搜索到5628 篇“ KALMAN滤波 “的相关文章
多模型自校准Kalman滤波 方法 2024年 滤波 方法和多模型估计理论,针对工程实际中未知输入(如突风、故障和未知系统误差等)对系统状态方程的影响问题,提出了一种多模型自校准Kalman滤波 方法。该方法同时采用自校准Kalman滤波 和标准Kalman滤波 进行运算,并根据贝叶斯定理自动分配两种方法滤波 值的权重,通过加权融合得到最终的滤波 结果。与自校准Kalman滤波 方法相比,多模型自校准Kalman滤波 方法既能有效地补偿非零未知输入的影响,又明显改善了系统在未知输入为零时的滤波 精度,大量数值仿真结果表明该方法精度提升可达10%以上,具有更强的适应性和鲁棒性。关键词：KALMAN滤波 故障诊断 多模型自校准扩展Kalman滤波 方法 被引量：1 2024年 滤波 方法(EKF)、自校准扩展Kalman滤波 方法(SEKF)和多模型估计理论(MME),针对工程实际中非线性系统状态方程受未知输入(如突风、故障和未知系统误差等)影响的问题,提出了一种多模型自校准扩展Kalman滤波 方法(MSEKF),将多模型自校准Kalman滤波 方法(MSKF)的适用范围扩展到了非线性领域。该方法同时采用EKF与SEKF进行计算,根据贝叶斯定理实时分配两者先验估计值的权重,通过加权融合进而得到最终的状态估计。本文方法不仅解决了非线性系统状态方程受未知输入影响时EKF滤波 发散的问题,而且在未知输入为零时的滤波 精度与SEKF相比也更高,大量数值仿真结果表明该方法精度提升可达4%,具有更强的适应性和鲁棒性。关键词：故障诊断 多模型自校准无迹Kalman滤波 方法 2024年 滤波 方法(UKF)、自校准无迹Kalman滤波 方法(SUKF)和多模型估计理论(MME),针对工程实际中强非线性系统状态方程受未知输入(如医用机械臂惯导单元的零漂误差、列车行驶中遭遇突风和机载元器件故障等)影响的问题,提出了一种多模型自校准无迹Kalman滤波 方法(MSUKF),将多模型自校准Kalman滤波 方法(MSKF)的适用范围扩展到了强非线性领域。该方法同时采用UKF与SUKF进行计算,根据贝叶斯定理实时分配两者先验估计值的权重,通过加权融合进而得到最终的状态估计。大量数值仿真结果表明:本文方法精度比滤波 发散的UKF提高了50%,与无偏的SUKF相比也提升了4%以上,具有更强的适应性和鲁棒性。关键词：故障诊断 基于集合变换Kalman滤波 的流场高效重构 2024年 滤波 (ensemble transform Kalman filter,ETKF)的数据同化方法在空间流场重构方面的有效性,并讨论了不同迭代更新模式的重构精度和计算效率,即状态变量基于湍流模型更新的ETKF-M和基于流场数据更新的ETKF-D。以ONERA M6机翼作为数值算例,结合风洞实验翼型表面271测压孔的压力测量数据进行算法实验,结果表明ETKF方法的不同迭代模式均有效修正了湍流模型的预测,并且ETKF-D相对于ETKF-M提升了83%的计算效率。此外,选取两组不同位置的1/4实验测点进行同化实验,得到不同精度的结果,这表明重构的精度与同化测点的位置和数量密切相关。关键词：数据同化 基于集合Kalman滤波 的中长期径流预报 2024年 滤波 的入库径流确定性预报方法。以旬为预见期的锦西水库实例验证结果表明:相比传统的单一预报模型和传统的信息融合预报模型,基于集合Kalman滤波 的中长期径流预报可使RMSE降低4.78 m^(3)/s,合格率可提高0.56%,且更有效地降低了汛期预报的不确定性,得到了更加准确、可靠的确定性径流预报结果,可为开展流域梯级水电站优化调度提供技术支持。关键词：中长期径流预报 数据融合 集合KALMAN滤波 多特征融合与Kalman滤波 的CAMShift跟踪算法 2024年 滤波 的CAMShift目标跟踪算法。多特征融合是在CAMShift算法基础上将边缘、纹理与颜色特征融合在一起,采用改进的Canny算子描述边缘特征,采用统一模式下的N-LBP构造纹理特征,并利用巴氏(Bhattacharyya)系数计算各个特征的自适应融合权值,通过不同特征之间的优势互补,增强特征的表达能力。当跟踪目标无遮挡时,使用CAMShift算法计算目标位置并更新Kalman滤波 器参数,有遮挡时,使用Kalman滤波 预测当前目标的位置,最后仿真实验表明,本文算法受环境影响小,相比CAMShift算法跟踪误差显著降低。关键词：多特征融合 纹理特征 卡尔曼滤波 目标跟踪 无人机状态检测Kalman滤波 空地目标跟踪算法 2024年 滤波 的重定位更新机制,将其与孪生全卷积网络(siamfc)跟踪器结合。以空地目标为被跟踪对象,以无人机为跟踪空地目标的跟踪者,首先,基于双峰选择、平均峰值相关能量变化率、最高响应值变化率和峰值旁瓣比变化率的检测机制检测当前的追踪状态是否异常,判断siamfc的追踪结果是否满足作为观测值的要求。其次,Kalman滤波 利用目标运动的先验信息对追踪进行预测更新,当追踪状态异常时能够及时校正调整目标跟踪结果。基于LaSOT数据集完成训练,在UAV123航空数据集和自制的以无人机为目标的数据集上进行实时目标跟踪测试和对比实验。实验结果表明:该算法在UAV123上的精确率和成功率分别为66.0%和47.4%(62帧/s),在自制的以无人机为目标的数据集上的精确率和成功率分别为72.0%和58.6%(55帧/s),满足目标跟踪的实时性要求,且跟踪结果优于多数跟踪器。该算法在无人机为跟踪者和被跟踪对象的情况下均能完成有效目标跟踪,应对目标离开视野、部分或全部遮挡和存在相似目标干扰等挑战性场景的能力有所增强,且算法具有良好的泛化能力。关键词：无人机 目标跟踪 KALMAN滤波 超高层建筑动态变形分数阶Kalman滤波 提取模型 2024年 滤波 对数据进行处理。通过分析仿真实验数据和实际案例数据,利用相关系数、均方根误差等评价参数并与卡尔曼滤波 结果进行比较,验证方法的可行性。结果表明,分数阶卡尔曼滤波 相较于卡尔曼滤波 模型,能够有效地提取超高层建筑变形信息。关键词：超高层建筑 基于自适应强跟踪Kalman滤波 的GNSS跟踪环路设计 2024年 滤波 (ASTKF)的跟踪环路,在传统跟踪环路的基础上,以鉴相器输出为观测量进行自适应强跟踪Kalman滤波 ,滤波 结果用于计算导航滤波 器的观测量,同时将伪码频率和载波多普勒频率反馈到码NCO和载波NCO,在ASTKF中使用基于卡方分布的渐消因子计算方法,提升跟踪环路鲁棒性。半物理仿真实验表明,相比于基于Kalman滤波 的跟踪环路和基于强跟踪Kalman滤波 (STKF)的跟踪环路,所提出方法在水平方向上的位置误差和速度误差减小20%以上,有效提高了卫星导航接收机的定位性能。关键词：卫星导航 软件接收机 基于Kalman滤波 与应变信号的舰船轴系推力辨识研究 被引量：1 2024年 滤波 可同时考虑测量数据噪声及数据中的力学机制,对目标实现最小方差无偏估计,因而有更高的估计精度。因此,本文利用Kalman滤波 结合应变测量信号提出一种螺旋桨推力高精度、在线辨识方法。以恒定转速、变转速及低频波动转速3种工况为例,研究了不同信噪比下本文方法的推力辨识精度与鲁棒性。研究表明,在信噪比仅为20 d B时,推力辨识最大相对误差仅为4.85%,因此本文方法在低信噪比下仍有很高的辨识精度与鲁棒性。同时,本文提出方法属于时域辨识方法,在转速突变、螺旋桨缠绕渔网等突发工况时亦能实时跟踪推力变化,因此可用于螺旋桨推力及轴系状态的在线、实时监测。关键词：振动与波 KALMAN滤波 在线监测
相关作者
邓自立 作品数：314 被引量：565 H指数：14 供职机构：黑龙江大学电子工程学院 研究主题：自校正 多传感器信息融合 现代时间序列分析方法 多传感器 KALMAN滤波 文成林 作品数：366 被引量：1,145 H指数：18 供职机构：杭州电子科技大学 研究主题：多传感器 数据融合 故障诊断 小波变换 多尺度 杨元喜 作品数：217 被引量：3,107 H指数：36 供职机构：中国人民解放军总参谋部测绘研究所 研究主题：抗差估计 GPS 自适应滤波 KALMAN滤波 自适应估计 石莹 作品数：47 被引量：58 H指数：4 供职机构：黑龙江大学电子工程学院 研究主题：KALMAN滤波 状态估计 降阶 KALMAN滤波器 ARMA 孙书利 作品数：137 被引量：273 H指数：10 供职机构：黑龙江大学电子工程学院 研究主题：多传感器 信息融合 丢包 多传感器系统 分布式
