤波算法,针对伯努利(Bernoulli)分布描述的量测数据丢失的模型,充分利用当前时刻的先验信息,应用趋势移动平均法来预估构造丢失数据时刻的虚观测值,建立了等效的传感器量测模型.利用鲁棒卡尔曼滤波方法来消除预测偏差较大的虚观测值对目标跟踪的影响,从而达到对目标的稳健跟踪.仿真实例说明了该算法能在量测数据丢失的情况下对目标进行有效的跟踪,跟踪精度高于跳变线性系统的卡尔曼滤波算法.     

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.     

卡尔曼滤波在GPS制导火箭弹中的应用

针对直接采用全球定位系统(GPS)测量弹道误差较大的问题,该文提出应用扩展卡尔曼滤波方法进行弹道测量。采用火箭弹弹道模型和GPS误差模型,建立卡尔曼滤波系统状态模型和以伪距为观测量的系统测量模型,推导并分析了相应的滤波公式,并对GPS动态定位的数据进行滤波。理论分析和仿真结果表明,GPS测量的位置误差和速度误差具有随机性,且误差幅度较大,采用卡尔曼滤波算法后,弹道的位置估计误差和速度估计误差分别降低到观测误差的1/3和1/4左右,而且滤波收敛速度快。     

扩展卡尔曼滤波在陆基无线电导航系统定位解算中的应用

分析了卡尔曼滤波应用于陆基无线电导航定位解算中的原因，并将扩展卡尔曼滤波引入陆基无线电导航定位解算，设计建立了无线电导航系统的状态模型和观测模型，同时分析了由于测量误差和模型误差引起的滤波发散问题，并针对滤波发散问题提出几种改善方法，以提高系统的跟踪精度，最后给出仿真实例和结果分析。     

卡尔曼滤波在精密机床装配过程误差状态估计中的应用

针对精密机床装配偏差控制问题,在借鉴多工位装配中薄壁件装配偏差控制方法的基础上,建立了精密机床装配过程中偏差传递的状态空间模型,并提出了一种利用卡尔曼滤波实现对装配误差进行最优估计的新方法。首先,根据机床结构建立基准传递链,将零件关键特征在基础坐标系中位姿误差定义为状态变量,引入状态空间方程描述装配过程中的偏差传递,实现对装配工艺过程的数学表达。然后,基于状态空间模型,将当前装入零件加工误差作为系统输入误差,以当前装配步的测量结果为观测值,通过卡尔曼滤波计算装配误差最优估计值以及相应协方差矩阵,实现装配过程中装配误差的估计。最后,应用该方法对精密坐标镗床装配过程进行计算,结果表明:与传统公差分析计算方差相比,经过卡尔曼滤波计算得到最终装配状态估计误差的方差减小了63%,说明该方法用于评价装配过程中偏差累积是有效的,能为优化装配工艺和机床装配调整工艺提供有效指导。     

基于局域化集合卡尔曼滤波的含水层弥散度场识别研究

溶质运移模型对下水污染物运移预测有重要意义,但是准确获取模型参数具有一定难度.集合卡尔曼滤波(EnKF)方法可以融合多来源观测数据对同化系统进行优化修正,从而得到与真实情况接近的参数.将二维承压含水层理想算例的溶质观测数据应用于局域化集合卡尔曼滤波同化系统,估计含水层的弥散度场,并探讨了模型实现数目、初始猜想场的统计特征、观测点数目及时空分布、观测误差对参数估计结果的影响.结果表明,通过同化浓度观测资料可较好地估计溶质运移模型的弥散度场;对于所用模型,实现数目在100~700时,参数估计结果最好;初始猜想场与实际场越接近、观测数据误差越小,越能快速获得较好的估计结果.     

基于反馈线性化的整车振动状态观测算法

针对整车振动状态观测器设计中的整车悬架系统高维非线性特性,提出了反馈线性化卡尔曼滤波算法.基于微分几何理论,通过求解坐标变换,将车辆非线性振动模型变换成一个可观测的标准型,实现系统的精确反馈线性化,进而采用线性卡尔曼滤波算法,针对变换后的线性系统设计观测器,最后通过坐标逆变换获得原非线性系统的状态观测值.仿真结果表明,相比扩展卡尔曼滤波算法,该算法能够提高车辆振动状态观测精度和运算效率.      

基于卡尔曼滤波的高速道路行程时间动态预测

首先介绍了卡尔曼滤波的算法，并定性说明了其优点－动态性、实时性。然后使用卡尔曼滤波法和传统的预测方法分别对同一观测数据进行了观测和对比，从而定量证明了卡尔曼滤波的高精度性，研究成果对于开发交通信息诱导系统和动态交通分配均具有较大的意义。     

传递对准误差模型及其QCDKF算法

基于乘性四元数计算量小、精度高、非奇异性和全姿态工作特点以及大角度传递对准系统设计要求,建立了可适用于任意失准角情形的传递对准系统速度姿态匹配乘性四元数误差模型;以乘性四元数描述的载体姿态矩阵为对象,构造姿态矩阵代价函数计算乘性四元数均值,使其满足四元数规范化要求,进而计算四元数误差方差矩阵;联合中心差分卡尔曼滤波(CDKF)算法,实现传递对准系统的四元数中心差分卡尔曼滤波(QCDKF)算法.仿真结果表明:该算法能够有效解决大失准角情形下惯导系统传递对准问题,数值计算稳定性较好,计算精度和对准时间都满足系统设计要求.     

鲁棒的基于均值漂移的自适应卡尔曼滤波目标跟踪

提出了一种鲁棒的基于均值漂移的自适应卡尔曼滤波目标跟踪算法。首先建立卡尔曼滤波的系统模型,用卡尔曼滤波预测目标在当前帧的位置,并将该预测值作为初始值,用均值漂移算法搜索目标位置。然后将搜索结果作为观测值来修正预测值,并根据目标模型与由均值漂移算法搜索得到的候选目标模型及相应背景模型的Bhattacharyya系数自适应调整卡尔曼滤波的参数,从而提出了一种鲁棒的自适应卡尔曼滤波目标跟踪算法。仿真实验表明,该算法具有较好的跟踪精度,对遮挡具有较强的鲁棒性。     

基于卡尔曼滤波的含噪声小样本数据处理方法

提出一种基于卡尔曼滤波和扩展卡尔曼滤波的小样本噪声数据处理方法. 首先, 通过物理模型或经验公式建立系统模型. 然后, 利用系统模型预测模型数据. 最后, 采用观测数据修正模型数据, 达到平滑数据噪声的效果. 实验结果表明, 对于BC500耐候钢腐蚀增重数据, 用差分整合移动平均自回归(autoregressive integrated moving average, ARIMA)模型和随机森林(random forest, RF)模型进行腐蚀增重预测时, 经卡尔曼滤波降噪后, 决定系数$R^2$平均提升6.4%, 而经扩展卡尔曼滤波降噪后, $R^2$平均提升4.9%, 验证了本方法的有效性.     

抗差与自适应组合的卡尔曼滤波算法在动态导航中的研究

针对观测信息不充足时,无法使用现有的一些抗差自适应滤波的问题,提出一种组合抗差滤波和自适应滤波的方法.该方法利用基于m估计实现的抗差滤波和基于新息向量马氏距离平方服从卡方分布而构造的自适应滤波,同时采用2次对检验统计量进行判别的方法,可以在单个历元实现在标准卡尔曼滤波、自适应卡尔曼滤波和抗差卡尔曼滤波之间选择一种当前时刻的最优滤波,因此,采用该方法也能构成抗差自适应卡尔曼滤波.仿真结果表明,在观测信息不足且滤波模型出现异常时,该方法能有效控制动力学模型误差和观测异常对导航解的影响,使导航解更能反映导航系统的真实情况.     

卡尔曼滤波在大坝动态变形监测数据处理中的应用

详细地讨论了离散线性系统的卡尔曼滤波模型的建立及相应的精度评定公式，通过对某大坝动态变形监测数据的卡尔曼滤波处理和结果分析，发现卡尔曼滤波值、预报值与原始观测值数据曲线的变化趋势非常接近，说明所建立的卡尔曼滤波模型是合理的、可靠的，可以较好地模拟动态目标系统的变化规律。同时，卡尔曼滤波模型能够实时、快速地处理大量动态变形数据，并能有效地改善动态变形监测数据的精度。     

基于MRAS-IMC的交流伺服系统速度环控制

根据系统速度环控制模型,研究一种交流伺服系统电流前馈补偿控制策略,考虑外部负载突变对系统影响,以提高系统稳定性和抗扰性为目标,分析得出内模观测控制算法.同时该方法结合变系数模型参考自适应,进行系统惯量在线观测,实现快速平稳的扰动观测与电流前馈补偿,使系统具有良好动态响应性能与鲁棒性.仿真及分析表明：文中所提方法可有效提升系统速度环控制性能.     

基于扩展卡尔曼滤波的车辆状态可靠估计

为实现高机动工况下车辆状态的可靠估计,提出了一种基于改进的扩展卡尔曼滤波的车辆运行状态估计方法.首先建立基于非线性车辆动力学的系统状态模型,该模型分别以低成本的车载轮速和方向盘转角传感器信息作为系统的观测量和外部输入量;然后通过改进的卡尔曼滤波递推算法高精度地推算出汽车的关键运行状态.仿真试验表明,所提出的方法既可适应一般机动环境也可适应较高机动环境.此外,该方法可显著提高直测量的精度,并可实现对质心侧偏角、侧向速度等难以直测量的准确估计,质心侧偏角估计误差小于3×10-3rad,速度估计精度小于0.1 m/s.