期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于增广卡尔曼滤波器的时域传递路径分析方法 被引量:1
1
作者 朱雨 何智成 赵亮 《中国机械工程》 EI CAS CSCD 北大核心 2024年第9期1698-1709,共12页
时域传递路径分析方法用于解决瞬态工况下复杂系统振动噪声问题不仅未能解决自然频率附近频响函数矩阵的病态问题,而且利用现有频域信息转换提取得到的所需时域信息精度较低,因此提出一种基于增广卡尔曼滤波器的时域传递路径分析方法。... 时域传递路径分析方法用于解决瞬态工况下复杂系统振动噪声问题不仅未能解决自然频率附近频响函数矩阵的病态问题,而且利用现有频域信息转换提取得到的所需时域信息精度较低,因此提出一种基于增广卡尔曼滤波器的时域传递路径分析方法。该方法采用增广卡尔曼滤波器辅以遗传算法估计时域工况载荷,通过最小二乘算法辨识单位脉冲响应函数,将时域工况载荷和对应的单位脉冲响应函数进行线性卷积以计算各传递路径的时域贡献量。算例表明,所提方法采用的增广卡尔曼滤波器载荷识别误差小于传统方法的去卷积滤波器所识别载荷的误差,最小二乘算法辨识的单位脉冲响应函数误差小于对频响函数直接进行快速逆傅里叶变换或者构造有限单位脉冲响应滤波器的误差,且所提方法在复杂结构上也同样具有较小的误差。 展开更多
关键词 时域传递路径分析方法 广卡尔曼滤波器 遗传算法 最小二乘算法
在线阅读 下载PDF
加性噪声下增广容积卡尔曼滤波及其目标跟踪应用 被引量:2
2
作者 刘江 叶松庆 《计算机应用与软件》 2017年第3期136-141,共6页
传统容积卡尔曼滤波(CKF)有良好的滤波精度和较低的计算复杂度,使其广泛被应用于目标跟踪系统。但在高维非线性和波动性大的目标跟踪系统中,3阶和高阶CKF分别存在滤波精度不足和稳定性低的问题。为提高CKF的滤波精度并保证稳定性,讨论... 传统容积卡尔曼滤波(CKF)有良好的滤波精度和较低的计算复杂度,使其广泛被应用于目标跟踪系统。但在高维非线性和波动性大的目标跟踪系统中,3阶和高阶CKF分别存在滤波精度不足和稳定性低的问题。为提高CKF的滤波精度并保证稳定性,讨论和给出加性噪声下的增广容积卡尔曼滤波(ACKF)。在仿真中,将CKF、UKF和ACKF应用于5维高非线性目标跟踪,并分析比较三者的目标跟踪性能。研究结果表明,在高维非线性目标跟踪系统中,3阶ACKF可以获得更好目标跟踪精度和稳定性,以及可接受的计算复杂度。 展开更多
关键词 目标跟踪 广容积卡尔曼滤波 非线性滤波 加性噪声
在线阅读 下载PDF
基于增广卡尔曼滤波并考虑车辆加速度的路面不平度识别 被引量:15
3
作者 刘浪 张志飞 +1 位作者 鲁红伟 徐中明 《汽车工程》 EI CSCD 北大核心 2022年第2期247-255,297,共10页
为实现车辆在实际加减速行驶工况下路面不平度的准确识别,提出了一种考虑车辆加速度、基于增广卡尔曼滤波算法的路面识别方法。以车辆纵向加速度作为已知输入,车身垂向振动和俯仰振动响应作为观测向量,设计增广卡尔曼滤波观测器估计路... 为实现车辆在实际加减速行驶工况下路面不平度的准确识别,提出了一种考虑车辆加速度、基于增广卡尔曼滤波算法的路面识别方法。以车辆纵向加速度作为已知输入,车身垂向振动和俯仰振动响应作为观测向量,设计增广卡尔曼滤波观测器估计路面不平度信息;求取固定位移窗长度内的国际平整度指数,实现了对路面的等级分类。仿真结果表明在典型非匀速工况、城市运行工况和制动工况下,所提出的方法对路面不平度的识别精度和对路面等级分类的准确性,明显高于一般的增广卡尔曼滤波算法,能有效识别未知输入路面。 展开更多
关键词 路面不平度 广卡尔曼滤波器 车辆加速度 路面等级分类
在线阅读 下载PDF
基于气动参数辨识的飞控系统传感器故障估计 被引量:5
4
作者 王俭臣 齐晓慧 《兵工学报》 EI CAS CSCD 北大核心 2015年第1期103-110,共8页
气动参数的不确定性使得飞行器表现出明显的模型时变特点,此类系统的故障诊断问题是一个难点。以无人机纵向运动为研究对象,提出一种基于气动参数辨识和迭代学习的传感器故障估计方案。将增广容积卡尔曼滤波(ACKF)算法用于气动参数估计... 气动参数的不确定性使得飞行器表现出明显的模型时变特点,此类系统的故障诊断问题是一个难点。以无人机纵向运动为研究对象,提出一种基于气动参数辨识和迭代学习的传感器故障估计方案。将增广容积卡尔曼滤波(ACKF)算法用于气动参数估计,实现飞机模型的在线辨识。故障一旦发生,将辨识得到的气动参数用于局部包络建模,并利用迭代学习算法构造传感器故障估计器。此外,为提高故障的迭代收敛速度,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法。故障仿真实验表明了所提方法的可行性和有效性。 展开更多
关键词 控制科学与技术 传感器故障 飞行控制系统 气动参数 增广容积卡尔曼滤波器 迭代学习 扩张状态观测器
在线阅读 下载PDF
一类参数不确定非线性系统的故障检测与重构 被引量:2
5
作者 王俭臣 齐晓慧 单甘霖 《系统工程与电子技术》 EI CSCD 北大核心 2015年第1期155-162,共8页
飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,... 飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,采用增广容积卡尔曼滤波(augmented cubature Kalman filter,ACKF)算法实现气动参数在线估计,以克服鲁棒性死区故障检测方法的保守性,提高检测灵敏度。其次,将所估计参数用于自适应观测器设计,由于Lie导数分析方法保证了对象系统的能观性,故系统不必满足文献方法中的特定规范形式;在此基础上,给出了故障检测自适应阈值和故障参数调节律,并分析了估计误差的收敛性。仿真实验表明了所提方法的有效性。 展开更多
关键词 纵向模型 参数不确定性 故障重构 广容积卡尔曼滤波 自适应观测器
在线阅读 下载PDF
四旋翼无人机的自适应容错控制 被引量:11
6
作者 王君 尹雄东 《空间控制技术与应用》 CSCD 北大核心 2019年第1期32-38,共7页
针对四旋翼无人机执行机构部分失效故障和传感器偏差问题,为了可靠,安全、稳定的飞行,采用自适应容错控制策略.当无人机飞行时,利用二阶卡尔曼滤波器在线快速估计状态、检测执行器故障和传感器偏差,当执行器故障检测和诊断出来后,将故... 针对四旋翼无人机执行机构部分失效故障和传感器偏差问题,为了可靠,安全、稳定的飞行,采用自适应容错控制策略.当无人机飞行时,利用二阶卡尔曼滤波器在线快速估计状态、检测执行器故障和传感器偏差,当执行器故障检测和诊断出来后,将故障因子视为自适应因子,用来调节自适应容错控制器的参数,使故障影响变小,同时估计传感器的偏差,如有偏差,则将偏差部分补偿给输出信号.在Matlab实验平台上对所提方法的可行性和有效性进行仿真验证,结果表明四旋翼无人机执行机构在发生部分失效故障和传感器偏差时,采用自适应容错控制策略,输出信号能够快速跟踪参考输入信号,实现了对四旋翼无人机的容错控制. 展开更多
关键词 四旋翼无人机 线性二次最优控制器 二阶卡尔曼滤波器 广状态 自适应控制
在线阅读 下载PDF
适于非线性机动目标跟踪的新IMM平滑算法 被引量:1
7
作者 王美健 吴小俊 《光电工程》 CAS CSCD 北大核心 2016年第10期18-24,共7页
针对非线性条件下机动目标跟踪问题,在此提出了一种增广交互式多模型容积卡尔曼滤波(AIMMCKF)算法。该算法将交互式多模型容积卡尔曼滤波(IMMCKF)应用到一个非线性状态增广系统,以得固定延迟平滑状态估计。同时,采用增广转换操作处理所... 针对非线性条件下机动目标跟踪问题,在此提出了一种增广交互式多模型容积卡尔曼滤波(AIMMCKF)算法。该算法将交互式多模型容积卡尔曼滤波(IMMCKF)应用到一个非线性状态增广系统,以得固定延迟平滑状态估计。同时,采用增广转换操作处理所用模型集中的不同模型可能属于不同状态空间的问题,保证算法能够正常进行。仿真结果表明,与传统非线性跟踪算法相比,所提算法在机动目标跟踪方面有更高的精度与更强的适应性。 展开更多
关键词 机动目标跟踪 状态广 容积卡尔曼滤波 非线性
在线阅读 下载PDF
基于改进CKF算法的一类有色噪声污染的线性观测系统的状态估计 被引量:1
8
作者 齐莉莉 刘济 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第4期600-605,共6页
针对系统受有色噪声污染时容积卡尔曼滤波(CKF)算法滤波精度下降甚至发散的问题,提出了基于量测信息增广的改进CKF算法.改进算法采用量测信息增广方式,将有色噪声白噪声化,再将白化后的噪声和系统噪声去相关化,从而解决了一类有色噪声... 针对系统受有色噪声污染时容积卡尔曼滤波(CKF)算法滤波精度下降甚至发散的问题,提出了基于量测信息增广的改进CKF算法.改进算法采用量测信息增广方式,将有色噪声白噪声化,再将白化后的噪声和系统噪声去相关化,从而解决了一类有色噪声污染的线性观测系统的状态估计问题.将本文算法应用于生物地球化学仿真模型,对生物圈植被碳含量进行动态估计,仿真结果表明,改进算法具有较高的精度和鲁棒性. 展开更多
关键词 有色量测噪声 容积卡尔曼滤波 量测信息广
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部