UKF

摘要： 锂电池组的SOC估算是纯电动汽车剩余里程估计与能量管理的基础,也是电池管理系统的基础工作。卡尔曼滤波算法便于实现实时估计、能更好地适应电动汽车剧烈变化的工况而被广泛使用。为获得基于卡尔曼滤波算法的锂电池组SOC估算的影响因素,文章以磷酸铁锂电池组为研究对象,建立锂电池组的PNGV状态空间模型,并设计了EKF算法和UKF算法。在ADVISOR工况放电数据下,分别估算了锂电池组的SOC,分析了影响锂电池组滤波器滤波性能的因素。仿真实验结果表明,卡尔曼滤波算法相关参数初值的选择对SOC估算精度产生了重要影响。

摘要： 智能汽车的发展对高精度定位需求日益显现.针对汽车在城市建筑群、立交桥等特定环境下,可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit,IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题,本文提出一种基于无迹卡尔曼滤波(unscented Kalman filter,UKF)的超宽带(ultra wide band,UWB)和GPS融合定位算法.通过构建系统方案,优化UWB模块数据解析算法,构建UWB和GPS非线性融合系统模型,分析算法复杂度,将算法写入控制器进行实时滤波,对不同算法下的噪声误差和方差进行数据分析.实验表明基于无迹卡尔曼滤波的UWB和GPS融合定位算法实时性好、解算精度高、无滤波发散现象,可满足车辆在城市特定环境下高精度定位需求.

摘要： 为提高客车侧翻稳定性,提出了一种基于车辆状态估计的客车主动防侧翻控制方法。针对客车行驶过程中直接计算侧翻指标LTR困难较大、准确度较低的问题,基于TruckSim整车模型和三自由度参考模型建立了无迹卡尔曼滤波(Unscented Kalman Filter,UKF)状态参数估计器。结合现有车辆稳定性控制系统,设计了柔性PID控制器,以差动制动的原理对防侧翻附加横摆力矩进行补偿。通过TruckSim/Simulink联合仿真平台对客车在鱼钩试验典型工况下进行了仿真试验,结果表明,设计的主动防侧翻控制系统在中、高车速时均能降低LTR值至阈值附近,有效提高了客车的侧翻稳定性。

摘要： 为提高带有磁流变阻尼器的二层钢框架混合试验精度,采用UKF算法识别与更新磁流变阻尼器的Bouc-Wen模型参数,分析Bouc-Wen模型参数对滞回曲线的影响规律与合理取值范围,给出算法的初始参数预估值,识别模型参数,对比分析真实试验与传统混合试验方法的结果,验证其有效性。结果表明,相比传统混合试验方法,基于UKF的磁流变阻尼器模型更新混合试验数值仿真模型参数识别值及滞回曲线与真实值吻合程度较高,模型参数k、β、A、x、γ、n、α和c相对误差分别为1.48%、0.14%、0.13%、0.26%、1.75%、0.5%、0.03%和0.04%,位移时程曲线均方根误差降低了11.55%,有效提高了模型更新混合试验数值仿真精度。

摘要： 传统的误差配准算法在将非线性方程线性化(即在系统偏差和量测处分别进行泰勒展开,并忽略高阶微小量)时,若系统偏差较大就会引入一定的误差,使误差配准的精度随之恶化。为有效解决这一问题,提出一种“量测”恒等于0的无迹卡尔曼(Unscented Kalman Filter,UKF)雷达系统偏差滤波算法。该算法改变传统算法中伪观测量为变量的特点,将两雷达“空间几何关系”在随机量测误差处进行泰勒展开,构造出“量测”为已知值且恒等于0的非线性伪量测方程,并针对快时变系统偏差,在UKF滤波基础上融入交互式多模型(Interacting Multiple Model,IMM)的机动算法进行跟踪。仿真结果表明,相较于传统算法,该算法不仅对于恒定的系统偏差配准精度高,且能对快时变系统偏差进行实时有效估计,验证了本算法的有效性。

摘要： 为解决非视距(Non-Line-of-Sight,NLOS)严重的变电站环境下定位精度低的问题,在飞行时间(Time of Flight,TOA)测距方法的基础上,文章提出了融合Taylor级数和无迹卡尔曼滤波的定位算法以提升定位估计精度.该算法首先对泰勒算法的初值提出改进,通过对加权最小二乘法(Weighted Least Squares Method,WLS)解算的位置估计值进行阈值筛选和权重计算,保证定位精度的同时降低了迭代次数;然后针对在NLOS环境下标签坐标预测不稳定的问题,引入无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法进行去噪,将Taylor级数的估计值作为UKF算法的观测值,以提高UKF预测时的估计精度.测试结果表明,在静态实验下,该方法的均方根误差至少降低了5.81％;在动态实验下,路径跟踪的平均定位误差能够降低37.5％以上.

摘要： 针对风速大于额定风速时风速波动引起风电机组的功率波动及变桨距系统频繁启停的问题,提出基于无迹卡尔曼滤波(unscented Kalman filter,简称UKF)与动态模糊神经网络(dynamic fuzzy neural network,简称DFNN)相结合的变桨距控制策略.为了消除传统变桨距控制中风速作为输入信号时产生的时延,将风电机组转速及输出功率作为反馈输入量.利用UKF对反馈输入量进行实时滤波处理,且将滤波后的数据用DFNN动态调整其权重,得到精确的桨距角指令值.采用Matlab/Simulink构建仿真模型,将UKF-DFNN控制与模糊PID、径向基函数(radial basis function,简称RBF)神经网络控制进行对比分析.仿真结果表明:所提策略能提高风速波动时系统的鲁棒性、抑制桨距角的波动范围、输出稳定的功率.

摘要： 为解决非视距(Non-Line-of-Sight,NLOS)严重的变电站环境下定位精度低的问题,在飞行时间(Time of Flight,TOA)测距方法的基础上,文章提出了融合Taylor级数和无迹卡尔曼滤波的定位算法以提升定位估计精度。该算法首先对泰勒算法的初值提出改进,通过对加权最小二乘法(Weighted Least Squares Method,WLS)解算的位置估计值进行阈值筛选和权重计算,保证定位精度的同时降低了迭代次数;然后针对在NLOS环境下标签坐标预测不稳定的问题,引入无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法进行去噪,将Taylor级数的估计值作为UKF算法的观测值,以提高UKF预测时的估计精度。测试结果表明,在静态实验下,该方法的均方根误差至少降低了5.81%;在动态实验下,路径跟踪的平均定位误差能够降低37.5%以上。

摘要： 单站无源定位是电子侦察设备的一个重要功能。然而,现有的方法要么涉及到复杂的非线性运算,要么定位平台需经过长时间机动才能给出目标位置估计值。对于要求反应速度快、功耗低、体积小的设备,现有的方法并不适用。针对该问题,提出了一种改进的单站无源定位方法,首先结合三角定位法对定位点进行粗略估计,然后基于UKF进行滤波优化。仿真实验表明,该方法能够快速给出定位值,并能经过滤波逐步收敛。

摘要： 提出了一种基于无迹卡尔曼滤波(UKF)的无线传感器异步数据融合算法,利用RNAT机制识别无线传感器网络中的冗余节点,构造数据冗余树来实现冗余数据的去除。根据重复数据消除的结果,在每个传感器检测范围半径相等的环境下,采用四圆定位法,任意选择2个检测目标信息的节点,计算2个圆形检测区域边界的交点,根据迭代法找到并近似目标。设定了不同传感器的原始传感器相互独立、同一传感器不同原始量测量值相互独立的前提条件,计算出各通道的测量值,利用未测量卡尔曼滤波器以滤波的形式更新测量值,引入卡尔曼滤波增益矩阵,并结合异步数据定位结果实现数据融合。实验结果表明,融合后的数据利用率高于现有结果,算法耗时短、能耗低,且具有较高的数据融合精度,整个融合的准确率在90%以上。

摘要： 利用CCD相机和特征光标相结合的视觉导航方法，获得特征光标在相机中所成像的位置，以此作为测量值，运用Unscented Kalman Filter(UKF)进行编队小卫星相对轨道确定，数学仿真显示：文中采用的导航方法可获得较高的相对位置和速度估计精度。

摘要： 利用CCD相机和特征光标相结合的视觉导航方法，获得特征光标在相机中所成像的位置，以此作为测量值，运用Unscented Kalman Filter(UKF)进行编队小卫星相对轨道确定，数学仿真显示：文中采用的导航方法可获得较高的相对位置和速度估计精度。

摘要： 利用CCD相机和特征光标相结合的视觉导航方法，获得特征光标在相机中所成像的位置，以此作为测量值，运用Unscented Kalman Filter(UKF)进行编队小卫星相对轨道确定，数学仿真显示：文中采用的导航方法可获得较高的相对位置和速度估计精度。

摘要： 利用CCD相机和特征光标相结合的视觉导航方法，获得特征光标在相机中所成像的位置，以此作为测量值，运用Unscented Kalman Filter(UKF)进行编队小卫星相对轨道确定，数学仿真显示：文中采用的导航方法可获得较高的相对位置和速度估计精度。

摘要： 利用CCD相机和特征光标相结合的视觉导航方法，获得特征光标在相机中所成像的位置，以此作为测量值，运用Unscented Kalman Filter(UKF)进行编队小卫星相对轨道确定，数学仿真显示：文中采用的导航方法可获得较高的相对位置和速度估计精度。

摘要： 利用CCD相机和特征光标相结合的视觉导航方法，获得特征光标在相机中所成像的位置，以此作为测量值，运用Unscented Kalman Filter(UKF)进行编队小卫星相对轨道确定，数学仿真显示：文中采用的导航方法可获得较高的相对位置和速度估计精度。

摘要： 本文综合考虑地球形状、日月引力、太阳光压和大气阻力等主要摄动因素的影响,在地心赤道惯性系下建立卫星的精确轨道动力学模型;并给出了姿态敏感器的测量原理及数学模型:提出了融合日、地、星信息的导航方案,通过UKF算法滤波,提高了导航的精度、可靠性与容错性,给出数学仿真验证了方案的可行性。针对多姿态敏感器的信息融合,采用联合滤波方式。根据最优融合理论,联合滤波中选择自适应联合滤波的方式,即计算每个子滤波器的协方差阵的迹来确定予滤波器在信息融合中所占的比例,使信息分配系数能够随着子滤波器的性能而改变。子滤波器要进行时间的更新和测量的更新,而主滤波器不进行滤波,只进行信息融合,合成后主滤波器达到最优结果。

摘要： 本文综合考虑地球形状、日月引力、太阳光压和大气阻力等主要摄动因素的影响,在地心赤道惯性系下建立卫星的精确轨道动力学模型;并给出了姿态敏感器的测量原理及数学模型:提出了融合日、地、星信息的导航方案,通过UKF算法滤波,提高了导航的精度、可靠性与容错性,给出数学仿真验证了方案的可行性。针对多姿态敏感器的信息融合,采用联合滤波方式。根据最优融合理论,联合滤波中选择自适应联合滤波的方式,即计算每个子滤波器的协方差阵的迹来确定予滤波器在信息融合中所占的比例,使信息分配系数能够随着子滤波器的性能而改变。子滤波器要进行时间的更新和测量的更新,而主滤波器不进行滤波,只进行信息融合,合成后主滤波器达到最优结果。

摘要： 本文综合考虑地球形状、日月引力、太阳光压和大气阻力等主要摄动因素的影响,在地心赤道惯性系下建立卫星的精确轨道动力学模型;并给出了姿态敏感器的测量原理及数学模型:提出了融合日、地、星信息的导航方案,通过UKF算法滤波,提高了导航的精度、可靠性与容错性,给出数学仿真验证了方案的可行性。针对多姿态敏感器的信息融合,采用联合滤波方式。根据最优融合理论,联合滤波中选择自适应联合滤波的方式,即计算每个子滤波器的协方差阵的迹来确定予滤波器在信息融合中所占的比例,使信息分配系数能够随着子滤波器的性能而改变。子滤波器要进行时间的更新和测量的更新,而主滤波器不进行滤波,只进行信息融合,合成后主滤波器达到最优结果。

摘要： 本文综合考虑地球形状、日月引力、太阳光压和大气阻力等主要摄动因素的影响,在地心赤道惯性系下建立卫星的精确轨道动力学模型;并给出了姿态敏感器的测量原理及数学模型:提出了融合日、地、星信息的导航方案,通过UKF算法滤波,提高了导航的精度、可靠性与容错性,给出数学仿真验证了方案的可行性。针对多姿态敏感器的信息融合,采用联合滤波方式。根据最优融合理论,联合滤波中选择自适应联合滤波的方式,即计算每个子滤波器的协方差阵的迹来确定予滤波器在信息融合中所占的比例,使信息分配系数能够随着子滤波器的性能而改变。子滤波器要进行时间的更新和测量的更新,而主滤波器不进行滤波,只进行信息融合,合成后主滤波器达到最优结果。

摘要： 本发明公开了一种基于多模切换快速迭代UKF的列车速度追踪方法，将UT变换引入传统Kalman滤波器中，组成适用于非线性系统的UKF；对运动模型线性及非线性的线路运行区段，分别采用KF和UKF进行控制，且通过预设不同的Q值，增强滤波器的跟踪性能；借鉴迭代控制理论中相关思想，将迭代控制引入UKF控制中，进行样本点的多次采样以提高控制器的追踪稳定性；借鉴快速强跟踪UKF中渐消因子的引入方法，将渐消因子引入设计的迭代UKF中，组成快速迭代UKF算法，降低滤波的运算量，保证货运列车自动驾驶速度追踪控制系统的追踪精度。

摘要： 本发明公开了一种基于改进UKF的星光折射CNS/SINS组合导航方法；首先建立了组合导航模型，利用捷联惯性导航系统的误差方程建立组合导航状态方程，引入了导航星星点方向矢量误差、折射视高度误差和运动学约束建立量测模型；其次提出了一种改进UKF方法，引入自适应因子修正量测噪声协方差矩阵跟踪实际量测噪声的变化，对星敏感器和惯性器件解算得到的导航信息进行信息融合，修正姿态、速度、位置结果，校正陀螺仪常值漂移和加速度计的常值偏置。本方法构建的量测方程利用导航星点矢量误差、折射视高度误差和运动学约束作为量测信息校正了陀螺和加速度计的误差，提出的自适应UKF方法减少了量测噪声变化导致滤波精度下降的问题，提高了星光折射CNS/SINS组合导航精度。

摘要： 本发明属于无人机应用技术领域，具体公开了一种基于UKF滤波的旋翼飞行器双冗余组合导航方法，包括以下步骤：在飞行控制系统上安装两套不同型号的传感器，根据传感器的类型需要进行不同的配置与布局；飞行控制系统的CPU同时采集两套不同型号的传感器数据，对旋翼飞行器组合导航系统建立模型；通过序贯UKF滤波算法得到旋翼飞行器组合导航系统状态估计值。

摘要： 本发明提供一种FLS与UKF相结合的组合导航方法、装置、存储介质及设备。获取全球导航卫星系统估计的接收机的位置、速度和时间，以及捷联惯性导航系统推算的载体的位置、速度和姿态，利用无迹卡尔曼滤波算法对当前K‑1时刻的状态量进行前向滤波，利用固定滞后平滑算法根据K时刻的前向滤波结果进行反向滤波；将K‑1时刻的反向状态估计、均方误差与K时刻的前向状态估计、均方误差进行信息融合处理，得到K时刻的状态估计和均方误差；将融合处理后的K时刻的状态估计的位置误差和速度误差反馈给捷联惯性导航系统，修正捷联惯性导航系统推算的载体的位置、速度，提高了GPS/INS组合导航系统在动态运动条件下的性能，提高水平定位和速度精度，平滑轨迹。

摘要： 本发明涉及船舶控制技术领域，且公开了一种基于UKF算法的多传感器融合的水面机器人控制装置，包括控制器，且控制器板载加速计、陀螺仪、电子罗盘、GNSS模块、激光雷达、毫米波雷达、通讯接口和电机接口。该发明利用UKF算法进行多传感器数据融合。融合了GNSS定位数据、加速计、陀螺仪、电子罗盘、激光雷达、毫米波雷达及视觉雷达等传感器数据，使得数据预测精度更高，系统更加稳定可靠，自主航行更加平滑，避障效率更高更智能。

摘要： 本发明公开了一种基于UKF神经网络的人体动作识别与评估方法，所述方法分别建立人体各关节点运动学模型，以及基于深度图像的量测模型，确定各自的过程噪声协方差、量测噪声协方差，以及人体关节点的初始状态；根据人体各关节点的运动学模型，通过UT变换计算出k时刻各关节点的Sigma点集及对应权值，计算出基于深度图像信息的各个人体关节点的状态预测值及其协方差，量测预测值及协方差；读取深度图像下各关节点的信息，计算深度图像下各关节点的量测预测协方差、卡尔曼滤波增益，状态估计值及其协方差，并最后更新状态估计值及其协方差；完成对人体的各关节点状态估计，得出基于UKF神经网络的人体姿态估计，并利用UKF神经网络获取动作识别结果。

摘要： 本发明公开了锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下，电池模型不契合实际电池参数时变特性造成的误差，采用无迹卡尔曼滤波算法(UKF)对锂电池二阶等效模型进行在线参数辨识，再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC，将时变参数反馈到SOC估计的模型中，提高SOC估计精度和对各工况适应性，UDDS工况下通过与离线单一扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析，实验结果验证了UKF‑AUKF的精确性和鲁棒性。

摘要： 本发明涉及雷达跟踪滤波领域，特涉及一种用于雷达跟踪目标的改进的强跟踪UKF方法。本发明提出在向前一步预测协方差矩阵中引入多位自适应因子，并设计了其计算方法；从而提出了一种改进的强跟踪UKF滤波方法，并验证了该算法的有效性。

摘要： 本发明提供了一种基于UKF多源融合探测的无人机欺骗方法，采用雷达/光电复合制导信息融合系统对目标进行融合探测，对探测数据进行UKF滤波之后，增加野值剔除的环节，同时对目标无人机的轨迹进行预测；然后结合探测系统对目标位置的实时反馈校正，对欺骗信号进行实时调整。本发明解决了单一传感器滤波跟踪发散的问题，具有位置精度高、跳变范围小等特点，在欺骗式干扰信号生成过程中，提升了信号的精准性，进而改善最终诱骗精度，提高了无人机诱骗成功率。

摘要： 本发明公开一种基于UKF理论的湿法炼锌除钴过程参数估计方法。本方法所述参数估计，包括如下步骤：1)采集数据、预处理数据；2)模型建立；3)构成除钴过程的模型参数估计算法；4)进行仿真，找到估计的最优参数；5)根据离散化的状态方程和测量方程，采用比例修正对称采样策略，得到用于估计未知参数的UKF递推公式；6)通过数值计算和与实际生产过程中对应输出数据的比较，验证参数估计模型的有效性。本发明能够准确地估计出除钴过程模型中的未知参数，对离子浓度进行预测，预测的精度高，方法行之有效。