期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,351篇文章
< 1 2 … 68 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
交互式多模型卡尔曼滤波的车辆悬架系统状态估计
1
作者 顾亮 王振宇 王振峰 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2018年第11期1642-1647,共6页
针对车辆悬架状态无法准确估计的问题,设计了自适应交互式多模型卡尔曼滤波(IMMKF)状态观测器.首先,建立了标准路面激励模型与四分之一线性化悬架模型;然后,利用递归最小二乘方法与IMMKF理论,设计了不同工况下广义悬架模型自适应IMMKF... 针对车辆悬架状态无法准确估计的问题,设计了自适应交互式多模型卡尔曼滤波(IMMKF)状态观测器.首先,建立了标准路面激励模型与四分之一线性化悬架模型;然后,利用递归最小二乘方法与IMMKF理论,设计了不同工况下广义悬架模型自适应IMMKF状态观测器;最后,分析了在标准C级路面激励工况下簧载质量变化对悬架系统状态估计的影响.仿真与台架试验结果表明,在簧载质量变化工况下,所设计的自适应IMMKF状态观测器与传统卡尔曼滤波状态观测器相比其估计精度至少可以提高20%. 展开更多
关键词 状态估计 交互式多模型卡尔曼滤波 递归最小二乘算法 悬架系统 簧载质量
在线阅读 下载PDF
基于交互式多模型卡尔曼滤波的主动悬架控制 被引量：8
2
作者 吴骁 史文库 陈志勇 《汽车工程》 EI CSCD 北大核心 2023年第7期1200-1211,1253,共13页
针对固定状态观测器难以保证路面自适应悬架状态观测精度的问题,本文中在交互式多模型卡尔曼滤波(IMMKF)的基础上,建立了悬架状态观测器与控制器。首先基于LQG算法与模糊控制算法建立了路面自适应主动悬架系统。结合谐波叠加法,生成A-B-... 针对固定状态观测器难以保证路面自适应悬架状态观测精度的问题,本文中在交互式多模型卡尔曼滤波(IMMKF)的基础上,建立了悬架状态观测器与控制器。首先基于LQG算法与模糊控制算法建立了路面自适应主动悬架系统。结合谐波叠加法,生成A-B-D-C级空间域路面不平度模型,作为仿真系统的输入。其次以各级路面的最优LQG模型为子模型建立了3种IMMKF悬架状态观测器与控制器。仿真对比表明:14模型的IMMKF悬架状态观测器相对于普通卡尔曼滤波观测器的观测精度最大可提升98.17%,并可用于识别路面等级,并且基于14模型IMMKF的自适应主动悬架控制器的车身加速度相对于被动悬架降低了75.99%、相对于普通LQG主动悬架降低了47.16%,验证了模型的优越性。 展开更多
关键词 交互式多模型卡尔曼滤波 模糊控制 状态观测 路面等级识别
在线阅读 下载PDF
基于改进自适应交互式多模型无迹卡尔曼滤波算法的车辆目标跟踪
3
作者 南奔洋 匡兵 景晖 《科学技术与工程》 北大核心 2025年第11期4605-4611,共7页
为解决传统交互式多模型(interactive multiple model, IMM)算法在车辆目标跟踪中存在模型概率变化不明显和跟踪精度不足问题,提出一种改进的自适应IMM-UKF(unscented Kalman filter)算法。首先采用匀速直线、匀加速直线和匀速转弯来建... 为解决传统交互式多模型(interactive multiple model, IMM)算法在车辆目标跟踪中存在模型概率变化不明显和跟踪精度不足问题,提出一种改进的自适应IMM-UKF(unscented Kalman filter)算法。首先采用匀速直线、匀加速直线和匀速转弯来建立车辆的运动模型,并通过无迹卡尔曼滤波对车辆目标进行跟踪。然后将子模型概率变化率作为IMM算法修正参数,对马尔可夫矩阵主对角线和非主对角线元素采用不同的修正策略。最后设置判定窗修正归一化后的马尔可夫矩阵主对角线元素,以扩大匹配模型的概率。结果表明,改进算法模型概率变化更加明显,位置和速度均方根误差均要小于原有算法,有效地提高了跟踪精度。 展开更多
关键词 目标跟踪 交互式多模型 自适应 马尔可夫矩阵 无迹卡尔曼滤波
在线阅读 下载PDF
基于扩展卡尔曼滤波的交互式多模型跟踪算法研究 被引量：3
4
作者 陈晓楠 张子阔 +2 位作者 索继东 罗超发 杜振邦 《现代电子技术》 北大核心 2024年第13期71-76,共6页
在辅助驾驶系统中,行人轨迹跟踪一直是一项有挑战性的任务,因为行人的回波信号中往往存在着许多干扰噪声。此外,行人在运动过程中可能会做出突然转身或其他改变方向的行为,这将直接导致行人运动轨迹呈现出非线性特征。针对上述问题,文... 在辅助驾驶系统中,行人轨迹跟踪一直是一项有挑战性的任务,因为行人的回波信号中往往存在着许多干扰噪声。此外,行人在运动过程中可能会做出突然转身或其他改变方向的行为,这将直接导致行人运动轨迹呈现出非线性特征。针对上述问题,文中提出一种基于扩展卡尔曼滤波的交互式多模型跟踪(IMM-EKF)方法,适用于毫米波雷达对行人进行轨迹跟踪。首先,在扩展卡尔曼滤波算法(EKF)的基础上重构状态预测协方差矩阵,来补偿EKF非线性化过程中引入的误差;然后将改进的EKF作为交互式多模型算法(IMM)中的滤波器,根据行人运动特性选择匀速模型和协调转弯模型作为跟踪模型,利用所提出的IMM-EKF算法进行轨迹跟踪。实验结果表明,所提出的滤波算法较典型的EKF和改进的EKF算法,在跟踪滤波精度方面均有所提升,同时具备更优的跟踪鲁棒性。 展开更多
关键词 行人轨迹跟踪 扩展卡尔曼滤波 交互式多模型 毫米波雷达 状态预测协方差矩阵 辅助驾驶
在线阅读 下载PDF
基于传染病模型与卡尔曼滤波的电动汽车非车载充电机网络化计量检定方法
5
作者 杨挺 于洁 +2 位作者 刘文芳 刘博 陈兵 《中国电机工程学报》 北大核心 2025年第S1期127-137,共11页
电动汽车非车载充电机(electric vehicle off-board charger,EVObC)的计量准确性关系到用户充电交易的公平性和电力运营企业的运营效益。针对传统离线抽样检定及在线检定技术无法满足规模化EVObC高效、精准检定的问题,文中提出一种基于... 电动汽车非车载充电机(electric vehicle off-board charger,EVObC)的计量准确性关系到用户充电交易的公平性和电力运营企业的运营效益。针对传统离线抽样检定及在线检定技术无法满足规模化EVObC高效、精准检定的问题,文中提出一种基于传染病模型与卡尔曼滤波的电动汽车非车载充电机网络化计量检定方法(networked metering verification method,NMVM)。首先,创造性地提出以电动汽车(electric vehicle,EV)为参考媒介形成检定关系网络的EVs-EVObCs传染病传播计量检定模型,突破传统检定方法灵活性差的局限;进而,提出基于改进卡尔曼滤波的云端EVObC计量误差(measurement error,ME)求解方法,提升EVObC计量误差辨识准确性;再者,提出基于能量衰减模型的EVObC计量估计校正方法,实现在传染病传播计量检定模型中客观反映EVObC计量误差退化和状态动态变化性,进一步提升计量误差估计精度;最后,采用16 km^(2)区域内124台EVObC真实交互数据进行实验。结果表明,所提方法能够准确识别EVObC计量超差状态,具有EVObC大规模检定快速性和计量误差辨识准确性,并且具备对各类充电桩良好的泛化能力。 展开更多
关键词 非车载充电机 电动汽车 传染病模型 卡尔曼滤波 计量检定 计量误差
在线阅读 下载PDF
四驱车辆交互式多模型自适应无迹卡尔曼滤波路面附着系数估计 被引量：4
6
作者 邓浩楠 赵治国 +2 位作者 赵坤 李刚 于勤 《汽车工程》 EI CSCD 北大核心 2024年第8期1357-1369,共13页
路面附着系数对车辆动力学控制性能有重要影响,为准确实时估计路面附着系数,提高算法在不同路面及工况下的估计精度与收敛速度,本文针对分布式四轮驱动车辆,结合7自由度车辆动力学模型和Dugoff轮胎模型,提出了一种基于交互式多模型的自... 路面附着系数对车辆动力学控制性能有重要影响,为准确实时估计路面附着系数,提高算法在不同路面及工况下的估计精度与收敛速度,本文针对分布式四轮驱动车辆,结合7自由度车辆动力学模型和Dugoff轮胎模型,提出了一种基于交互式多模型的自适应无迹卡尔曼滤波(IMM-AUKF)路面附着系数估计方法,首先将改进的Sage-Husa噪声估计器引入到无迹卡尔曼滤波(UKF)算法中,构建了自适应无迹卡尔曼滤波(AUKF)观测器,以对测量噪声进行实时更新并保证其协方差矩阵的正定性,同时提高新观测数据的权重,并增强算法的实时跟踪精度和稳定性;然后通过选择不同的观测变量,分别构建了车辆纵向行驶工况AUKF观测器和横纵向耦合工况AUKF观测器,并利用交互式多模型(IMM)算法进行观测器模型的切换,进而实现算法在车辆不同行驶工况下路面附着系数的准确估计。高附、低附、对接以及对开等路面仿真试验及实车道路试验结果表明,所提出的IMM-AUKF算法相比于传统的UKF算法,具有更高的估计精度与更快的收敛速度,能够适应不同工况下路面附着系数的实时准确估计。 展开更多
关键词 分布式四轮驱动 路面附着系数 交互式多模型 自适应无迹卡尔曼滤波
在线阅读 下载PDF
基于Prony算法和卡尔曼滤波的月降水随机预报模型
7
作者 张航 宋松柏 +1 位作者 刘允龙 栾伟琦 《南水北调与水利科技(中英文)》 北大核心 2025年第2期343-353,共11页
为解决传统季节性自回归积分滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型在处理非线性关系和实时数据的快速适应等方面的问题,提出2种基于卡尔曼滤波(Kalman filter,KF)数据融合的改进模型。模型通过分别... 为解决传统季节性自回归积分滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型在处理非线性关系和实时数据的快速适应等方面的问题,提出2种基于卡尔曼滤波(Kalman filter,KF)数据融合的改进模型。模型通过分别构建自回归(autoregressive,AR)模型和基于MUSIC算法定阶的Prony全极点AR模型(prony autoregressive model,PAR)作为卡尔曼滤波的状态转移矩阵,利用滤波递推估计进行SARIMA模型预测序列的实时更新,即SARIMA-AR-KF模型和SARIMA-PAR-KF模型。选取渭河流域15个气象站月降水序列进行预报模型验证,结果表明:SARIMA-AR-KF模型相对于SARIMA模型的可决系数(R^(2))和纳什效率系数(ENS)分别提升6.8%~21.5%和6.4%~19.4%,SARIMA-PAR-KF模型相对于SARIMA-AR-KF模型的R^(2)和ENS分别提升7.3%~22.1%和6.8%~19.8%,SARIMA-PAR-KF模型显著改进了SARIMA-AR-KF模型的预测性能,可为月降水预报提供一种新的途径。 展开更多
关键词 SARIMA模型 MUSIC算法 PRONY算法 卡尔曼滤波 降水预报 渭河流域
在线阅读 下载PDF
基于自适应交互式多卡尔曼滤波模型的组合导航算法研究 被引量：2
8
作者 陈光武 王思琪 +1 位作者 司涌波 周鑫 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第12期4493-4503,共11页
在组合导航系统中,信息融合和定位精度取决于惯性系统和传感器的特性,然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题,该文提出一种基于多卡尔曼滤波器的模... 在组合导航系统中,信息融合和定位精度取决于惯性系统和传感器的特性,然而在实际应用中获取先验知识仍然具有挑战性。为解决车辆导航中卫星信号质量的变化及系统非线性降低组合导航系统性能的问题,该文提出一种基于多卡尔曼滤波器的模糊自适应交互式多模型算法(FAIMM-MKF),将基于卫星信号质量的模糊控制器(Fuzzy Controller)与自适应交互多模型(AIMM)相结合,通过组合无迹卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波(IEKF)和平方根容积卡尔曼滤波(SRCKF)3种不同的滤波器,适配车辆动力学模型,并通过车载半实物仿真实验验证该方法的性能。结果表明,在卫星信号质量发生改变的情况下,与传统的交互式多模型算法相比,该方法显著提高了车辆在复杂环境中的定位精度。 展开更多
关键词 组合导航 交互式多模型 卡尔曼滤波器 模糊控制器
在线阅读 下载PDF
基于IMM卡尔曼滤波的船舶轨迹预测研究
9
作者 王强 宋巍 +1 位作者 华中伟 陆平 《传感器与微系统》 北大核心 2025年第10期48-51,共4页
为解决船舶自动识别系统(AIS)数据频率低、轨迹非线性和高机动性等问题,提出一种交互式多模型(IMM)卡尔曼滤波算法进行船舶轨迹预测。通过对AIS数据进行预处理,修正异常速度和位置,提高数据准确性。算法采用多个状态模型并行估计船舶状... 为解决船舶自动识别系统(AIS)数据频率低、轨迹非线性和高机动性等问题,提出一种交互式多模型(IMM)卡尔曼滤波算法进行船舶轨迹预测。通过对AIS数据进行预处理,修正异常速度和位置,提高数据准确性。算法采用多个状态模型并行估计船舶状态,利用马尔可夫链实现模型概率转移,融合得到最优估计。研究结果表明,船舶轨迹预测波动误差均值小于5 m,误差标准差约20,受目标机动的影响较小。该算法具有良好的实时性和精确性,能够有效应对非线性和机动性变化,为智能航运提供可靠支持。 展开更多
关键词 交互式多模型 卡尔曼滤波 轨迹预测 最优估计
在线阅读 下载PDF
协同卡尔曼滤波和递归本征正交分解的结构损伤识别
10
作者 杨少冲 靳佳林 +2 位作者 邱富威 阎宇杰 马连华 《振动与冲击》 北大核心 2025年第20期49-59,74,共12页
当前基于本征正交分解和卡尔曼滤波(Kalman filter,KF)的结构损伤识别方法,只能通过跟踪结构一阶本征正交模态(proper orthogonal mode,POM)的演化进行结构损伤识别,但对微小损伤的敏感性较低。为了改善其识别能力,发展了一种协同KF和... 当前基于本征正交分解和卡尔曼滤波(Kalman filter,KF)的结构损伤识别方法,只能通过跟踪结构一阶本征正交模态(proper orthogonal mode,POM)的演化进行结构损伤识别,但对微小损伤的敏感性较低。为了改善其识别能力,发展了一种协同KF和递归本征正交分解(recursive proper orthogonal decomposition,RPOD)的KF-RPOD方法。该方法可基于结构动应变响应数据构造快照矩阵,避免了实际工程中位移传感器成本高、测点布置困难及环境因素导致的位移数据采集困难等问题。通过RPOD方法提取快照矩阵中的本征正交模态,构建降阶模型,减少结构分析计算的自由度,解决了损伤识别计算量大且难以求解的问题。在迭代的每一步计算过程,能及时更新观测向量分量,并在观测阶段和后验估计中消除低阶POM的影响,且能动态更新由POM构建的降阶模型,同时跟踪损伤的演化并对其进行定位。通过五层钢框架动力学数值模拟和模型实测试验验证了该方法的有效性。结果表明,所发展的方法能够准确跟踪高阶POM的演化,显著提高了识别精度,能在线识别结构损伤。 展开更多
关键词 卡尔曼滤波(KF) 递归本征正交分解(RPOD) 模型降阶 损伤识别 在线健康监测
在线阅读 下载PDF
改进容积卡尔曼滤波的多目标多模态跟踪算法
11
作者 刘德儿 程健康 刘峻廷 《传感技术学报》 北大核心 2025年第7期1253-1261,共9页
高效安全的多目标跟踪技术是智能汽车行驶过程中的重要环节,然而目前许多方法忽略了误检目标可能对行驶安全性造成的潜在影响。为了减少误检目标的出现,提出了一种基于多传感器融合的双重关联机制,首先将轨迹与点云域和图像域中同时检... 高效安全的多目标跟踪技术是智能汽车行驶过程中的重要环节,然而目前许多方法忽略了误检目标可能对行驶安全性造成的潜在影响。为了减少误检目标的出现,提出了一种基于多传感器融合的双重关联机制,首先将轨迹与点云域和图像域中同时检测到的目标相关联并使用卡尔曼滤波进行更新,其次将未关联的轨迹与仅出现在点云域中的目标相关联,其中第一步未关联的目标定义为新轨迹,而第二步未关联的目标删除,所提方法可以极大地减少智能车辆行驶过程中误检目标的出现,从而显著提升行驶的安全性。同时,针对一些采用非线性卡尔曼滤波器的方法中在转弯过程中目标框偏移的问题,提出了一种改进的容积卡尔曼滤波器。该方法利用IMU数据来判断车辆的行驶状态,并自适应地调整估计误差矩阵,有效消除了车辆转弯对目标行驶状态估计的负面影响。在Kitti多目标跟踪数据集上进行测试的结果显示,所提算法有很高的优越性,HOTA(High Object Track Accuracy)达到78.00,MOTA(Multi-Object Track Accuracy)达到88.85,FPS达到200,在保持高精度的同时能很好满足实时性要求。 展开更多
关键词 自动驾驶 多目标跟踪 改进容积卡尔曼滤波 非线性运动模型 传感器融合
在线阅读 下载PDF
基于卡尔曼滤波的交互式多模型GPS定位方法研究 被引量：12
12
作者 陆建山 王昌明 +1 位作者 宋高顺 张爱军 《兵工学报》 EI CAS CSCD 北大核心 2011年第6期770-774,共5页
针对GPS定位中,由于模型单一而不能适应环境影响或机动过程变化的问题,提出将交互式多模型算法引入到定位方法中。文中详细阐述了基于卡尔曼(Kalman)滤波的交互式多模型(IMMKF)算法原理及其在GPS定位中的应用。根据静态单点定位实测数... 针对GPS定位中,由于模型单一而不能适应环境影响或机动过程变化的问题,提出将交互式多模型算法引入到定位方法中。文中详细阐述了基于卡尔曼(Kalman)滤波的交互式多模型(IMMKF)算法原理及其在GPS定位中的应用。根据静态单点定位实测数据的试验分析,验证了变噪声模型的IMMKF能很好地适应环境噪声的变化;进一步通过动态定位仿真,说明了IMMKF算法在动态过程中能对多模型进行有效的融合,在很大程度上弥补了单模型的不足。 展开更多
关键词 飞行器控制、导航技术 GPS 单点定位 交互式多模型 卡尔曼滤波
在线阅读 下载PDF
两阶段卡尔曼滤波自适应交互式多模型算法 被引量：5
13
作者 廖阳 王睿 +1 位作者 曾昭博 熊加遥 《探测与控制学报》 CSCD 北大核心 2010年第3期83-86,共4页
对于机动目标跟踪问题,由于目标机动能力的增强,需建立大量模型来逼近真实模式,使建立的目标模型与目标的实际运动适配,但这使计算量增大,而且性能不一定能提高。针对这个问题,将两阶段卡尔曼滤波器与一般的交互式多模型算法相结合,设... 对于机动目标跟踪问题,由于目标机动能力的增强,需建立大量模型来逼近真实模式,使建立的目标模型与目标的实际运动适配,但这使计算量增大,而且性能不一定能提高。针对这个问题,将两阶段卡尔曼滤波器与一般的交互式多模型算法相结合,设计了一种自适应交互式多模型算法。该算法采用两阶段卡尔曼估计器估计目标的加速度,然后将其反馈到由多个不同参数构成子滤波器的交互式多模型滤波算法中进行交互式多模型滤波。与自适应半交互式多模型算法进行对比的仿真验证了该算法有效地减少了子滤波器的数量,同时在一定程度上也提高了跟踪的精度。 展开更多
关键词 机动目标跟踪 卡尔曼滤波 交互式多模型(IMM)
在线阅读 下载PDF
防发散无迹卡尔曼滤波自适应网格交互式多模型算法 被引量：4
14
作者 张园 董受全 +2 位作者 钟志通 刘淑波 初俊博 《火力与指挥控制》 CSCD 北大核心 2015年第2期40-44,共5页
针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交... 针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。 展开更多
关键词 无迹卡尔曼滤波(UKF) 自适应网格(AG) 交互式多模型(IMM) 机动目标跟踪 变结构多模型(VSMM)
在线阅读 下载PDF
基于改进卡尔曼滤波的星内校时守时方法
15
作者 黄跃 王慧泉 +1 位作者 涂实磊 金仲和 《北京航空航天大学学报》 北大核心 2025年第6期2157-2164,共8页
为解决微纳卫星星上校时守时系统的稳定性差、受环境温度影响大的问题,提出了提高系统性能的新息加权自适应卡尔曼滤波算法。建立温补晶振的频率随温度变化的模型,采用卡尔曼滤波算法滤除输入噪声并实现晶振的校准,采用新息加权技术滤... 为解决微纳卫星星上校时守时系统的稳定性差、受环境温度影响大的问题,提出了提高系统性能的新息加权自适应卡尔曼滤波算法。建立温补晶振的频率随温度变化的模型,采用卡尔曼滤波算法滤除输入噪声并实现晶振的校准,采用新息加权技术滤除野值,利用自适应技术减少系统噪声对滤波结果的影响。实验结果表明:所提算法可以在600 s左右实现收敛并且在校时期间可以实时调整,校时过程中可有效地减小输入野值和系统噪声的影响,在环境温度变化时守时精度可达到178μs/d,有效地提高了系统的稳定性和守时精度。 展开更多
关键词 微纳卫星 卡尔曼滤波 晶振模型 时间同步 新息加权
在线阅读 下载PDF
基于求积分卡尔曼滤波的交互式多模型算法 被引量：1
16
作者 马丽丽 陈金广 《计算机工程》 CAS CSCD 北大核心 2011年第16期191-193,共3页
针对非线性系统中的多模型估计问题,将求积分卡尔曼滤波算法应用到交互式多模型算法过程中,提出一种基于求积分卡尔曼滤波的交互式多模型算法。该算法不需要求取非线性方程的雅可比矩阵,且能够获得比基于不敏卡尔曼滤波的交互式多模型... 针对非线性系统中的多模型估计问题,将求积分卡尔曼滤波算法应用到交互式多模型算法过程中,提出一种基于求积分卡尔曼滤波的交互式多模型算法。该算法不需要求取非线性方程的雅可比矩阵,且能够获得比基于不敏卡尔曼滤波的交互式多模型方法更高的滤波精度。仿真结果证明了该算法的有效性。 展开更多
关键词 交互式多模型 非线性滤波 求积分卡尔曼滤波 目标跟踪 状态估计
在线阅读 下载PDF
交互式多模型七阶容积卡尔曼滤波算法 被引量：5
17
作者 冉娜 乔雪 《电子测量与仪器学报》 CSCD 北大核心 2018年第6期167-172,共6页
为提高非线性机动目标的跟踪精度,提出交互式多模型七阶容积卡尔曼滤波(IMM-7th CKF)算法。采用对非线性系统滤波效果更好的七阶容积卡尔曼滤波(7th CKF)作为交互式多模型(IMM)算法的子滤波器,对各模型状态进行估计,将IMM算法和7th CKF... 为提高非线性机动目标的跟踪精度,提出交互式多模型七阶容积卡尔曼滤波(IMM-7th CKF)算法。采用对非线性系统滤波效果更好的七阶容积卡尔曼滤波(7th CKF)作为交互式多模型(IMM)算法的子滤波器,对各模型状态进行估计,将IMM算法和7th CKF结合起来,提高对非线性机动目标的跟踪效果,最后采用典型机动目标跟踪问题验证IMM-7th CKF的跟踪性能。仿真结果表明,IMM-7th CKF相比交互式多模型容积卡尔曼滤波(IMM-CKF)和交互式多模型五阶容积卡尔曼滤波(IMM-5th CKF)具有更高的滤波精度。 展开更多
关键词 机动目标 交互式多模型 状态估计 七阶容积卡尔曼滤波
在线阅读 下载PDF
基于卡尔曼滤波器的预测滑模控制器设计
18
作者 刘正洋 周丽 +1 位作者 李硕 张瑞 《控制工程》 北大核心 2025年第8期1451-1457,1471,共8页
为提高系统在模型失配和白噪声干扰下的控制性能,在预测滑模控制方法基础上,针对其在模型失配、随机干扰以及控制输入饱和下控制效果不佳的问题,提出一种基于卡尔曼滤波器的预测滑模控制方法。该方法通过将模型失配等效为干扰,将失配信... 为提高系统在模型失配和白噪声干扰下的控制性能,在预测滑模控制方法基础上,针对其在模型失配、随机干扰以及控制输入饱和下控制效果不佳的问题,提出一种基于卡尔曼滤波器的预测滑模控制方法。该方法通过将模型失配等效为干扰,将失配信息以参数协方差矩阵的形式表示出来,并同外部白噪声干扰一起视为系统的过程噪声,将传感器测量误差等效为系统的测量噪声,利用卡尔曼滤波器估计新的状态变量,并运用于预测滑模控制器设计中。最后以倒立摆为例进行仿真研究,结果验证了该方法的有效性。 展开更多
关键词 预测滑模控制 模型失配 卡尔曼滤波 白噪声
在线阅读 下载PDF
基于交互式多模型平方根容积卡尔曼滤波的船舶轨迹跟踪 被引量：6
19
作者 杨家轩 陈柏果 马令琪 《中国舰船研究》 CSCD 北大核心 2022年第4期12-23,共12页
[目的]针对船舶运动状态变化复杂场景下扩展卡尔曼滤波(EKF)的误差不稳定,以及单一运动模型的表征能力受限等问题,提出一种基于交互式多模型(IMM)平方根容积卡尔曼滤波(SCKF)的船舶轨迹跟踪算法。[方法]引入SCKF,并代替EKF来执行自动识... [目的]针对船舶运动状态变化复杂场景下扩展卡尔曼滤波(EKF)的误差不稳定,以及单一运动模型的表征能力受限等问题,提出一种基于交互式多模型(IMM)平方根容积卡尔曼滤波(SCKF)的船舶轨迹跟踪算法。[方法]引入SCKF,并代替EKF来执行自动识别系统(AIS)数据的轨迹跟踪;采用交互式多模型框架将恒速直线模型(CVM)、当前统计模型(CSM)和恒定转向率模型(CTM)及改进的CTM模型进行交互融合,形成3种组合模型来表征AIS轨迹的运动状态,并进行船舶轨迹跟踪实验。[结果]结果显示,对于航向、航向率和航速均发生变化的轨迹,采用组合模型1跟踪时,在轨迹6中SCKF相比EKF的位置信息的均方根误差变化幅度小,精度提高了30.06%;采用组合模型3跟踪时,相比EKF,SCKF在轨迹6中位置信息的均方根误差波动的范围最小,误差减小了60.80%,组合模型3的性能最好,但计算量也最大;对于航速不发生变化的复杂轨迹,采用组合模型2跟踪的性能接近组合模型3。[结论]所提方法能够提高AIS数据的精度并保证AIS数据误差波动的稳定性,为提高船舶运动跟踪和监测提供了可能性。 展开更多
关键词 交互式多模型 平方根容积卡尔曼滤波器 自动识别系统 轨迹跟踪
在线阅读 下载PDF
基于交互式多模型无迹卡尔曼滤波的悬架系统状态估计 被引量：3
20
作者 王振峰 李飞 +2 位作者 王新宇 杨建森 秦也辰 《兵工学报》 EI CAS CSCD 北大核心 2021年第2期242-253,共12页
为有效解决复杂行驶工况下非线性悬架系统运动状态无法精确获取的难题,实现模型参数不确定以及时变路面激励工况下悬架状态精确估计的目标,开展了悬架系统状态估计研究。在路面激励模型和非线性悬架系统模型的基础上,结合交互式多模型... 为有效解决复杂行驶工况下非线性悬架系统运动状态无法精确获取的难题,实现模型参数不确定以及时变路面激励工况下悬架状态精确估计的目标,开展了悬架系统状态估计研究。在路面激励模型和非线性悬架系统模型的基础上,结合交互式多模型算法与基于马尔可夫链的蒙特卡洛理论,设计了考虑模型参数不确定以及时变路面激励工况下多模型交互无迹卡尔曼滤波(IMMUKF)状态估计算法,且利用随机控制稳定判据验证了所设计的非线性观测器稳定性判定。对比分析了不同路面激励工况下悬架系统对于传统无迹卡尔曼滤波观测器与IMMUKF观测器的状态估计精度,并进行了台架试验验证。试验与仿真结果表明,IMMUKF观测器可获取更高的系统状态识别精度,不同路面激励仿真工况下状态估计误差最大均方根值不超过8%. 展开更多
关键词 悬架系统 状态估计 无迹卡尔曼滤波 交互式多模型 马尔可夫链 蒙特卡罗
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 68 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部