导读:本文包含了联合卡尔曼滤波器论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:卡尔,滤波器,传感器,故障,数据,泊位,组合。
联合卡尔曼滤波器论文文献综述
庄辉平[1](2017)在《卡尔曼类滤波器在状态参数联合估计的应用》一文中研究指出状态与参数的联合估计是学术界上非常重要的一个研究领域,它在军事和民用方面均有十分广泛的运用。卡尔曼类滤波器,例如扩展卡尔曼、无迹卡尔曼、两阶段卡尔曼和鲁棒卡尔曼等,经常被使用处理状态与参数联合估计的问题。本文着重介绍两阶段卡尔曼滤波器和鲁棒卡尔曼滤波器在状态与参数联合估计问题中的运用,并且讨论了两类联合估计问题。第一类联合估计问题中,线性系统的输入项为具有未知参数的定结构动态系统。两阶段卡尔曼滤波器在此类问题需要已知输入动态特性参数,因此无法使用。我们利用了鲁棒卡尔曼滤波器即使在输入完全未知形式的情况下也能获得状态无偏估计的优点,推导出系统的输入估计器,并证明了估计器的无偏性,且利用自回归辨识方法把定结构的动态系统参数估计出来,从而实现状态和参数的联合估计。仿真验证了算法的有效性,并且通过对比,说明了本算法的优越性。该算法还被运用至雷达系统的运动目标预测问题。利用联合估计手段,将运动目标的模型进行修正,从而取得更加精准的估计和预测值。同时,本文还搭建了模拟的实时雷达目标预测系统,实现实时地为雷达系统提供目标预测信息,以应对雷达系统被遮掩或者出故障需重新搜索目标的场景。第二类联合估计问题中,线性系统的状态转移矩阵具有未知参数或者状态转移矩阵完全未知。一般情况下未知状态转移矩阵将使滤波器无法正确运行。本文首先证明了鲁棒卡尔曼滤波器输入估计最优的条件,再通过输入估计器把系统的状态转移矩阵信息转化成特殊的线性方程。本文采用了多种不同的算法来对此方程进行参数估计。这些算法分别为:最大似然法、矩阵求逆法、神经网络法和变量误差模型法。本文还对不同算法之间的优势与弱势进行了对比。仿真结果均证明了这些算法的有效性。不同算法之间是建立在不同条件之下的,所以不存在相对优劣问题。另外,对于第二类联合估计问题中的特殊线性方程问题,本文将方程中未知变量用已知变量进行替换,以降低参数估计器设计难度。显然,进行变量替换之后会产生替换误差,经过分析可发现该误差不会小于一个下界,即替换误差下界。同时,本文还研究了克拉美罗下界在该估计问题的运用,并得出进行变量替换之后总的估计误差与替换误差下界和克拉美罗下界的关系。(本文来源于《华南理工大学》期刊2017-04-10)
吴兴浪[2](2016)在《基于联合卡尔曼滤波器的航空发动机故障诊断技术研究》一文中研究指出航空发动机故障诊断是实现发动机视情维修、提高飞行安全性、降低维护成本的重要措施,为此本文开展了航空发动机故障诊断技术的相关研究。本文以某型涡轴发动机模型为基础,基于联合卡尔曼滤波器开展了航空发动机故障诊断研究,包括气路部件故障诊断、传感器故障诊断及隔离以及针对测量噪声变化提出的联合模糊自适应卡尔曼滤波算法。首先,在某型涡轴发动机非线性模型的基础上建立了发动机状态变量模型,并验证了状态变量模型的准确性。然后,将联合卡尔曼滤波器应用到气路部件故障诊断系统以及传感器故障诊断系统。在气路故障诊断系统中,相比于传统卡尔曼滤波器,联合卡尔曼滤波器的估计精度和容错性较高,通过理论分析和试验仿真,验证了联合卡尔曼滤波算法的优点。在传统卡尔曼滤波器的基础上,提出了采用联合卡尔曼滤波器方法的发动机传感器故障诊断系统,该系统通过在局部滤波器和主滤波器之间增加传感器故障诊断环节进行传感器故障诊断。仿真结果表明该系统能够有效的检测并隔离发动机故障传感器,在传感器发生故障后仍然能得到准确的发动机健康参数估计值。最后,航空发动机工作过程中,由于外界环境干扰或者其他因素的影响,导致发动机测量噪声发生变化,从而影响发动机故障诊断的结果,为此提出了联合模糊自适应卡尔曼滤波算法。联合模糊自适应卡尔曼滤波算法的基本思想是当系统的测量噪声发生变化时,通过模糊自适应算法自动调整测量噪声协方差矩阵的大小。仿真结果表明该算法能够削弱测量噪声变化对发动机故障诊断的影响。(本文来源于《南京航空航天大学》期刊2016-12-01)
卢珂,石军亮,卢永芳,王晓卫[3](2014)在《基于联合卡尔曼滤波器的故障电弧检测技术研究》一文中研究指出针对目前配电柜故障电弧检测技术存在的漏检率和误报率高的问题,结合多传感器信息融合技术在故障检测技术中的应用,提出了基于联合卡尔曼滤波器的故障电弧检测技术。该技术可以对采集到多个不同故障电弧故障特征进行实时滤波,能够很好地消除噪声干扰和提高信噪比,进一步提高故障电弧检测的准确性和可靠性,完善系统的容错能力和复原能力。仿真结果也表明改进的检测技术具有良好的实时性和准确性。(本文来源于《煤矿机械》期刊2014年02期)
王云川,赵智忠[4](2012)在《联合卡尔曼滤波器在真空断路器真空度测量中的应用》一文中研究指出传统的真空灭弧室真空度测量方法只在一定的真空度范围内测量精度较高,且易受外界干扰,为了获得准确的真空度数据,使用横磁场脉冲磁控法和改进的屏蔽罩电位法测量真空度,利用联合卡尔曼滤波器对测量数据进行融合。根据真空灭弧室的离线检测方式和真空度变化的规律确定了联合卡尔曼滤波的初始值和系数矩阵。实验证明这种方法具有良好的容错性,能够有效抑制外部噪声对测量系统的干扰,提高测量数据的稳定性和准确度。(本文来源于《真空科学与技术学报》期刊2012年10期)
栗世涛,孙业功,肖永刚[5](2010)在《一种基于卡尔曼滤波器的联合检测》一文中研究指出由于实际无线信道环境的随机性,所以很难精确估计信道高斯白噪声,传统联合检测算法应用在实际通信系统中的性能很不稳定,因此针对此不足提出了一种新型Kalman滤波器联合检测方法,并对其方法进行了详细的阐述,在系统中进行了性能仿真,对其工作性能进行了分析,通过分析验证了此方法在实际系统中的可行性,对主要工作进行了全面总结,提出了进一步研究和改进的方向,为工程应用提供联合检测算法实现和算法性能等方面的参考。(本文来源于《通信技术》期刊2010年10期)
丛玉良,陈万忠,孙永强,陈建[6](2010)在《基于联合卡尔曼滤波器的交通信息融合算法研究》一文中研究指出基于现有的研究方法,提出了一种基于联合卡尔曼滤波器的交通信息融合算法。首先利用浮动车的覆盖率和浮动车的历史平均行程时间来修正浮动车的平均行程时间估计值,用于浮动车覆盖率不满足最小覆盖率时的路段平均行程时间估计;利用路段上浮动车的覆盖率来确定联合卡尔曼滤波器的融合系数;利用联合卡尔曼滤波器对固定型检测器的平均行程时间估计和浮动车的平均行程时间估计进行信息融合,得到路段的平均行程时间估计。该融合方法计算量小,融合时间快,有利于实际应用。试验结果表明,该方法提高了区间平均行程时间估计的精度。(本文来源于《公路交通科技》期刊2010年07期)
李国,杨国庆,韩广东,高庆吉[7](2008)在《模糊联合卡尔曼滤波器在机场泊位引导系统中的应用》一文中研究指出提出一种应用于机场泊位引导系统的模糊联合卡尔曼滤波算法,通过将视觉和激光传感器的信息融合,解决了基于单一传感器引导系统可靠性不高的问题.该算法监视测量值是否发生较大波动,应用模糊推理系统调整各局部滤波器输出状态向量的协方差阵,在线修正全局滤波器内各融合信息的权值,降低了波动数据对估值的影响.实验证明该算法对测量值的波动有较强的鲁棒性,提高了机场泊位引导系统的可靠性.(本文来源于《小型微型计算机系统》期刊2008年07期)
陈启宏,宋娟,全书海[8](2006)在《基于联合卡尔曼滤波器的燃料电池传感器故障检测与容错研究》一文中研究指出介绍了基于多传感器信息融合技术的联合卡尔曼滤波器的结构和算法,并将此方法运用于燃料电池发动机多传感器的复杂系统中.理论分析与仿真结果表明,该联合卡尔曼滤波器设计合理,其融合算法具有全局最优性,能够有效地对燃料电池发动机传感器的故障进行检测,改善了系统的容错能力和复原能力,提高了系统运行的稳定性.(本文来源于《华中师范大学学报(自然科学版)》期刊2006年01期)
胡宏灿,郭立,朱俊株[9](2005)在《联合卡尔曼滤波器在数据融合中的应用》一文中研究指出介绍多传感器数据融合中联合卡尔曼滤波器的设计步骤 ,并将此方法用于舰船组合导航系统 ,计算机仿真和理论分析表明 ,该滤波器可以做到全局最优 ,其结构遵循信息分配原则 ,提高了系统的数值稳定性和容错性 ,减小了数据传输的工作量与计算量 ,便于计算机实现 ,能够满足组合导航系统需要(本文来源于《火控雷达技术》期刊2005年01期)
周祥龙,赵景波,常慧[10](2002)在《联合卡尔曼滤波器在多传感器系统的信息融合及容错中的应用》一文中研究指出对集中滤波器和分散滤波器的性能特点进行了比较和分析 ,指出了它们应用于多传感器系统时的不足之处 ,提出了联合卡尔曼滤波器的结构和算法 ,并在精度、计算效率和容错能力方面与传统的集中滤波器和分散滤波器进行了比较 ,提出联合卡尔曼滤波器由于采用了系统信息分配原理 ,可以进一步改善系统的容错能力及精度 ,因此特别适用于多传感器系统 ,可以提高系统的精度和容错、复原能力(本文来源于《青岛大学学报(自然科学版)》期刊2002年02期)
联合卡尔曼滤波器论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
航空发动机故障诊断是实现发动机视情维修、提高飞行安全性、降低维护成本的重要措施,为此本文开展了航空发动机故障诊断技术的相关研究。本文以某型涡轴发动机模型为基础,基于联合卡尔曼滤波器开展了航空发动机故障诊断研究,包括气路部件故障诊断、传感器故障诊断及隔离以及针对测量噪声变化提出的联合模糊自适应卡尔曼滤波算法。首先,在某型涡轴发动机非线性模型的基础上建立了发动机状态变量模型,并验证了状态变量模型的准确性。然后,将联合卡尔曼滤波器应用到气路部件故障诊断系统以及传感器故障诊断系统。在气路故障诊断系统中,相比于传统卡尔曼滤波器,联合卡尔曼滤波器的估计精度和容错性较高,通过理论分析和试验仿真,验证了联合卡尔曼滤波算法的优点。在传统卡尔曼滤波器的基础上,提出了采用联合卡尔曼滤波器方法的发动机传感器故障诊断系统,该系统通过在局部滤波器和主滤波器之间增加传感器故障诊断环节进行传感器故障诊断。仿真结果表明该系统能够有效的检测并隔离发动机故障传感器,在传感器发生故障后仍然能得到准确的发动机健康参数估计值。最后,航空发动机工作过程中,由于外界环境干扰或者其他因素的影响,导致发动机测量噪声发生变化,从而影响发动机故障诊断的结果,为此提出了联合模糊自适应卡尔曼滤波算法。联合模糊自适应卡尔曼滤波算法的基本思想是当系统的测量噪声发生变化时,通过模糊自适应算法自动调整测量噪声协方差矩阵的大小。仿真结果表明该算法能够削弱测量噪声变化对发动机故障诊断的影响。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
联合卡尔曼滤波器论文参考文献
[1].庄辉平.卡尔曼类滤波器在状态参数联合估计的应用[D].华南理工大学.2017
[2].吴兴浪.基于联合卡尔曼滤波器的航空发动机故障诊断技术研究[D].南京航空航天大学.2016
[3].卢珂,石军亮,卢永芳,王晓卫.基于联合卡尔曼滤波器的故障电弧检测技术研究[J].煤矿机械.2014
[4].王云川,赵智忠.联合卡尔曼滤波器在真空断路器真空度测量中的应用[J].真空科学与技术学报.2012
[5].栗世涛,孙业功,肖永刚.一种基于卡尔曼滤波器的联合检测[J].通信技术.2010
[6].丛玉良,陈万忠,孙永强,陈建.基于联合卡尔曼滤波器的交通信息融合算法研究[J].公路交通科技.2010
[7].李国,杨国庆,韩广东,高庆吉.模糊联合卡尔曼滤波器在机场泊位引导系统中的应用[J].小型微型计算机系统.2008
[8].陈启宏,宋娟,全书海.基于联合卡尔曼滤波器的燃料电池传感器故障检测与容错研究[J].华中师范大学学报(自然科学版).2006
[9].胡宏灿,郭立,朱俊株.联合卡尔曼滤波器在数据融合中的应用[J].火控雷达技术.2005
[10].周祥龙,赵景波,常慧.联合卡尔曼滤波器在多传感器系统的信息融合及容错中的应用[J].青岛大学学报(自然科学版).2002