径向速度测量在Kalman滤波中的应用

研究一种把径向速度测量引入Kalman滤波的新方法.在分析传感器噪声特性以及测量方程结构的基础上,提出优先处理位置测量数据,然后利用位置矢量的滤波值改进对径向速度测量方程的伪线性表述,从而得到一种序贯处理、伪线性结构的滤波算法.从理论上分析了该算法的稳定性.蒙特卡洛仿真说明该算法不仅克服了推广Kalman滤波(EKF)暂态性能差的缺陷,而且其稳态性能也略优于EKF.     

变分配系数联邦Kalman滤波在塔机定位中的应用

鉴于塔机的复杂结构,建立了应用联邦Kalman滤波算法的塔机定位系统,并提出了改进的变分配系数联邦Kalman滤波方法,在联邦Kalman滤波系统的循环滤波过程中,分配系数随噪声的不断变化而不断调整.此联邦Kalman滤波方法适用于复杂的、大噪声的信息融合系统,对目标状态估计更为精确有效,可以有效提高塔机系统的定位精度,实现塔机的精确定位.仿真结果表明其正确性与有效性.     

Kalman滤波在刀具磨损预测模型中的应用

基于LS-SVM建立刀具磨损预测模型,描述铣削过程中输入向量(进给率、切削速度、主轴转速、切削深度、切削时间及磨损位置)和输出向量(刀具磨损)之间的映射关系,并引入Kalman滤波技术,建立LS-KF模型,考虑加工条件及环境变化引起的刀具磨损量的变化,结合刀具的实际磨损量更新LS-SVM的预测结果,并用该更新结果调整训练模型,以使更新后的刀具磨损量能够反映出由于加工条件及环境的变化引起的刀具磨损的变化,提高LS-SVM模型的预测精度,最后用实验验证所建立模型的预测精度。结果表明,LS-SVM模型和LS-KF模型的预测精度均较高,且LS-KF模型的预测精度更高。     

Kalman滤波在杉木生长预估模型中的应用

采用二阶差分机理建立的Ｋａｌｍａｎ滤波树木生长预估模型与方法，对杉木生长动态进行描述。结果表明，平稳化处理后的动态模型与方法具有良好的噪声特性与拟合效果。     

自校正Kalman滤波在科技进步测算中的应用

我国科技进步的测算，大多都是基于Ｓｏｌｏｗ增长速度方程作为“余额”来计算，这就不可避免地包含了国内政治，自然环境等因素的影响。文中采用自校正Ｋａｌｍａｎ滤波技术将科技进步因素从“余额”中提取出来，实现科技进步的精确测算。     

Kalman滤波在证券投资组合VaR计量中的应用

在分析"Kalman滤波"方法和VaR方法各自特征的基础上,构建一个估计投资组合VaR数值的状态空间模型,再用采集的3支股票的市场数据对该模型进行实证分析,计算出该投资组合的VaR数值.     

Kalman滤波在矿区GPS变形监测数据处理中的应用

论述了Kalman滤波在GPS变形监测数据处理中的应用,利用Microsoft Visual Basic6.0结合MatrixVB,通过一个算例模拟了Kalman滤波的过程。     

Kalman滤波在辐射图像降噪处理中的应用

为改善辐射图像质量,提出了一种基于Kalman滤波的降噪算法。该方法分析了辐射图像背景噪声的特征,在合理假设其为一阶Gaussian有色噪声的基础上改写了图像的观测方程;同时,采取NSHP(non-symmetrichalfplane)模型来构造图像的过程方程。然后使用Kalman滤波算法对图像进行滤波。实验结果表明,该方法有效减弱了辐射图像中混有的噪声,和传统滤波方法相比,更好地保持了图像的细节信息,体现了自适应的优点。这表明了Kalman滤波在辐射图像降噪处理中的潜力。     

模糊Kalman滤波在无人机姿态测量中的应用研究

针对目前无人机姿态测量所用捷联航姿系统,因陀螺漂移和算法误差的引入而导致结果发散的状况,采用组合航姿原理与信息融合理论,结合各传感器输出与载体运动状态相关的特性,提出了一种基于模糊Kalman滤波技术的惯性测量组件与磁强计组合信息融合方法.通过多尺度的模糊推理规则判断出载体当前的运动状态,实时调整系统测量噪声方差,对其...     

自适应Kalman滤波在GPS变形监测数据处理中的应用

GPS测量技术在变形监测中得到了越来越广泛的应用,但由于其误差来源及误差对信号的影响程度与传统的监测方法有着本质的区别,如果在数据处理中仍然按照传统的方法,可能得不到满意的监测结果。卡尔曼滤波在数学上是一种统计估算方法,通过处理一系列带有误差的实际量测数据而得到物理参数的最佳估值。因此Kalman滤波法是目前应用较广的一种动态测量数据处理方法。分析了Kalman滤波的模型设计,应用实例说明自适应Kalman滤波在GPS变形监测中的应用。     

基于交互多模型无味卡尔曼滤波的移动机器人故障诊断

为了快速、准确地诊断出移动机器人的故障,将交互多模型算法和无味卡尔曼滤波(IMM_UKF)结合起来,通过各个故障模型的概率大小来判断故障是否发生。仿真结果证明,IMM_UKF的估计准确度要高于IMM_EKF,能够准确判断故障。     

改进卡尔曼算法在电子鼻信号处理中的应用

为了降低的电子鼻测量过程中噪声信号对采样结果的影响,提出一种改进的自适应卡尔曼滤波算法,该方法能自适应调整测量方差以及能够滤除传感器本身具有的非高斯噪声信号.针对电子鼻测量过程中的信号特性,建立了测量数据处理的卡尔曼滤波模型,重点讨论改进卡尔曼滤波算法,并将该算法应用到电子鼻测量数据处理过程中,结果表明该方法能够拟制电子鼻测量过程中产生的噪声,提高电子鼻的测量精度.     

扩展卡尔曼滤波器在永磁同步电机控制中的应用

研究了一种针对内永磁同步电机（IPMSM）动态系统的非线性、时变及实时噪声干扰特点进行精确参数估计的扩展卡尔曼滤波观测器．由于内永磁同步电机q轴电感大于d轴电感,为了保证电磁转矩和负载角变化趋势一致,必须使定子磁链给定幅值限制在一定范围内．鉴于系统暂态和稳态运行的要求不同,为达到最优控制,采用控制定子磁链给定幅值以达到最大转矩／磁链（MPTF）的直接转矩控制算法对定子磁链给定幅值进行控制．仿真结果表明采用此算法可极大地提高IPMSM调速系统的运行效率．运用该方法的电机调速范围广并且在低速区运行良好．     

基于Kalman滤波器的多频电涡流信号解调方法研究

提出了基于Kalman滤波器的多频电涡流信号解调方法.该方法对含有多个频率分量的模拟信号进行直接采样,通过Kalman滤波器递推算法,实时同步解调多个检测频率分量的相位幅值等特征量信息.与传统的模拟相敏检波和数字相敏检波方法比,该方法无需硬件解调电路,电路结构简单,理论上可以软件灵活配置任意多个频点参数,不再依赖于具体硬件电路.     

解调分析在机械设备故障诊断中应用的三个局限性研究

在具有齿轮、滚动轴承的机械设备故障诊断中,广泛使用解调方法分析诊断故障．从理论上分析．现有的解调分析方法存在的三个局限性：将不包括调制信息（故障信息）的两时域相加信号,也以其频率之差作为解调信号而解出;广义检波滤波解调分析中,由于取绝对值或检波过程可能产生混频效应;几种细化解调分析算法中,无法在细化分析的选抽时进行数字低通滤波,有可能会出现调制频率的高次谐波发生频率混叠而反折到低频部分的现象,提出了基于复解析带通滤波器的优化希尔伯特变换解调方法,将解调分析频率与滤波带宽建立严格的数学关系,可以克服三个局限性,将带通滤波、希尔伯特变换及选抽合为一体．运算速度快,是最佳的解调分析方法．     

卡尔曼滤波在人体姿态检测中的应用

为了尽早发现老人的意外跌倒,避免长躺现象,争取救护时间,对人体姿态进行检测。由控制器STM32F103和传感器MPU6050构成信号采集系统,采用无线蓝牙模式进行数据传递,由接收系统进行数据分析和显示。建立人体坐标系,对采集的加速度信号进行卡尔曼滤波,调节参数,补偿测量误差,实现最优估计。对滤波后的加速度信号进行整合,并以角度信号为辅助,进行姿态判断,及时判断跌倒事故。通过M atlab仿真发现,卡尔曼滤波的使用有效地提高了系统的测量精度,有助于姿态判断的实现。     

CEEMD与广义形态差值滤波结合的故障诊断方法研究

为了提取滚动轴承早期微弱故障特征信息,提出一种互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与广义形态差值滤波结合的故障诊断方法.该方法首先对振动信号进行CEEMD分解成若干不同尺度的本征模函数(Intrinsic Mode Function,IMF)分量,利用相关系数-峭度准则来选取故障信息丰富的IMF分量信号,并对其进行重构;然后采用广义形态差值滤波器对重构后的信号进行滤波,以滤除噪声干扰;最后利用Teager能量算子(Teager-Kaiser Energy Operator,TKEO)对去噪后的振动信号进行分析,提取振动信号的故障特征.滚动轴承振动信号分析试验结果证明了本文方法的有效性.     

多状态矢量Kalman滤波算法

提高跟踪精度是雷达发展的重要方向之一.本文建立的雷达跟踪模型,将不同时刻的状态变量联合进行处理,通过改变状态转移矩阵,给出了一种使用多状态矢量的Kalman滤波以提高雷达跟踪精度的新手段.仿真结果表明,相比传统的EKF算法,多状态矢量Kalman滤波能得到更加稳定、准确的滤波结果.     

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.     

谐波小波在旋转机械故障诊断中的应用

为了对具有非平稳信号的旋转机械的轴心轨迹形状进行识别,提出一种基于谐波小波滤波提纯的方法.谐波小波具有明确的函数表达式,算法实现简单,具有良好的"盒形"频谱特性,能将信号不交叠且不遗漏地分解到相互独立的空间,便于信号特征的提取.采用谐波小波进行滤波提纯,可以将故障信息从原始轴心轨迹信号中分离出来,从而获得轴心轨迹的形状,为旋转机械的故障诊断提供了依据.大量仿真试验表明,该滤波提纯方法简单,具有较强的实用价值.