检索结果-南通市图书馆

一种基于时变噪声统计的异步多速率传感器信息融合算法

在线全文

学校读者我要写书评

暂无评论

海军工程大学学报 2009年第3期21卷 23-27页

作者：王媛媛张军朱衍波李锐北京航空航天大学电子信息工程学院北京100191 民航数据通信有限责任公司北京100191

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法。通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系... 详细信息

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法。通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统,进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有观测信息的最优估计。理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果。

关键词：时变噪声异步多速率信息融合噪声统计估值器自适应Kalman滤波

在线全文

学校读者我要写书评

暂无评论

基于极大后验估计的自适应容积卡尔曼滤波器

控制与决策 2014年第2期29卷 327-334页

作者：丁家琳肖建西南交通大学电气工程学院成都610031

针对标准的容积卡尔曼滤波器(CKF)设计需要精确已知噪声先验统计知识的问题,提出一种自适应CKF算法.该算法在滤波过程中,利用Sage-Husa极大后验估值器对噪声的统计特性进行在线估计和修正,有效地提高了CKF的估计精度和数值稳定性.在某... 详细信息

针对标准的容积卡尔曼滤波器(CKF)设计需要精确已知噪声先验统计知识的问题,提出一种自适应CKF算法.该算法在滤波过程中,利用Sage-Husa极大后验估值器对噪声的统计特性进行在线估计和修正,有效地提高了CKF的估计精度和数值稳定性.在某些情况下,噪声协方差估计会出现异常现象使得滤波发散,进而提出了相应的改进方法.仿真结果表明了自适应CKF算法的可行性和有效性,且明显改善了标准CKF算法的滤波效果.

关键词：容积卡尔曼滤波极大后验估计噪声统计估值器自适应容积卡尔曼滤波器

在线全文

学校读者我要写书评

暂无评论

基于自适应强跟踪CQKF的目标跟踪算法

北京航空航天大学学报 2018年第5期44卷 982-990页

作者：刘畅杨锁昌汪连栋张宽桥军械工程学院导弹工程系石家庄050000 电子信息系统复杂电磁环境效应国家重点实验室洛阳471003

针对容积积分卡尔曼滤波(CQKF)受模型不确定性影响较大及需要精确已知噪声统计特性的缺点,提出了一种自适应强跟踪CQKF算法。该算法根据强跟踪滤波原理,引入渐消因子调整状态预测协方差矩阵,强迫残差序列正交,有效抑制了模型不确定性引... 详细信息

针对容积积分卡尔曼滤波(CQKF)受模型不确定性影响较大及需要精确已知噪声统计特性的缺点,提出了一种自适应强跟踪CQKF算法。该算法根据强跟踪滤波原理,引入渐消因子调整状态预测协方差矩阵,强迫残差序列正交,有效抑制了模型不确定性引起的滤波发散。在滤波过程中,利用Sage-Husa时变噪声统计估值器对过程噪声及量测噪声实时估计,提高了算法在未知时变噪声环境下的滤波精度。目标跟踪仿真实验验证了算法的有效性和鲁棒性。

关键词：目标跟踪容积积分卡尔曼滤波(CQKF) 强跟踪滤波噪声统计估值器自适应滤波

基于PMU/SCADA量测数据的配电网状态估计方法研究

在线全文

学校读者我要写书评

暂无评论

基于PMU/SCADA量测数据的配电网状态估计方法研究

作者：王玉彬北京交通大学

学位级别：硕士

配电网运行情况日益复杂,状态估计结果的精确性是配电网安全稳定运行的重要保障。当前配电网中开始配置相量量测单元(Phasor Measurement Unit,PMU),这为配电网状态估计提供了数据基础。但由于经济性和技术改造复杂性的限制,短期内无法... 详细信息

配电网运行情况日益复杂,状态估计结果的精确性是配电网安全稳定运行的重要保障。当前配电网中开始配置相量量测单元(Phasor Measurement Unit,PMU),这为配电网状态估计提供了数据基础。但由于经济性和技术改造复杂性的限制,短期内无法实现配电网PMU的全覆盖升级,所以在未来较长一段时间内,PMU 量测与数据采集与监控系统(Supervisory Control and Data Acquisition,SCADA)量测将共同构成配电网状态估计的可靠数据来源。因此研究基于PMU/SCADA混合量测数据的配电网状态估计方法具有重要意义。近年来,由于相比静态状态估计更符合电力系统的动态变化特性且无需迭代,动态状态估计方法成为当前的研究热点,最常用方法为基于无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)的动态状态估计。但目前基于UKF的动态状态估计方法可能会受未知且时变的过程噪声影响而出现滤波性能下降甚至滤波发散的问题。因此本文提出了一种基于改进鲁棒自适应无迹卡尔曼滤波器(Improved Robust Adaptive Unscented Kalman Filter,IRAUKF)的配电网动态状态估计方法。IRAUKF利用一个有偏的和一个无偏的估值器共同构成噪声参数统计估值器,可以在状态估计过程中实时估计过程噪声统计参数,在保证算法鲁棒性的基础上,减少校正信息的丢失,增强了在动态状态估计中对时变的过程噪声参数的适应能力。此外,基于IRAUKF提出了一种不同时间尺度量测信息的融合估计策略,可以在PMU采样时刻对系统状态进行更新,从而利用PMU的高频采样特性掌握系统最新状态。仿真结果表明本文所提方法能有效解决过程噪声参数不准确的问题并在PMU采样时刻对系统状态进行精确更新。线路参数作为状态估计器的输入,是构建量测方程的必要信息,线路参数误差将会对状态估计精度带来长期的负面影响,因此辨识和修正错误参数对状态估计具有重要意义。本文建立了一种基于IRAUKF增广动态状态估计的错误线路参数滚动修正方法,利用动态状态估计结果求取线路潮流量测的正则化残差,以多个时刻正则化残差平均值作为依据进行错误参数辨识。然后,将辨识得到的错误参数作为状态变量建立增广状态空间模型,并针对单量测断面量测冗余度不足的问题建立多量测断面的增广状态空间模型,利用IRAUKF能够实时估计参数变量过程噪声统计参数的优点,实现错误参数的滚动修正。仿真表明该方法对于单支路与多支路参数错误均能进行准确辨识并精确估计。为适应某些场景下系统状态的迅速变化,需要对系统状态进行快速计算。本文在调度中心已积累丰富运行数据的前提下,通过自编码器(Autoencoder,AE)和极限学习机(Extreme Learning Machine,ELM)提出了一种基于AE-ELM伪量测建模的快速状态估计方法。该方法首先将SCADA注入功率量测通过自编码器获得降维特征数据,并将其作为极限学习机的输入,电压实部和虚部作为输出,通过历史数据训练获得伪量测模型;然后将伪量测与PMU实时量测一起进行快速线性状态估计获得最终的状态估计结果。仿真结果表明,该方法能够在保证状态估计精度的基础上提高计算效率,满足快速状态估计需求。

关键词：无迹卡尔曼滤波噪声统计估值器动态状态估计线路参数辨识增广状态估计快速状态估计

水下机器人AUV环境地图构建与定位技术研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水下机器人AUV环境地图构建与定位技术研究

作者：李飞飞青岛科技大学

学位级别：硕士

随着人口数量的增长,陆地可利用资源变得越来越少,人们的视线开始转向海洋,但是海洋世界存在气压大、可见度低、环境恶劣等问题,人们无法轻易进入海洋世界。为解决这一难题,人们开始研究出一种新型自主性水下机器人(Autonomous Underwat... 详细信息

随着人口数量的增长,陆地可利用资源变得越来越少,人们的视线开始转向海洋,但是海洋世界存在气压大、可见度低、环境恶劣等问题,人们无法轻易进入海洋世界。为解决这一难题,人们开始研究出一种新型自主性水下机器人(Autonomous Underwater Vehicle,AUV)使之成为开采海洋资源的水下工具。但是,AUV在进行水下任务时存在两个缺陷：第一,在没有具体的环境信息的条件下,水下机器人是无法进行水下作业、定位、路径规划、行为决策等一系列的自主性任务;第二,在水下环境中还存在环境极其复杂多变、干扰多、噪声大,仅仅凭借里程计等内部传感器是无法实现高精度的导航技术。同时定位与地图构建技术(Simultaneous localization and mapping,SLAM)通过建立运动模型和观测模型对水下机器人的定位信息和外界环境信息进行提取及更新,实现AUV导航。目前,为了实现AUV同时定位与环境地图构建技术所应用范围最广泛的方法就是扩展卡尔曼滤波算法(Extended Kalman Filter,EKF),但是,随着对EKF算法的深入研究,发现EKF算法存在局限性：一是EKF基本原理是将非线性系统线性化,然后用线性系统进行卡尔曼滤波,解决非线性系统状态估计问题,但是在非线性系统线性化过程中忽略了该过程引起的模型误差,将引起滤波误差。另一个局限是它要求噪声统计是已知的,然而在大多数非线性系统中噪声统计是未知的,如果把错误的噪声统计(均值和方差)应用到EKF算法中,会使滤波误差增大,甚至使滤波发散。为解决这些局限性,提出构建一种基于虚拟噪声模型来补偿EKF算法。本文重点阐述了基于虚拟噪声补偿的EKF算法的基本原理,并且搭建matlab仿真实验平台,对传统EKF算法和基于虚拟噪声补偿的EKF算法在模拟水下环境的条件下进行对比,并用图表对照来证明改进算法的有效性、可行性、优越性。仿真实验证明,基于虚拟噪声补偿的EKF算法显著提高了非线性滤波的性能,解决了AUV应用SLAM技术精确性和鲁棒性的问题。

关键词： AUV SLAM算法 EKF 虚拟噪声补偿技术噪声统计估值器 matlab仿真

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一类新型自校正滤波器及其应用

黑龙江工程学院学报 2001年第1期15卷 47-49页

作者：刘铁男于镝张长江大庆石油学院自控系黑龙江安达151400

用系统辨识方法建立系统的CARMA模型并估计参数，依据导出的时间序列模型和状态空间模型的引理，给出了系统的状态空间模型。基此提出新型的自校正滤波器，它由递推增广的最小二乘估计器、Kalman滤波器和噪声统计估值器组成。本文方案... 详细信息

用系统辨识方法建立系统的CARMA模型并估计参数，依据导出的时间序列模型和状态空间模型的引理，给出了系统的状态空间模型。基此提出新型的自校正滤波器，它由递推增广的最小二乘估计器、Kalman滤波器和噪声统计估值器组成。本文方案在油田系统应用中得到很好的结果，这表明了它的有效性。

关键词：自校正滤波器系统辨识 CARMA模型最小二乘估计器 Kalman滤波器噪声统计估值器