三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

摆线泵中配油盘结构对容积效率的影响分析

摆线泵具有结构紧凑、体积小、重量轻、填充性好和压力脉动小等特点,因此广泛应用在航空发动机中。为了保证摆线泵在地面条件下的容积效率,进而确保其在高空中的容积效率,本文对不同的配油盘结构进行理论计算和试验数据分析,选出最优的配油盘结构,为未来航空滑油泵的设计积累经验并提供参考依据。     

考虑相位失配量的电力系统动态状态估计方法

针对当前电力系统中数据采集与监视控制系统（Supervisory Control And Date Acquisition，SCADA）和相量测量单元（Phasor Measurement Units，PMU）并存，以及不同规格的PMU之间不能实现完全同步的现状，引入了一种基于不完全同步PMU的电力系统动态状态估计模型，与SCADA组成混合量测系统，在此基础上提出了一种考虑相位失配量的线性动态状态估计算法.结合线性定常系统卡尔曼滤波原理，分别对相位失配量和系统状态进行滤波处理，实现对系统状态的估计.相比于传统方法，该算法的雅可比矩阵为常数阵，缩短了状态估计时间，减少了不必要的迭代.采用Matlab平台在IEEE 30节点系统上进行仿真实验,结果表明，在PMU不完全同步的情况下，提出的方法较传统的线性算法具有更好的性能，在很大程度上减小了状态估计产生的误差.     

集合转换卡尔曼滤波同化的一种分析方案

集合转换卡尔曼滤波在处理非线性观测资料的同化时,通常对非线性观测算子做简单的线性化处理,这会带来较大的舍入误差,降低同化效果。通过对状态变量和观测变量的转换,将观测算子视为预报算子的一部分,对传统的同化算法进行改进,减小了同化中的误差。以典型的Lorenz-96预报模型来验证算法,对于较大模型误差或较强非线性观测算子的情形,结果好于传统的方法。     

一种改进Mask R-CNN的运动目标定位方法

针对在复杂场景下传统算法对运动目标分类精度不高且无法直接输出关键点空间坐标这一问题，本文提出了一种基于改进Mask R-CNN的运动目标定位方法。该方法在TensorFlow 框架下采用自制数据集预训练提取多尺度的卷积，将采集到的网络视频流通过RoIAlign算法处理获得像素级的特征并匹配SIFT特征点建立空间坐标系统，在空间约束下结合Kalman filtering补偿运动轨迹，通过投影变换矩阵将像素坐标转换为世界坐标。实验表明该方法提高了模型在干扰背景下的鲁棒性，平均误差在8cm以内，实现了在复杂场景下可以获得实时高精度的定位信息。     

锂电池异常状态监测的FEKF方法研究

为了保障锂离子电池的使用安全，提出了基于带渐消因子的扩展卡尔曼滤波 （Fading Extended Kalman Filter，FEKF）的电池状态在线监测方法. 建立锂电池一阶等效电路模型，利用递推最小二乘法进行锂电池状态参数在线辨识，建立状态方程；引入最优渐消因子，构造FEKF，得到端电压残差；使用端电压残差序列构造χ2分布的诊断函数，计算误检率与状态参数异常阈值. 实验结果显示利用FEKF生成的残差能更早对异常状态进行告警，证明FEKF能够显著提高χ2检验对锂电池内部缓变型异常状态判断的准确率.     

融合运动状态信息的高速相关滤波跟踪算法

为解决相关滤波(Discriminative Correlation Filter,DCF)算法在快速运动、遮挡、尺度变化等复杂情景下的跟踪失败问题,提出一种融合运动状态信息的高速相关滤波目标跟踪算法.在传统DCF算法基础上做出以下改进:(1)在跟踪框架中融入卡尔曼(Kalman)滤波器,利用目标运动状态信息对预测运动轨迹进行修正,以解决目标复杂运动时易跟丢问题,提高跟踪精度;(2)训练一个独立的尺度相关滤波器进行目标尺度预测,并利用主成分分析法(Principal Component Analysis,PCA)进行特征降维处理,提高跟踪速度;(3)提出一种高置信度更新策略判断是否对位置滤波器进行模板更新,以及是否采用Kalman滤波器预测位置作为目标位置.最后在OTB-100数据集上进行算法测试,提出算法平均精度与成功率分别达到74.8%与69.8%,平均帧率为84.37帧/s.相较其他几种主流算法,本文算法有效提高跟踪性能,并保证了跟踪速度,满足实时性要求,在遮挡、背景模糊、运动模糊等复杂情况下能够保持良好的跟踪效果.     

基于改进粒子滤波算法的动力锂离子电池荷电状态估计

传统电池荷电状态(SOC)估计中常用的扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)方法仅适用于线性系统和高斯条件,虽然粒子滤波(PF)算法能用于非线性和非高斯系统,但PF算法在滤波更新时存在粒子退化现象,使粒子集无法表示实际后验概率分布,导致估计精度降低.采用改进的扩展粒子滤波(EPF)和无迹粒子滤波(UPF)算法对电池SOC进行估计,抑制了粒子权重退化.以Thevenin模型对电池进行建模,利用带遗忘因子的最小二乘方法进行模型参数辨识,结合改进后的滤波算法对电池SOC进行估计.实验结果表明,以UKF为建议密度函数进行重采样的UPF方法平均估计误差为0.71%,低于以EKF为建议密度函数的EPF方法平均误差(1.09%),两种方法的估计误差均小于PF估计误差(1.36%),有效抑制了粒子权重退化.     

基于BCRLS-AEKF的锂离子电池荷电状态估计及硬件在环验证

研究有色噪声下的锂离子电池参数辨识与荷电状态（SOC）估计，并进行硬件在环实验验证.在动力电池模型的参数辨识过程中，利用带遗忘因子的偏差补偿递推最小二乘法进行偏差补偿，提高了有色噪声数据的参数辨识精度.在此基础上，利用自适应扩展卡尔曼算法进行SOC估计，使得滤波算法中的估计结果可以随着噪声统计特性的变化而自适应更新，实现了模型参数和电池状态的联合估计.最后，借助BMS测试系统模拟电池电压电流信息输出，完成了硬件在环实验以验证所提出的方法.实验结果表明，利用所提出算法估计得到的电池端电压和SOC误差分别小于10 mV和0.5%.