Sigma点卡尔曼滤波及其应用

针对扩展卡尔曼滤波(EKF)不易调整、难于应用、只对更新时间步长内局部线性假设成立的非线性系统适用等不足,近年来提出了一些卡尔曼滤波向非线性系统扩展的新方法。根据均值与协方差信息按非线性映射传播的特点,将它们归类为Sigma点卡尔曼滤波(SPKF)方法。在简要说明加权统计线性回归技术的基础上,系统介绍了SPKF的形式及算法,对其应用情况进行了总结和展望,指出可采用SPKF替代EKF以获得更好的性能。     

基于模糊神经网络的自适应滤波方法仿真研究

提出了一种模糊自适应卡尔曼滤波算法。该算法基于模糊规则，根据新息相关性，自适应调整测量噪声方差R，有效的解决了噪声的统计特性与实际不符时，滤波器发散的现象。同时，利用Elman网络作为误差估计器，补偿模糊自适应卡尔曼滤波器的估计误差。仿真结果表明，两种方法结合，可以有效地防止滤波器发散，缩小实际的滤波误差，提高滤波精度，实现滤波器参数的在线改进。     

中国公司治理的路径依赖——理论与实证分析

1Introduction　Now ,in orbitspacecraftsdeveloprapidlyinqualityandquantity,whilethegroundTT&Cresourceisrelativelylimi ted .Therefore ,torealizespacecraftautonomousnavigationandpositioningseemsespeciallytobeimportant.Itisoneoftheimportantaspectstoincreasethein orbitspacecraftself containedability .　ExtensiveattentionshavebeenpaidtotheapplicationofGPSinthisarea,andquiteanumberofachievementshavebeengained ,butitisonlythebeginning .　FortheutilizationofGPSinspacecraftnavigationandpo sitioning …     

基于GPS/GIS/GSM车辆动态定位导航系统

简要介绍了全球卫星定位系统(GPS)、地理信息系统(GIS)、移动通信系统(GSM)及其它们在车辆定位与导航系统(VLNS)中的主要作用;研究该系统的组成以及所能实现的功能;分析GPS辅助定位的技术方法和地理信息系统的数据更新.     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.     

基于模型误差EKF-HIF算法的锂动力电池SOC联合估计

针对锂动力电池荷电状态(State of Charge,SOC)估计策略,提出了一种基于模型误差EKF-HIF算法的SOC联合估计方法。首先,通过建立电池等效电路模型,利用BP神经网络(Back Propagation Neural Network,BPNN)预测该电池模型误差。其次,推导扩展卡尔曼滤波(EKF)和H∞滤波(H Infinity Filter,HIF)算法流程,根据模型误差选择不同算法进行SOC状态估计。最后,通过仿真验证了该联合估计算法的有效性和可行性。     

有色观测噪声下的多变量设置调整策略

针对存在初始设置偏差的离散的多变量生产制造过程，研究了观测噪声服从Auto-Rgressive （AR）模型的情况下，考虑调整花费成本为二次型函数时的设置调整问题，在建立过程状态空间方程的基础上，利用卡尔曼滤波方法在线估计过程的状态变量，根据随机二次型最优控制理论，得到了使过程质量损失最小的最优调整策略. 通过算例解释了最优调整策略的实现方法，并进行了仿真验证，结果表明，得到的调整策略与观测噪声为白噪声时的质量调整策略相比，能更好地减少过程总体质量损失.     

基于多传感器组合定位系统的列车追踪优化分析

列车定位在列车运行控制系统中起着非常重要的作用。通过设计一个低成本的车载列车组合定位信息采集平台,来优化现有各种先进闭塞方式下的列车调度与列车追踪。该平台主要依靠全球卫星定位系统GPS、惯性测量单元IMU、里程计ODO等多源传感器来采集数据,并采用卡尔曼滤波原理来综合处理数据,从而得到列车的相对位置。平台的主要功能是为列车提供高精度的实时定位,它可以完全独立于现有的闭塞方式,最终能够以较小的成本实现列车追踪优化。     

基于卡尔曼滤波的多滑模面电动舵机控制

针对导弹用力矩电机的位置反馈控制,提出一种采用多滑模面自适应变结构控制法,采用卡尔曼滤波器估计状态,消除测量噪声,降低输出抖动,对多滑模面控制率的稳定与收敛性进行适当证明,通过仿真验证算法的有效性。     

一种参数自调整风电功率预测模型

为了提高风电功率预测精度,提出一种参数自调整风电功率预测模型.通过加权递推最小二乘(SWWRLS)方法建立预测模型,侧重当前数据对预测结果的影响,排除了历史数据对预测结果的干扰.模型通过加权递推的方法节省了存储空间,并且提高了模型对外界环境数据变化的自适应性.最后,分别采用支持向量机(SVM)方法、卡尔曼滤波(KF)方法和本文SWWRLS方法,以辽宁省某风电场的真实历史数据进行风电功率预测对比实验,实验结果表明,本文方法建立的模型具有较高的预测精度.