EKF

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： 为了更准确估计锂电池的SOC,从两方面考虑,即模型选择和估计算法。首先,为了减小由于模型引起的估计误差,采用带有遗忘因子的递推最小二乘法对二阶RC等效电路模型参数进行在线辨识,实现锂电池模型参数的自适应。其次,针对SOC的估计,提出了基于EKF结合AHI法实现加权在线估计。实验表明所提方法相比其中单一算法具有更高的估计精度和稳定性,尤其是提高了低SOC区间的估计精度,验证了所提算法的有效性。

摘要： 为解决RTK在实际使用时,定位结果受限于卫星数量和多径效应影响等问题,提出了考虑大气环境差值影响的双差模型,从而降低基线长度引起的误差;使用EKF算法融合物体运动模型和卫星信号模型,提高了卫星信号质量不佳路段的定位精度;融合BDS和GPS组合系统信号,降低遮挡严重区域多径效应的影响,并比较研究了组合系统与单系统的定位精度。实验表明:基于实际环境下采集的卫星信号数据,提出的方法可以有效降低基线长度、信号遮挡和多径效应引起的定位误差,提高了复杂环境下RTK短基线定位精度,可满足特定区域范围内的高精度实时定位需求。

摘要： 由于传统的扩展卡尔曼滤波(extended kalman fileter,EKF)存在线性化误差和易受不良数据影响,噪声会随着时间动态变化,难以准确获取。针对此,基于主动配电网下,提出了一种基于鲁棒自适应H∞扩展卡尔曼滤波(robust adaptive H∞extended Kalman filtering,RAHEKF)的方法。在原有自适应EKF的基础上,采用量测不确定性理论,引入测点评价函数,来降低不良数据的影响;将EKF量测函数的泰勒展开保留到二阶项,来降低线性化带来的误差,增强算法在系统突变下的预测能力。同时采用渐消记忆时变噪声,来模拟噪声的变化,增强算法对噪声动态变化的鲁棒性。在改进的IEEE 33节点系统分别对不良数据、系统负荷突变和分布式电源功率连续大范围变化的情景下,比较EKF和AHEKF,实验结果表明,RAFEKF具有更高的精度性和鲁棒性,能够很好地适应主动配电网灵活的运行场景。

摘要： 在扩展卡尔曼滤波算法的基础上,结合模态坐标变换,以模态坐标初始值和结构单元损伤参数构建状态向量,提出一种改进的扩展卡尔曼滤波(EKF)算法。通过数值算例的识别结果,证明这种算法能够对结构损伤参数进行有效识别。

摘要： 空间非合作目标参数识别是空间在轨服务的关键问题,由于非合作目标先验信息和合作标识的缺失,传统基于合作的空间目标参数识别方法难以适用;另外,现有的基于单一观测航天器的观测方法,难以长期保证良好的观测状态.提出了 一种基于多航天器协同观测的非合作目标姿态运动学状态参数识别方法.采用多个航天器从不同视点位置观测非合作目标,基于多视点协作观测数据对目标进行三维重建,根据连续观测帧之间的目标点云匹配解算其姿态变化,最后通过EKF滤波算法求解出空间非合作目标的姿态参数.模拟仿真结果表明,给出的多航天器协同观测参数识别算法,适用于缺乏先验信息的非合作空间翻滚目标的姿态估计,同时避免了空间目标观测中遮蔽现象或特征跟踪丢失,可用于未来空间非合作目标在轨服务任务.

摘要： 为了优化表贴式三相永磁同步电机(PMSM)的无传感器矢量控制性能,设计卡尔曼滤波器(EKF)实现电机转速与位置的在线估计.针对基于传统PI控制器的PM SM矢量控制抖振问题,在电流环设计基于Super-twisting算法的滑模控制器,并给出了收敛和稳定的必要条件.仿真结果表明,基于EKF算法的观测器能够准确地观测转速和位置,与PI控制器相比,Super-twisting滑模控制器缩短了响应时间,在一定程度上降低了抖振,增强了系统鲁棒性,提高了系统动态性能和抗扰动性.

摘要： 针对永磁同步电机的传统滑模观测器控制中存在估算误差和高频纹波等问题,提出了采用扩展卡尔曼滤波和滑模观测器相结合的方式代替传统滑模观测器的方法.首先,根据永磁同步电机的滑模观测器的数学模型计算定子电流估计值与实际值的误差和反电动势.然后,根据电机EKF状态方程计算输出量,实现参数在线调整,减少参数估算误差,来提高系统的稳态效果和动态性能.最后,搭建了仿真和硬件实验平台进行验证.实验结果表明,改进的滑模观测器控制减少了系统抖动,当调压器改变电压参数时,系统扰动干扰降低了70％,使得永磁同步电机具有更好的可靠性和跟踪性能.

摘要： 高性能相对导航对于数据链网络联合作战至关重要,特别是在某些情况下数据链网络成员可能无法通过绝对定位获取自己的位置,如强干扰环境或者GNSS可见星比较少的复杂定位环境.本文给出了一种时分多址数据链网络成员基于惯导、高度表和TOA信息的相对定位算法,成员通过基于序贯处理的EKF算法对INS/TOA/BA数据进行实时处理,分别利用二维平面位置滤波器和高度滤波器单独进行相对定位.本文对多成员TDMA数据链网络进行相对导航模拟仿真,对比分析了基于序贯处理的EKF定位方法和一般WLS算法定位结果,分析了对定位精度造成影响的不同因素.仿真证明,基于INS/TOA/BA信息序贯处理的EKF算法可以实现TDMA数据链网络导航观测信息的实时处理并提供较为理想的定位精度.

摘要： 非线性估计为现代工程领域内的常见问题之一,近些年人们对估计问题研究深度持续拓展,非线性滤波应时而生且在快速发展中成为控制科学的重要分支之一.将扩展卡尔曼滤波算法(EKF)与Unscented卡尔曼滤波算法(UKF)引进到初始对准内,统计仿真结果发现,采用UKF时惯导系统初始对准精准性与稳定性均优于EKF.

摘要： 本文给出了再入段弹道导弹目标的运动模型,采用推广卡尔曼滤波(EKF)和Unscented Kalman Filter(UKF)两种非线性滤波方法对目标进行跟踪滤波,由蒙特卡洛仿真结果可以看出在不具有弹道系数先验信息的情况下UKF的滤波性能明显优于EKF;在已知弹道系数先验信息的情况下EKF的滤波精度得到较大改善,此时两者的滤波性能接近.此外,通过增大过程噪声可提高EKF的滤波精度,使之可较好地应用于再入段弹道导弹目标的跟踪.

摘要： 本文给出了再入段弹道导弹目标的运动模型,采用推广卡尔曼滤波(EKF)和Unscented Kalman Filter(UKF)两种非线性滤波方法对目标进行跟踪滤波,由蒙特卡洛仿真结果可以看出在不具有弹道系数先验信息的情况下UKF的滤波性能明显优于EKF;在已知弹道系数先验信息的情况下EKF的滤波精度得到较大改善,此时两者的滤波性能接近.此外,通过增大过程噪声可提高EKF的滤波精度,使之可较好地应用于再入段弹道导弹目标的跟踪.

摘要： 本文给出了再入段弹道导弹目标的运动模型,采用推广卡尔曼滤波(EKF)和Unscented Kalman Filter(UKF)两种非线性滤波方法对目标进行跟踪滤波,由蒙特卡洛仿真结果可以看出在不具有弹道系数先验信息的情况下UKF的滤波性能明显优于EKF;在已知弹道系数先验信息的情况下EKF的滤波精度得到较大改善,此时两者的滤波性能接近.此外,通过增大过程噪声可提高EKF的滤波精度,使之可较好地应用于再入段弹道导弹目标的跟踪.

摘要： 本文给出了再入段弹道导弹目标的运动模型,采用推广卡尔曼滤波(EKF)和Unscented Kalman Filter(UKF)两种非线性滤波方法对目标进行跟踪滤波,由蒙特卡洛仿真结果可以看出在不具有弹道系数先验信息的情况下UKF的滤波性能明显优于EKF;在已知弹道系数先验信息的情况下EKF的滤波精度得到较大改善,此时两者的滤波性能接近.此外,通过增大过程噪声可提高EKF的滤波精度,使之可较好地应用于再入段弹道导弹目标的跟踪.

摘要： 本文给出了再入段弹道导弹目标的运动模型,采用推广卡尔曼滤波(EKF)和Unscented Kalman Filter(UKF)两种非线性滤波方法对目标进行跟踪滤波,由蒙特卡洛仿真结果可以看出在不具有弹道系数先验信息的情况下UKF的滤波性能明显优于EKF;在已知弹道系数先验信息的情况下EKF的滤波精度得到较大改善,此时两者的滤波性能接近.此外,通过增大过程噪声可提高EKF的滤波精度,使之可较好地应用于再入段弹道导弹目标的跟踪.

摘要： 本文给出了再入段弹道导弹目标的运动模型,采用推广卡尔曼滤波(EKF)和Unscented Kalman Filter(UKF)两种非线性滤波方法对目标进行跟踪滤波,由蒙特卡洛仿真结果可以看出在不具有弹道系数先验信息的情况下UKF的滤波性能明显优于EKF;在已知弹道系数先验信息的情况下EKF的滤波精度得到较大改善,此时两者的滤波性能接近.此外,通过增大过程噪声可提高EKF的滤波精度,使之可较好地应用于再入段弹道导弹目标的跟踪.

摘要： 月球车所需完成的任务都是通过位置术语描述的,定位是月球车工作的前提和关键.严格说来,月球车的定位应分解为两个定位过程:初始定位和运动过程定位.目前在初始定位算法方面的研究甚少,本文提出了一种基于太阳敏感器和地球红外敏感器(或星敏感器)的仿双矢量定姿的初始位姿确定方法,用于解决月球探测车的初始位姿的确定问题.仿真验证了该方法是用于月球车的初始位姿确定的有效途径.针对月球车运动过程中的定位,本文采用扩展卡尔曼滤波融合码盘和陀螺的测量信息以提高定位精度,并在月球车地面样机上进行了实验验证.

摘要： 月球车所需完成的任务都是通过位置术语描述的,定位是月球车工作的前提和关键.严格说来,月球车的定位应分解为两个定位过程:初始定位和运动过程定位.目前在初始定位算法方面的研究甚少,本文提出了一种基于太阳敏感器和地球红外敏感器(或星敏感器)的仿双矢量定姿的初始位姿确定方法,用于解决月球探测车的初始位姿的确定问题.仿真验证了该方法是用于月球车的初始位姿确定的有效途径.针对月球车运动过程中的定位,本文采用扩展卡尔曼滤波融合码盘和陀螺的测量信息以提高定位精度,并在月球车地面样机上进行了实验验证.

摘要： 月球车所需完成的任务都是通过位置术语描述的,定位是月球车工作的前提和关键.严格说来,月球车的定位应分解为两个定位过程:初始定位和运动过程定位.目前在初始定位算法方面的研究甚少,本文提出了一种基于太阳敏感器和地球红外敏感器(或星敏感器)的仿双矢量定姿的初始位姿确定方法,用于解决月球探测车的初始位姿的确定问题.仿真验证了该方法是用于月球车的初始位姿确定的有效途径.针对月球车运动过程中的定位,本文采用扩展卡尔曼滤波融合码盘和陀螺的测量信息以提高定位精度,并在月球车地面样机上进行了实验验证.

摘要： 月球车所需完成的任务都是通过位置术语描述的,定位是月球车工作的前提和关键.严格说来,月球车的定位应分解为两个定位过程:初始定位和运动过程定位.目前在初始定位算法方面的研究甚少,本文提出了一种基于太阳敏感器和地球红外敏感器(或星敏感器)的仿双矢量定姿的初始位姿确定方法,用于解决月球探测车的初始位姿的确定问题.仿真验证了该方法是用于月球车的初始位姿确定的有效途径.针对月球车运动过程中的定位,本文采用扩展卡尔曼滤波融合码盘和陀螺的测量信息以提高定位精度,并在月球车地面样机上进行了实验验证.

摘要： 本发明公开了一种基于MCC的EKF‑SLAM后端导航路径优化方法，包括S1、SLAM前端通过飞行器自身传感器获取飞行器姿态、位置和路标点信息；S2、SLAM后端对获取的飞行器姿态、位置和路标点信息的数据进行融合。相比传统的EKF自主导航方式，本发明提高了数据的鲁棒性。基于MCC的EKF作为SLAM后端可以用于更大规模的数据提取与校正，使得飞行器在面对更为复杂的飞行环境时，具有更高的导航精度、完好性与连续性，可实现在复杂空间环境下面对不同的地域，飞行器巡逻时能够通过自主运动情况和空间环境进行准确的位置姿态参数获取及路径优化。

摘要： 本发明公开了一种基于改进EKF高度信息融合算法的室内飞行定高装置，包括室内自主飞行单元，室内自主飞行单元包括飞行控制板和数据采集模块，飞行控制板内含有改进的EKF高度信息融合算法，通过采用降噪处理的数据预处理和融合其他多源信息融合方法来改进EKF滤波融合算法，有效的改善了单独使用EKF滤波融出现的发散问题，大幅度提高了高度方向的垂直定位精度；克服了气压高度计测高失效的问题，实现了飞行器在室内一键起飞、自主悬停、自主飞行和自主降落功能，使得飞行器能够按照预定飞行路线直线飞行，系统定位精度高、稳定性强，对于室内智能物流配送和巡检飞行器的实现具有很好的借鉴意。

摘要： 本发明公开了一种基于低阶EKF的北斗B1C信号联合跟踪环路的方法，来自北斗B1C信号接收机天线的数字中频信号经过捕获得到卫星捕获的伪随机码编号、码相位及多普勒频率初值，利用捕获结果，生成本地载波信号，与中频信号进行混频，形成I、Q两路，剥离输入信号中的载波多普勒频率，形成基带信号；同时基于B1C信号特点，分别生成数据和导频通道的超前、即时和滞后本地码，与I/Q路的混频信号进行相关运算，在跟踪模块中分别生成12路相关值，再合成6路相关值；将其作为观测量输入至EKF模块中，经过循环迭代得到载波环和码环的跟踪误差，经多普勒频率修正后，利用EKF的最优滤波特性得到一个小的跟踪误差，实现对B1C信号的精确和稳定跟踪。

摘要： 本发明涉及基于参数自适应的EKF的PMSM速度和位置估计方法，以SVPWM理论及采用对电机矢量控制的方法，实现电机的电流环和速度环的双闭环控制。通过FOC控制，获得在αβ静止坐标系下的uα、uβ和iα和iβ，作为扩展卡尔曼滤波算法的输入，同时还需要作为输入的参数有电机的相电阻、相电感和磁链，通过扩展卡尔曼的递推得到转子转速we和转子位置θ。相对于传统的扩展卡尔曼滤波，在求得先验估计协方差时必须有精确的过程噪声方差Q，本发明提出的改进的方法则是基于后验估计信息序列作为反馈来求得先验估计协方差，解决了对过程噪声协方差Q依赖问题。

摘要： 本发明公开了一种基于EKF的九轴运动传感器姿态检测方法，该方法为：读取九轴运动传感器中的数据，计算初始欧拉角并转换成初始姿态四元数；初始化状态转移噪声矩阵以及传感器的观测噪声的矩阵；将陀螺仪数据和加速度计数据采用EKF方法进行数据融合，在将加速度计的数据归一化之前先计算加速度的模，并根据此模值对噪声矩阵进行调节，估计出目标物体的姿态四元数并转化为姿态角；将陀螺仪数据和磁强计数据结合之前估计出的姿态角采用卡尔曼滤波法进行数据融合单独求出偏航角，求解过程中根据磁强计的数据的变化量对噪声矩阵进行调节，从而改变卡尔曼增益；将两次融合的结果结合即为输出的姿态角。本发明具有快速、准确、抗干扰能力强等优点。

摘要： 本发明提供了一种基于改进EKF的锂离子电池SOC估算方法及系统，包括如下步骤：估算步骤：建立改进的扩展卡尔曼滤波器，基于改进的扩展卡尔曼滤波器对锂离子电池的SOC进行估算；监测步骤：利用估算的SOC反应锂离子电池的性能及状态，使锂离子电池安全执行任务。本发明利用改进后的扩展卡尔曼滤波器对锂离子电池的SOC进行估算，具有较好的实效性和精确性，解决了常规扩展卡尔曼滤波在长时间搁置工况中误差较大的缺点，具有一定的鲁棒性。

摘要： 本发明公开了一种基于自构架模糊EKF系统的目标跟踪方法，按照以下步骤顺序进行：S1、建立无人机系统控制模型；S2、设计自构架模糊EKF系统扩展卡尔曼滤波器；S3、将EKF估计方差与实际观测方差间的误差作为自构架模糊EKF系统的一个输入，通过自构架模糊EKF系统辨识，自适应地减小自构架模糊估计误差。本发明属于无人机技术领域，通过利用自构架模糊EKF系统理论，设计完成了自构架模糊EKF系统，通过将测量估计误差与实际误差之间的误差E(k)作为模糊系统的输入，通过调整模糊系统参数来实现对方差估计值R的最优逼近，提高了对无人机飞行轨迹的跟踪精度。

摘要： 本申请提供了一种基于EKF滤波降噪的增量动态逆控制方法，该方法包括：步骤一，将飞机角速度作为被控状态量，进而建立包括俯仰、滚转和偏航角速度的运动模型；步骤二，根据所建立的运动模型，构建角速度增量动态逆控制律；步骤三，根据感器特性以及噪声影响，构建EKF滤波器用于滤除角速度中传感器引入的噪声，重新获得干净的角速度信号，进而减小噪声对角加速度的影响。

摘要： 本发明公开了一种基于DOB死区补偿下EKF的PMSLM无传感器控制方法及系统。采用EKF算法估计电机速度和动子位置，根据采样电流、实际电压和速度估计值计算干扰电压，并据此构建新型死区DOB，进而将干扰电压前馈补偿给电流调节器的输出电压，叠加后作为死区补偿时所需控制电压指令，最终实现对PMSLM速度和动子位置的精确控制。本发明实现了对死区效应造成逆变器输出电压误差的补偿，提高了对电机速度和动子位置的辨识精度，从而满足了高性能的PMSLM控制要求。

摘要： 本发明公开了一种DAMDNet‑EKF算法的无人机目标跟踪方法，包括以下步骤：步骤1、采集视频帧，通过预设的跟踪模型，根据初始的视频帧训练边界框回归模型；其中，所述跟踪模型是基于DAMDNet的神经网络模型构建，并已经过预训练和初始化；步骤2、除去初始的视频帧，利用剩余的视频帧作为跟踪模型输入，得到视频帧的目标边界框以及与目标边界框对应的目标得分；步骤3、若步骤2得到的目标得分小于预设值，则对所述跟踪模型进行更新；若步骤2得到的目标得分不小于预设值，则使用边界框回归模型调整最优的目标边界框并对所述跟踪模型进行更新。本发明有效地解决了无人机跟踪算法容易跟踪失败及实时性较差的问题。