强跟踪滤波器
强跟踪滤波器的相关文献在1997年到2022年内共计185篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文162篇、会议论文21篇、专利文献2972968篇;相关期刊97种,包括西北大学学报(自然科学版)、系统工程与电子技术、火力与指挥控制等;
相关会议20种,包括第21届中国过程控制会议、第六届全国技术过程故障诊断与安全性学术会议、2008中国兵工光学与光电子学学术交流会等;强跟踪滤波器的相关文献由419位作者贡献,包括周东华、李雄杰、徐毓等。
强跟踪滤波器—发文量
专利文献>
论文:2972968篇
占比:99.99%
总计:2973151篇
强跟踪滤波器
-研究学者
- 周东华
- 李雄杰
- 徐毓
- 金以慧
- 文成林
- 刘开第
- 徐军
- 徐利国
- 李晓峰
- 柯晶
- 王洪水
- 肖建
- 赵奇
- 钱积新
- 冯新喜
- 庞彦军
- 徐树生
- 朱守真
- 王艳松
- 韩崇昭
- 侯义斌
- 刘向明
- 刘志成
- 刘洁波
- 刘锋
- 刘雁玲
- 吕锋
- 周百令
- 周聪
- 张君昌
- 张风营
- 彭书华
- 徐兴
- 方晓旻
- 曹岩炳
- 李华德
- 李德胜
- 杜毅
- 杨晓峰
- 杨瑞娟
- 林孝工
- 梁彦
- 段战胜
- 江亚群
- 汤涛
- 王东
- 肖圣龙
- 胡健
- 胡文金
- 苏中
-
-
单珊;
周穗华;
戴忠华;
张宏欣
-
-
摘要:
为了改善实际跟踪过程中因为缺乏目标先验信息造成的模型失配对滤波器跟踪性能造成的影响,引入强跟踪滤波(STF)思想对渐进更新扩展Kalman滤波(PU-EKF)算法进行改进,提出了强跟踪渐进更新扩展Kalman滤波(STPU-EKF)算法。在多种模型失配情况下进行磁偶极子跟踪仿真试验,对所建算法的性能进行验证,仿真结果表明:所建立的STPU-EKF算法兼具PU-EKF和STF算法的优点,具有较高的准确性和较好的鲁棒性。
-
-
李春辉;
马健;
杨永建;
甘轶
-
-
摘要:
确定采样型滤波算法中的容积卡尔曼滤波(CKF)算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。
-
-
张中磊;
薄婷婷;
孙传杰;
王自满;
姜一达;
杨敬然;
田凯
-
-
摘要:
针对感应电机高性能矢量控制中的转速与磁链估计问题,提出了一种包含参数跟踪的转速与磁链联合估计强跟踪滤波(STF)方法.考虑电机参数变化及模型不确定性,采用粒子群迭代学习动态优化算法实现对感应电机参数的在线跟踪,修正的STF算法用于实现对感应电机转速与转子磁链的联合估计.仿真结果表明,包含参数跟踪的STF算法能够有效实现对感应电机转速与转子磁链的高性能估计;与扩展卡尔曼滤波算法相比,包含参数跟踪的STF算法在估计精度、跟踪速度和稳定性方面得到大幅度提高,并且能够快速跟踪突变状态,尤其在低速段仍能保持较好的估计性能,有效提高了状态估计精度和模型鲁棒性.
-
-
孟得龙;
李宁洲;
卫晓娟
-
-
摘要:
在传统扩展卡尔曼滤波算法的基础上,利用带多重次优渐消因子的扩展卡尔曼滤波(SMFEKF)算法对永磁同步电机矢量控制系统进行参数估计,实现无速度传感器矢量控制系统的设计.对两种算法分别进行建模和仿真,验证了 SMFEKF算法的可行性及优越性.结果表明:基于SMFEKF的矢量控制方法相比较传统EKF算法,在一定程度上减小了系统的非线性、参数变化以及外界干扰带来的影响,消弱了抖振现象,降低了系统的稳态误差,提高了参数估计精度.
-
-
盛国良;
翁朝阳;
陆宝春
-
-
摘要:
为解决扩展卡尔曼滤波算法估算锂电池荷电状态(State of charge,SOC)时存在的系统噪声统计不确定性和电池模型不准确性问题,该文提出了一种基于改进型Sage-Husa自适应强跟踪卡尔曼滤波的SOC估算算法.以参数辨识得到的锂电池等效电路模型为基础,在扩展卡尔曼滤波算法中引入一个强跟踪滤波器的渐消因子来加强跟踪能力,结合可对时变噪声进行特征统计的Sage-Husa自适应滤波器来调整系统噪声参数,实现了锂电池SOC的估算.最后通过锂电池模拟工况实验,验证了该算法相比于扩展卡尔曼滤波具有更高的精度和实用性.
-
-
-
潘静岩;
潘媚媚;
魏勐;
李靖
-
-
摘要:
针对强机动目标跟踪模型难以准确匹配以及跟踪滤波器容易发散的问题,提出一种基于参数自适应变化的强机动目标跟踪算法.对"当前"统计Jerk(improved Jerk model based on current statistics,CS-Jerk)跟踪模型中的机动频率及加速度变化率的极大值进行自适应处理,同时将强跟踪滤波器(strong tracking filter,STF)中的单重时变渐消因子调整为自适应变化的多重时变渐消因子,从而实现对强机动目标更高精度的跟踪.仿真实验结果表明,该算法提高了对强机动目标的跟踪精度.
-
-
周俊阳;
谢七月;
陈炳基;
冯磊华
-
-
摘要:
半自磨流程具有非线性、多变量耦合、内部信息不可测等特性,其运行优化与控制一直是个难题.为此,提出基于强跟踪滤波器的多目标优化控制方法,研究半自磨流程的优化与控制问题.先建立半自磨流程的重要工作参数数学模型;再引入NSGA-Ⅱ的最优化方法求得半自磨流程的最优运行指标,并建立基于强跟踪滤波器的状态反馈控制算法;最后在Matlab/Simulink软件平台上进行了仿真验证.仿真结果表明,基于强跟踪滤波器的多目标优化控制方法达到预期效果,具有重要的应用价值.
-
-
许泽宁;
公茂盛;
谢礼立
-
-
摘要:
扩展卡尔曼滤波是常用的识别结构物理参数的方法,然而对于时变的参数,传统的扩展卡尔曼滤波精度会有所下降.为了解决这个问题,通过在滤波计算中引入强跟踪滤波器(STF)的方法提高滤波精度,以识别时变的结构参数.通过对滤波更新后的残差进行正交化处理,得到渐消因子对滤波协方差矩阵进行实时修正,从而保证了滤波对结构参数变化的追踪能力.通过仿真算例的识别结果,证明了该方法能够有效识别非线性结构的参数及其变化.
-
-
-
曹岩炳;
周东华
- 《第21届中国过程控制会议》
| 2010年
-
摘要:
该文介绍了强跟踪滤波器理论及其算法,建立伺服系统中直流电动机模型,采用强跟踪滤波器来克服伺服系统中的测量噪声和控制噪声对控制性能的影响,并在MATLAB环境下进行对比仿真试验,验证了强跟踪滤波器对噪声的有效抑制作用.
-
-
熊云威
- 《第六届全国技术过程故障诊断与安全性学术会议》
| 2009年
-
摘要:
为消除磁悬浮球系统中过程噪声和量测噪声对钢球的稳定悬浮造成的不良影响,采用了一种强跟踪滤波器,解决了卡尔曼滤波器在信号突变情况下无法跟踪钢球位移变化的问题,并给出了磁悬浮球系统的数学模型与强跟踪滤波器的具体设计方法.仿真结果表明,在信号变化缓慢的情况下,强跟踪滤波器和卡尔曼滤波器都能准确地跟踪钢球的位移变化;而在信号突变情况下,强跟踪滤波器对钢球的跟踪效果明显比卡尔曼滤波器的跟踪效果好,对钢球的稳定悬浮起到了很好的作用。
-
-
- 《第19届中国过程控制会议》
| 2008年
-
摘要:
针对一类变结构非线性时变系统,研究了DC-DC变换器的自适应控制算法.以Buck变换器为研究对象,在它平均状态模型的基础上,使用强跟踪滤波器在线估计出变换器的参数,实时更新广义一般模型控制的模型参数以补偿时变参数的影响,由此实现DC-DC变换器的自适应广义一般模型控制.仿真结果表明,当输入电压、负载、参考电压或变换器其他参数发生变化时,采用自适应控制的DC-DC交换器仍然具有良好的鲁棒性和控制性能。最大超调量为3.73%,稳态误差为0,Vout、iL和R的真值和估计值相对误差的均值分别为0.18%、2.64%和2.78%.
-
-
赵众;
郭林
- 《2006年全国石油化工生产安全与控制学术交流会》
| 2006年
-
摘要:
本文针对实际的非线性过程状态估计的复杂性,在以非线性分离模型来描述非线性动态过程的基础上,提出一种基于此模型而设计强跟踪滤波器的方法,所提方法用在浆液混合控制实例仿真中,并与卡尔曼滤波设计的仿真应用结果相比较,结果证明了其有效性和可行性.
-
-
-
李晓峰;
徐军;
王洪水;
徐利国
- 《2008中国兵工光学与光电子学学术交流会》
| 2008年
-
摘要:
针对光电武器对机动目标跟踪精度较差的问题,在"当前"统计模型的基础上,形成了机动目标"当前"统计模型下强跟踪滤波算法.该算法通过引入强跟踪滤波器的渐消因子,实时调节滤波器增益,增强了系统对突发机动目标的跟踪能力,同时保留了"当前"统计模型跟踪算法对一般机动目标跟踪精度高的特点。仿真结果表明,该算法对机动目标具有较好的跟踪精度和适中的计算复杂度,是一种较好的光电跟踪算法.
-
-
李晓峰;
徐军;
王洪水;
徐利国
- 《第三届全国光学技术交流会》
| 2007年
-
摘要:
针对光电武器对机动目标跟踪精度较差的问题,在"当前"统计模型的基础上,形成了机动目标"当前"统计模型下强跟踪滤波算法。该算法通过引入强跟踪滤波器的渐消因子,实时调节滤波器增益,增强了系统对突发机动目标的跟踪能力,同时保留了"当前"统计模型跟踪算法对一般机动目标跟踪精度高的特点。仿真结果表明,该算法对机动目标具有较好的跟踪精度和适中的计算复杂度,是一种较好的光电跟踪算法。
-
-
-
潘平俊;
冯新喜;
刘英坤;
石磊;
李铮
- 《2007'信息与通信工程、电子科学与技术、计算机科学与技术、机械工程全国博士生学术论坛》
| 2007年
-
摘要:
作为最近提出的一种非线性滤波方法,Unscented卡尔曼滤波器(UKF)具有易实现、较高的估计精度和中等的计算量等优点。然而,像扩展卡尔曼滤波器(EKF)一样,UKF关于模型不确定性的鲁棒性很差、对初始条件很敏感,容易出现状态估计不准,甚至发散等现象。为了克服UKF的缺陷,基于强跟踪滤波器(STF)理论,通过引入一种多重次优渐消因子在线调整滤波器增益矩阵,提出一种改进的UKF,并通过目标跟踪的仿真实验验证了该滤波器的有效性。仿真实验结果表明改进的Unscented卡尔曼滤波器具有好的鲁棒性,而且能够快速收敛。
-