卡尔曼滤波算法

摘要： 传统方法在规划无人机巡检航线时,未建立输电通道地图,存在纬、经度偏差度大,巡航高度不合理的问题。为此,提出基于高精度输电通道地图的无人机线路巡检航线规划方法。利用最近邻迭代算法进行点云配准,修正无人机位置的相对位置偏差,建立高精度输电通道地图,为无人机自动驾驶的高精度航线规划线路提供了空间基准。通过人机高精度目标组合定位导航技术和三维航线智能规划技术,对无人机三维航线规划软件和无人机自动驾驶控制终端软件进行跟踪,实现基于无人机自动驾驶的精细化巡检和通道巡检。结合无人机多维航巡情报融合技术和安全监控技术,在卡尔曼滤波算法的基础上,利用GPS/INS组合导航实现无人机线路巡检航线的规划。实验结果表明,所提方法的纬、经度偏差较小,巡航高度较为合理。

摘要： 针对传统电梯监测系统成本高、改造和安装复杂的问题,设计了一种基于LoRa和STM32的电梯监测系统。系统使用STM32芯片,通过外设采集电梯压强和加速度数据,使用LoRa技术将采集到的数据使用SX1278射频芯片发送到接收端。利用测量的气压值计算出电梯高度,再通过卡尔曼滤波算法对电梯高度和加速度数据进行融合,准确地计算出电梯运行的楼层和运行状态。加速度传感器采集到的加速度数据可以检测出电梯运行状态和异常晃动情况。实验研究表明:该系统检测误差在±40 cm范围内,可以准确显示电梯所处的楼层以及运动状态。

摘要： 时效性是急救医疗服务所具备的特殊性质,对于急救需求患者而言,时间就是生命,因此提高急救医疗服务的实际可达性尤为重要。优化急救医疗服务的可达性,能够帮助人们在发生不可控的紧急情况时,快速地对医疗服务进行合理的选择,使患者及时获得有效的治疗。文章主要从时间和费用两方面对可达性展开研究。在时间上,构建基于卡尔曼滤波算法的行程时间预测模型,同时对多个路段的行程时间进行预测,并利用迪杰斯特拉(Dijkstra)算法做最短时间规划策略;在费用上,采用贝叶斯组合模型计算预测时间段内的交通流量,并结合用户均衡原则下的实施交通流分配,从而得到出行者出行费用最少的路径,最后利用熵权法获取不同侧重下的最优路径选择。急救医疗服务最优路径的选择,结合时间和费用两方面,提供给了服务者与被服务者在不同方向上的双向选择,具有良好的应用前景和实际意义。

摘要： 针对现有技术中各种异构网络或多系统之间的数据融合难、网络利用效率低下等问题,本文研究了一种新的物联网传感器数据融合方法,设计了基于物联网传感器数据融合系统。该系统包括物联网结构层、传感器输出信号的预处理部分和信号分析处理部分,采用ADuC812单片机实现了海量数据的处理,并通过多种无线通信技术进行数据传输,通过物联网应用层可以实现人机交互。通过实验,本研究方案数据融合效果明显处于优势,并且数据分布情况呈随机性,提高了数据差异化融合能力。

摘要： 疲劳驾驶是引发交通事故的主要原因之一,为了预防疲劳驾驶的发生,基于多信息融合方法研究了驾驶员疲劳检测技术。通过改进的Yolov3算法与卡尔曼滤波算法的结合进行人脸检测。利用一种基于提升树的算法实现脸部关键点检测,并基于单位时间里眼睛闭合时间所占的百分比(percentage of eyelid closure over the pupil over time,PERCLOS),最长持续闭眼时间和哈欠次数这3个特征进行多特征融合的疲劳检测。在实车录制数据集上进行验证,实验结果表明:所提方法平均识别正确率达92.5%,具有较高的准确率,针对复杂环境有较强的鲁棒性,对于将来的研究有着重大意义。

摘要： 为改善转矩扰动对动车永磁电机的影响,提出基于转矩补偿的动车永磁电机电磁优化方法。依据动车永磁电机结构,构建基于三相静止坐标系下的复合结构电机状态方程,分析动车永磁电机电磁转矩特性。通过转矩补偿结合永磁电机电磁增益PI控制策略,控制永磁电机速度,采用基于卡尔曼滤波器的转矩观测器与卡尔曼滤波算法,实现转矩的观测与补偿,结合PI变增益策略与转矩补偿共同实现对动车永磁电机电磁优化。仿真验证结果表明:优化后转矩增加或减少不会使电机转速产生大幅度变化,电机转速能够保持稳定;优化后转矩波动幅度较优化前有所降低。

摘要： 为满足微机械零件加工过程的高精度控制要求,本研究将卡尔曼滤波算法与EWMA控制图结合,设计了一种微机械零件加工过程压力自动化控制方法。综合分析微机械零件加工过程后,确定控制要求较高的7个部分,并运用卡尔曼滤波算法去除加工过程中扰动噪声的影响。然后建立零件状态递推模型,通过计算先验均方差和后验均方差获得最优K值,从而确定零件加工状态最优估计值。最后,以模型中各项参数的值建立EWMA控制图,得到详细控制限参数。仿真实验结果表明,本文方法可以准确识别加工过程中的扰动信号,提高加工压力稳定性,且计算复杂度较低。

摘要： 由于目前的分布式光伏发电短期功率预测方法的预测结果容易受到不确定因素的影响,存在预测精度较低的问题,影响了电能的利用率,难以满足电网建设与运行要求,因此基于卡尔曼滤波算法针对分布式光伏发电短期功率预测方法展开研究。通过采集与预处理数据,完成数据删除填充和替换;识别分布式光伏发电短期功率特性,分析分布式光伏发电影响因素和历史发电功率数据;基于卡尔曼滤波算法建立分布式光伏发电短期功率预测模型,通过映射计算短期预测功率的最优值,实现分布式光伏发电短期功率预测。通过实验证明,所提方法在24 h内对光伏发电功率的预测误差值在3~6 W,在4种天气类型情况下,预测曲线与实际曲线具有较好的贴合度,与不同的传统方法对比,所提方法预测的拟合度更高,均在95%以上,证明所提方法是有效且可靠的。

摘要： 针对传统温室采集精度不高、布线复杂、能耗大等问题,研究了一种基于改进卡尔曼数据融合算法的温室物联网采集系统。系统硬件主要由CC2530芯片和STM32微处理器构成,运用罗曼诺夫斯基准则对采集的数据进行预处理后,再使用卡尔曼滤波算法在协调器节点处对数据进行静态融合。选取温度作为观测量进行仿真和实验,结果表明,使用改进卡尔曼数据融合算法处理后的温度误差仅为0.089°C,处理后的数据更加接近环境真实值。改进的卡尔曼数据融合算法可以有效地提高数据采集的精度和系统的稳定性,研究结果可为数据采集技术在农业智能化方面的应用提供参考。

摘要： 为了提升船舶跟踪效率,提出一种基于中心点检测与卡尔曼滤波的船舶目标跟踪算法.该算法根据经典的Tracking-by-Detection模式,采用中心点算法检测船舶目标,利用卡尔曼滤波算法为检测目标创建跟踪器,并通过匈牙利算法解决检测目标与跟踪器预测目标之间的匹配关联问题,从而实现对实际场景视频中船舶目标的稳健跟踪.实验结果表明,基于中心点检测与卡尔曼滤波的跟踪算法能够有效应对船舶部分遮挡、船舶形变、光线不足、小目标等复杂情况.

摘要： 针对毫米波雷达漏警率高的特点,设计了一种毫米波雷达信号处理算法,在此基础上,开发了基于卡尔曼滤波算法的的雷达信号处理算法. 为验证所开发的卡尔曼滤波算法在处理毫米波雷达在漏警率上的优势，实验采用跟车的方式进行，即在本车正前方放置一台车，定义为前车，前车直线运行，后车车头正对前车车尾并在前车后方50米的范围内跟随运动，为保证验证的有效性，分别对车辆进行三组直线运动测试.经试验测试,使用基于卡尔曼滤波的算法对毫米波雷达进行信息处理,漏警率较较不使用卡尔曼滤波降低9.38％。

摘要： 当导航卫星由于某种原因(如战争)必须自主运行时,为了增强卫星导航系统生存能力和维持系统的稳定运行,需要建立和维持卫星自主运行的星际时间基准.本文针对导航卫星自主运行的星际时间基准的建立与维持,尝试利用卡尔曼滤波算法实时检测、剔除和修复异常值,然后对修复的卫星钟差数据用KPW算法建立时间尺度.通过GPS卫星导航系统实验发现该方法建立的星际时间基准可以有效克服异常值的干扰,维持良好的长期稳定性和短期稳定性.

摘要： 微小型多旋翼无人机具有灵活性好、结构紧凑、成本低、获取数据快速等特点,已成为快速获取农作物信息的主要平台.但受微小型无人机控制系统稳定性和机载自动导航系统精度的限制,如何快速准确地调整无人机位置、姿态使被测目标始终处于监测视野中是微小型无人机这一遥感平台能否被广泛应用于精确农业研究领域的关键技术.本文主要研究微小型多旋翼无人机位姿检测方法,提高其位姿估计精度,确保无人机自主飞行控制准确.采用INS/GPS(Inertial NavigationSystem/Global Positioning System)组合导航系统为无人机的导航系统,提出扩展卡尔曼滤波算法EKF(Extended KalmanFilter);利用商业微小型多旋翼无人机进行了田间自主飞行实验,采集飞行过程中的实验数据;采用LabVIEW程序设计语言对采集数据进行分析、处理并绘制飞行状态曲线,直观显示无人机的各种飞行状态以及控制精度,并对其进行EKF算法仿真分析,验证该算法对无人机位姿估计的精度.

摘要： 容器作为物理资源的逻辑抽象,由于资源占用少、服务启动快等特点,正逐渐成为支撑应用运行的主流架构平台,特别是面向微服务架构的新型服务范型.本文考虑工作负载突变场景,在保证SLA的前提下,提出了一种基于前馈的弹性资源供给模型,该模型采用卡尔曼滤波算法,以工作负载作为输入,构造服务响应时间预测模型.其中,预测结果违背SLA是触发资源弹性供给的依据.实验结果表明,该模型在突发负载场景下,对服务响应时间的预测误差小于10％,可有效保障服务的SLA。

摘要： 目前自适应巡航控制系统等驾驶辅助系统大多采用毫米波雷达探测前方车辆和障碍物,其中目标跟踪及其运动状态分类作为前方车辆和障碍物识别的前提基础,其跟踪性能及分类准确性直接关系到驾驶辅助系统有效目标识别的有效性.本文基于对汽车前方目标运动特点和车载雷达信息检测机理分析,考虑了地面车辆运动以地表平面上二维运动为主、机动性小、跟踪坐标系随动的特点,建立了基于车载雷达运动坐标系的前方目标的运动状态模型,并采用卡尔曼滤波算法实现了前方目标的跟踪估计.此外,基于对地面静动目标运动状态及转移机理的分析,本文将目标分为未分类目标、静止目标、同向运动目标、反向运动目标和起停目标五类,同时建立了目标运动状态的转移状态机模型实现目标运动状态分类.实车实验结果表明,本文提出的方法能够实现对雷达前方目标的快速准确跟踪,且长时间跟踪过程中滤波收敛稳定,并能通过分类算法实现对雷达目标的准确分类。

摘要： 本文主要讨论基于傅里叶级数原理的测频算法和基于卡尔曼滤波原理的测频算法在电力系统频率测频领域中的应用效果，介绍了Simulink/Stateflow的基本仿真原理,并通过Stateflow对卡尔曼滤波算法进行了实现,将算法模块化,能够很好地和Simulink模块同步运行,并将开发过程可视化,能够通过流程图的形式展现给编程者,逻辑清晰,同时Stateflow可以清晰地观察到程序的行进过程,判断该流程是不是按照自己设定的程序走向执行,减轻了调试的负担.

摘要： 航迹关联是分布式多传感器多目标融合跟踪系统中的一项关键技术,具有广泛的应用价值和明确的发展前景.通过建立多目标机动跟踪模型,介绍了基本卡尔曼滤波算法.详细讨论了局部节点间对同一目标状态估计误差独立的加权航迹关联算法,并通过引入匈牙利法把多目标航迹关联问题转化为运筹学中的分配问题,从而把代价矩阵转化为关联矩阵,求得最优解获得最佳航迹配对.仿真试验的结果表明该方法简单有效、计算量小、易于实现.

摘要： 随着数据流的广泛运用,数据流中异常数据的检测问题也引起了更多的关注.现有的卡尔曼滤波算法需要的历史数据量虽然小,但只适用于单个异常点的检测,对于复杂连续的异常值检测效果较差.针对这个问题,提出一种水文传感器分级标注模型,并在此基础上提出一种基于多维影响因子的卡尔曼滤波算法,加入空间、时间、起源三个维度的影响因子,在天气和汛期等影响因素改变时,对系统模型的控制参数进行适当调整,并且对测量噪声进行更加准确的估计,提高异常检测的准确性.实验结果证明,所提算法在保证运行时间相近的前提下,检测的错误率远低于基于遗忘因子的卡尔曼(AKF)算法和基于小波的卡尔曼(WKF)算法.

摘要： 针对电动汽车锂离子蓄电池组SOC估算精度问题,采用卡尔曼滤波算法进行估算.建立电池组的状态空间模型,根据实际工况进行模型参数辨识,并实时校正电池组实际容量和库伦效率,通过仿真验证此模型的可行性和精度.仿真结果表明,该方法能够实时估算电池组SOC,最大误差仅为1.8％.卡尔曼滤波算法能够大大提高电池组SOC估算精度,通过改进此算法将能够适应电动汽车复杂行驶工况的安全保障要求.

摘要： 由于GPS/DR组合定位导航系统可以弥补GPS和DR两种定位技术各自的缺点,因此组合导航正成为车载导航应用中的最佳选择.为计算方便,GPS/DR系统多采用单一模型方式如常速模型,假定目标运动在某一特定状态下进行位置估计.由于DR观测值的非线性,须采用扩展卡尔曼滤波方式进行位置估算,这一过程不仅十分复杂而且将有可能产生较大误差.基于上面两点考虑,将基于机动目标常见的三种运动模型,即匀速模型,匀加速模型及转弯模型以及滤波效果较为突出的当前统计模型,引入交互多模型滤波的模型集并采用一种DR线性观测模型,以此建立集中卡尔曼滤波对机动目标进行位置估计,仿真实验及实测数据验证算法结果均表明了算法的有效性.

摘要： 本发明公开了一种基于可变遗忘因子的递推最小二乘法(VFFRLS)和多新息无迹卡尔曼滤波(MIUKF)算法融合的锂电池电池荷电状态（SOC）估算方法，该方法包括以下步骤：获取锂电池出厂前离线辨识的阻容参数信息；基于混合脉冲放电实验，确定电池开路电压(OCV)与SOC关系曲线；建立二级RC等效电路模型，确定电池系统的状态方程和测量方程；利用可变遗忘因子的递推最小二乘法与多新息无迹卡尔曼滤波融合估算电池SOC。本发明在可变遗忘因子的递推最小二乘法与无迹卡尔曼滤波(UKF)算法上引入多新息(MI)模型，实现更高精度和稳定性的SOC估计。

摘要： 本发明涉及种基于卡尔曼滤波算法的色谱滤波方法、装置、存储介质、系统。该方法包括；获取用于提取状态信息的色谱峰；建立所述色谱峰形成过程的状态方程、观测方程；获取待检测样本的色谱峰；根据状态方程、观测方程对待检测样本的色谱峰进行实时滤波降噪。通过对色谱峰进行估计，能够得到更加准确的色谱峰信号，较大程度的去除随机噪声对谱峰的影响，解决检测结果不准确、检测效率低的问题。

摘要： 本发明公开了一种基于改进卡尔曼滤波算法的色谱峰滤波方法及系统，该方法包括以下步骤：S1、预先将与待测样本相同的样本进行液质串联质谱检测，以获取的色谱图中的一个特征色谱峰为基础建立折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程：S2、采用步骤S1建立的折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程对后续待测样品的色谱峰进行滤波。本发明提供的基于改进卡尔曼滤波算法的色谱峰滤波方法具有降噪效果好、实时性高、易于实现等优点；本发明对卡尔曼滤波进行了改进，状态方程采用分段线性方式描述，这样做降低了计算量，增强了实时性。

摘要： 本发明公开了一种基于误差控制的卡尔曼滤波自适应滤波算法，考虑到初始滤波计算过程及系统状态突变的场景下，由于观测误差过大，造成滤波结果不稳定的情况，在自适应卡尔曼滤波算法的基础上，基于观测误差的协方差矩阵，设计一个自适应抑制因子，再利用该自适应抑制因子构建观测误差协方差矩阵的自适应修正模型，最后结合卡尔曼滤波算法的预测及更新模型，利用当前时刻系统状态的测量值和预测值，得到系统当前时刻较为精确的最终状态。本发明通过设计自适应抑制因子对系统进行误差控制，降低了观测误差对于卡尔曼增益的影响，提升了基于滤波算法估计系统状态结果的稳定性。

摘要： 本发明涉及一种基于自适应卡尔曼滤波算法的MEMS陀螺滤波方法，包括以下步骤：步骤一：建立卡尔曼滤波器的状态方程和测量方程；步骤二：根据MEMS陀螺的静态角速度数据计算得到卡尔曼滤波算法的测量噪声方差阵，及迭代计算得到卡尔曼滤波算法的过程噪声方差阵；步骤三：利用卡尔曼滤波算法对MEMS陀螺的数据进行滤波；步骤四：根据滤波结果计算过程噪声方差阵的迭代系数，返回步骤二，对过程噪声方差阵进行更新迭代，直至完成MEMS陀螺的数据滤波。本发明的滤波方法对模型精度要求不高，可以自主迭代计算过程噪声方差阵，能够有效降低MEMS陀螺的随机噪声，实时提高MEMS陀螺动态数据输出精度，从而提高卫星的姿态稳定度。

摘要： 本发明涉及一种基于DBN和卡尔曼滤波算法的AGV定位算法，属于机器人定位和深度学习领域。采集多组AGV运动过程中的速度和加速度信息，通过卡尔曼滤波算法估计出AGV不同时刻的位置信息；根据步骤1中采集到的信息，建立卡尔曼滤波过程中新息方差理论值的和实际测量值间的匹配度变量Ink，训练DBN；将训练好的DBN和卡尔曼滤波算法相结合，当匹配度偏离1时，通过DBN产生的自适应调节因子，校准匹配度变量，保证卡尔曼滤波算法对AGV位置和速度的精准估计。本发明根据卡尔曼滤波算法中新息序列理论方差和实际方差的一致程度，利用DBN获取自适应调节因子，对卡尔曼滤波器的噪声方差矩阵进行修正，保证了AGV运行过程中对位置的精确估计。

摘要： 本发明公开了基于无味卡尔曼滤波算法的机床主轴热误差快速辨识方法，其包括建立指数形式的机床主轴热误差模型；基于机床主轴热误差模型，建立无味卡尔曼滤波算法的状态方程；将状态方程的参数作为输入，基于奇异值矩阵构造无味卡尔曼滤波算法的状态向量点集；获取热误差预测值，对热误差预测值进行自适应调整；获取热误差实际测量值，并结合调整后的热误差预测值进行平均绝对百分比误差计算；对热误差实际测量值和热误差预测值进行均方根误差计算；计算机床主轴三个方向的辨识时间，选择三个辨识时间中的最大值统一作为三个方向的辨识时间，得到统一辨识时间，实现热误差辨识。本发明实现了机床主轴的热误差快速辨识。

摘要： 本发明公开了一种利用自回归模型和卡尔曼滤波算法的故障预测与预警方法，所述方法包括如下步骤：一、建立故障自回归退化模型的状态方程与测量方程；二、计算状态向量预测值三、计算系统状态协方差矩阵的预测值P(k|k‑1)；四、计算滤波增益系数K(k)；五、计算系统状态协方差矩阵的估计值P(k)；六、计算状态向量估计值七、计算测量向量的预测值到八、计算测量向量预测值的上边界到和下边界y(k)到y(k+m)；九、确定故障预警结果；十、每个k时刻重复二～九，迭代实现故障预测和预警。该方法能够在控制系统发生故障之前给出可靠的预警信号，有效保障系统的安全性及稳健性，其原理清晰，算法简单，易于实际工程实现。

摘要： 本发明公开了一种基于卡尔曼滤波算法的通风柜位移传感器及其使用方法，方法包括：用于测量0～150cm的单一方向上的位移变化，主要应用场景为实验室中检测通风柜柜门拉开幅度的大小，所述压力感应器将受到的压力信息通过信号传输的方式进入到转换处理器中，通过ADC芯片将物理变量，通过对卡尔曼滤波算法的导入，信号处理时电路白噪声信号的方差和测试的噪声信号可由试验的方式预测，在把拉力信号转换成位移的过程中，能非常有效地减少来自噪声信号的干扰，使得测量结果的精度和重复性有很大的提升，由于精度、稳定性、重复性的提升，使得传统的位移传感器在位移没有变化时，测量值会有量程1％范围内的跳动这一缺点能够有效克服。

摘要： 本发明基于初值补偿无迹卡尔曼滤波算法的锂离子电池自适应荷电估计方法，包括如下步骤：步骤1，选择等效电路模型；步骤2，采用增广向量法处理状态初始值、未知阶次以及未知参数，通过迭代法处理噪声，更新自适应分数阶无迹卡尔曼滤波算法；步骤3，根据所提带有初值补偿的无迹卡尔曼滤波算法对噪声进行自适应处理，进而估计锂离子电池的SOC值。本发明提供一种基于初值补偿的自适应分数阶无迹卡尔曼滤波器，该方法相比于未初值补偿、噪声已知时的自适应分数阶无迹卡尔曼滤波算法，有效地提升了锂离子电池的SOC估计精度，提高了锂离子电池在不同工况下的自适应能力。