声明
摘要
第1章 绪论
1.1 课题研究的背景与意义
1.2 非线性滤波理论的研究现状
1.2.1 EKF算法
1.2.2 UKF算法
1.2.3 CKF算法
1.2.4 PF算法
1.3 基于传感器网络的状态估计
1.4 感应电机状态估计的发展现状
1.5 论文的主要内容
第2章 自适应容积卡尔曼滤波算法
2.1 引言
2.2 容积卡尔曼滤波算法
2.2.1 非线性高斯滤波算法的一般形式
2.2.2 容积卡尔曼滤波算法
2.3 基于极大后验估计的自适应容积卡尔曼滤波算法设计
2.3.1 噪声估计方法
2.3.2 自适应CKF算法
2.3.3 自适应CKF算法的稳定性分析
2.3.4 防止自适应CKF发散的改进算法
2.3.5 仿真实验及性能分析
2.4 自适应容积卡尔曼强跟踪滤波算法设计
2.4.1 强跟踪滤波理论
2.4.2 基于CKF的强跟踪滤波算法
2.4.3 自适应CKF强跟踪滤波算法
2.4.4 仿真实验及性能分析
2.5 本章小结
第3章 分布式容积卡尔曼滤波算法
3.1 引言
3.2 平均协同(一致性)策略
3.2.1 基础概念
3.2.2 一致性算法
3.3 信息滤波器
3.3.1 扩展信息滤波器
3.3.2 容积信息滤波器
3.4 分布式容积卡尔曼滤波算法设计
3.4.1 多传感器信息融合滤波算法
3.4.2 基于平均协同(一致性)策略的分布式CKF
3.5 实例仿真及性能分析
3.5 本章小结
第4章 无直接反馈时含未知输入非线性离散系统的分布式滤波算法
4.1 引言
4.2 问题描述
4.3 无导数NRTSKF信息滤波器
4.4 基于ICF算法的非线性分布式滤波算法设计
4.5 实例仿真及性能分析
4.6 本章小结
第5章 有直接反馈时含未知输入非线性离散系统的分布式滤波算法
5.1 引言
5.2 问题描述
5.3 基于NERTSF的信息滤波器
5.4 基于DNERTSIF的分布式滤波算法设计
5.4.1 无导数NERTSIF算法
5.4.2 分布式DNERTSIF算法
5.5 实例仿真及性能分析
5.6 本章小结
第6章 多测量数据丢失下非线性传感器网络系统的分布式滤波算法
6.1 引言
6.2 问题描述
6.3 网络扩展信息滤波器
6.3.1 NEKF的基本框架
6.3.2 NEIF的递推公式
6.4 分布式网络容积信息滤波算法设计
6.4.1 NCIF的递推公式
6.4.2 分布式NCIF算法
6.5 实例仿真及性能分析
6.6 本章小结
第7章 容积卡尔曼滤波算法在电机状态估计中的应用
7.1 引言
7.2 感应电机数学模型
7.2.1 感应电机在三相静止坐标系上的数学模型
7.2.2 感应电机在两相坐标系上的数学模型
7.2.3 感应电机的全阶模型
7.3 磁场定向矢量控制基本原理
7.4 基于CKF改进算法的电机状态估计方法
7.4.1 基于自适应CKF算法的感应电机状态估计
7.4.2 基于自适应CKF强跟踪滤波算法的感应电机状态估计
7.4.3 自适应CKF强跟踪滤波算法对感应电机参数变化的鲁棒性
7.5 本章小结
总结与展望
1.主要结论
2.工作展望
致谢
参考文献
攻读博士期间的论文及科研情况
西南交通大学;