期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进连续-离散无迹卡尔曼滤波的水下航行器故障诊断 被引量:3
1
作者 徐德民 刘富樯 +1 位作者 张立川 崔荣鑫 《西北工业大学学报》 EI CAS CSCD 北大核心 2014年第5期756-760,共5页
针对连续非线性系统的参数估计问题,提出了改进的连续-离散无迹卡尔曼滤波算法。该算法结合系统状态和参数的估计均值和协方差阵,通过构建控制系统的无迹状态矩阵,并对无迹状态函数积分获得预测无迹状态阵,再经过均值解算和估计更新,获... 针对连续非线性系统的参数估计问题,提出了改进的连续-离散无迹卡尔曼滤波算法。该算法结合系统状态和参数的估计均值和协方差阵,通过构建控制系统的无迹状态矩阵,并对无迹状态函数积分获得预测无迹状态阵,再经过均值解算和估计更新,获得参数的估计值。然后,针对水下航行器连续非线性控制系统的故障诊断问题,将水下航行器执行机构的故障,以比例系数和附加参数的形式表达在控制系统的状态空间方程中,通过采用改进的连续-离散无迹卡尔曼滤波算法,估计故障数据,实现执行机构的故障诊断。最后,在水下航行器回坞仿真实验中,采用该算法有效估计出执行机构故障,验证了算法的可行性和有效性。 展开更多
关键词 水下航行器 故障诊断 扩展卡尔曼滤波 无迹卡尔曼滤波 连续-离散无迹卡尔曼滤波
在线阅读 下载PDF
面向连续离散系统的自适应最大相关熵滤波算法 被引量:2
2
作者 胡浩然 陈树新 +3 位作者 吴昊 何仁珂 吴强 张喜庆 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第6期133-141,共9页
针对目标跟踪中运动模型不精确和测量异常导致的传统滤波算法精度下降问题,提出了一种鲁棒平方根连续-离散自适应最大相关熵容积卡尔曼滤波(RSRCD-AMCCKF)算法。在目标跟踪问题中采用了精度更高的连续-离散时间模型,提高了目标跟踪的解... 针对目标跟踪中运动模型不精确和测量异常导致的传统滤波算法精度下降问题,提出了一种鲁棒平方根连续-离散自适应最大相关熵容积卡尔曼滤波(RSRCD-AMCCKF)算法。在目标跟踪问题中采用了精度更高的连续-离散时间模型,提高了目标跟踪的解算精度;将加权最小二乘方法与传统最大相关熵准则相结合,得到改进的相关熵代价权函数,之后引入连续-离散时间滤波框架,提高了滤波算法在测量异常情况下的鲁棒性;以高斯核函数作为相关熵的调整因子,依据不同测量环境选择自适应因子,进而对观测噪声的协方差矩阵进行调整。仿真结果表明:与传统算法相比,当测量噪声为高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了38.4%和27.3%;当测量噪声为非高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了23.5%和23.9%;当测量值发生突变时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了12.6%和7.1%。RSRCD-AMCCKF算法在各类测量条件下都具有更高的精度和鲁棒性,更接近目标跟踪的克拉美罗下界,能够较好地实现滤波精度和抗异常测量的统一。 展开更多
关键词 目标跟踪 连续-离散时间系统 最大相关熵准则 容积卡尔曼滤波 非高斯噪声 鲁棒性
在线阅读 下载PDF
基于变分贝叶斯的连续-离散最大相关熵CKF算法 被引量:1
3
作者 胡浩然 陈树新 +1 位作者 吴昊 何仁珂 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第10期2859-2866,共8页
针对纯方位目标跟踪中测量噪声协方差未知和非高斯测量噪声突变问题,提出了一种平方根连续-离散变分贝叶斯最大相关熵容积卡尔曼滤波(SRCD-VBMCCKF)算法。将目标跟踪模型建立为连续状态空间-离散测量空间模型,提高了目标跟踪的解算精度... 针对纯方位目标跟踪中测量噪声协方差未知和非高斯测量噪声突变问题,提出了一种平方根连续-离散变分贝叶斯最大相关熵容积卡尔曼滤波(SRCD-VBMCCKF)算法。将目标跟踪模型建立为连续状态空间-离散测量空间模型,提高了目标跟踪的解算精度;由变分贝叶斯准则对未知的时变测量噪声进行估计,提升了算法的自适应性;考虑到测量中出现的非高斯突变噪声,由最大相关熵准则构建抗差因子,进一步增强了算法对异常测量值的鲁棒能力。仿真结果表明:所提算法能够对测量中的未知时变噪声和非高斯重尾突变噪声有效抑制,且相比于传统滤波算法,所提算法兼具自适应性和鲁棒性。 展开更多
关键词 纯方位跟踪 连续-离散系统 变分贝叶斯 最大相关熵 容积卡尔曼滤波 未知非高斯噪声
在线阅读 下载PDF
基于M估计的自适应鲁棒平方根连续-离散CKF算法
4
作者 胡浩然 陈树新 +3 位作者 吴昊 何仁珂 汪家宝 郝思冲 《空军工程大学学报(自然科学版)》 CSCD 北大核心 2022年第1期91-96,共6页
针对测量中出现的异常情况,提出了一种基于M估计的自适应鲁棒平方根连续-离散容积卡尔曼滤波算法。该算法将目标跟踪问题建模为连续-离散时间模型,将改进的M估计的思想融入连续-离散容积卡尔曼滤波算法当中,通过Mahalanobis距离对异常... 针对测量中出现的异常情况,提出了一种基于M估计的自适应鲁棒平方根连续-离散容积卡尔曼滤波算法。该算法将目标跟踪问题建模为连续-离散时间模型,将改进的M估计的思想融入连续-离散容积卡尔曼滤波算法当中,通过Mahalanobis距离对异常测量进行门限判别,引入校正因子,根据观测残差自适应地调整观测噪声协方差矩阵的大小,进一步提高滤波算法的鲁棒性;通过将连续-离散模型与校正因子结合,实现了滤波精度和抗异常测量值的统一。仿真结果表明,与传统鲁棒算法相比,该算法在单点测量异常和多点测量异常的条件下都能够更加准确地对目标进行跟踪,且鲁棒性更强。 展开更多
关键词 目标跟踪 非线性滤波 连续-离散时间系统 容积卡尔曼滤波 鲁棒性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部