为了准确对巡检机器人穿越预定杆塔所需要的能量进行SOC估计,通过分析线路工况和实验数据,建立巡检机器人能耗模型。考虑到巡检机器人从起始杆塔到预定杆塔之间的累计误差会逐渐增大,导致抵达预定杆塔时无法对巡检机器人锂电池SOC准确估计。因此,结合巡检机器人能耗状态方程和锂电池量测模型,并采用扩展卡尔曼滤波的方法对巡检机器人锂电池SOC能耗的理论值进行迭代,同时,也引入次优渐消因子降低不确定参数的误差,提高SOC估计精度,且SOC估计误差均在1.7%以下。

针对永磁同步电机(PMSM)永磁体失磁故障发生时磁链信号不稳定导致难以诊断的问题,提出基于扩展卡尔曼滤波(EKF)的PMSM失磁故障在线诊断方法。构建能够在线识别并动态矫正磁链的EKF方法,该方法可以根据自适应PMSM模型跟踪永磁体磁链信号的真实状态,并且不易受电机参数的影响。同时经过辨识的永磁磁链经过故障检测模块,计算磁链的变化量,判断永磁电机是否发生失磁故障。仿真结果证明:失磁故障检测模块通过分析经扩展卡尔曼滤波动态矫正的永磁磁链,可以在0.1 s内实现高效的故障诊断。

为减小气动参数扰动对火箭助推段的影响,提高制导精度,本文将火箭飞行过程中的气动参数扰动量视为摄动制导中的小扰动量,对传统摄动方程进行改进。采用扩展Kalman滤波方法对气动参数扰动量进行辨识,再利用限定记忆递推最小二乘法基于辨识结果进行预测,将预测结果用于下一阶段的摄动制导计算,构建了“辨识—预测—计算”迭代更新的在线辨识模型。本文设计的扩展Kalman滤波器辨识效果较好,收敛时间10 s左右,辨识精度10%以内。设计的结合气动参数在线辨识的摄动制导方案相对于传统方案,能有效降低终端状态偏差。Monte Carlo打靶结果表明改进摄动制导方案对偏差的鲁棒性增强,弹道收敛性更好。本文将气动参数在线辨识用于火箭助推段的摄动制导,降低了气动参数扰动对制导精度的影响,在一定程度上提高了摄动制导的性能,对工程实践具有参考作用...

提出了在风洞试验获取的气动参数的基础上对由各种误差和扰动引起的气动偏差进行修正的方法。采用扩展卡尔曼滤波算法,利用雷达获取在线飞行弹丸的一段飞行数据(位置和速度),使用已知的气动参数对飞行数据进行过滤得到气动参数的修正系数,对已知气动参数中的阻力系数和升力系数进行修正,为后段弹道计算提供更加精确的气动参数。通过仿真计算,验证了上述方法的有效性,并利用弹道外推计算,通过对比落点误差证明了上述方法的精确性,为气动参数辨识和弹道修正提出了新的途径。

结合EKF算法(扩展卡尔曼滤波)和RTRL算法(实时递归学习算法)的特点,提出一种基于EKF的实时递归学习算法(EKF-RTRL),运用到循环神经网络中(RNN)。应用该神经网络对某飞机大迎角大振幅单自由度偏航、滚转以及偏航滚转耦合运动的非定常气动力进行建模。结果表明,基于EKF的实时循环神经网络计算精度高,收敛快,辨识结果与实验结果符合较好,验证了本算法的有效性。

加速度计使用时，通常都需要对其标度因素、零偏以及敏感轴进行标定．为了准确标定加速度计的特性参数，提出了5位置连续测量法，对其不同姿态下的输出进行综合测量，可准确地反映不同姿态下的工作状态以及性能参数．建立了相应的测量模型，根据模型的非线性特性，采用扩展卡尔曼滤波算法（EKF）对实测数据进行滤波处理．实验结果表明，加速度计的零偏、标度因素、敏感轴方向等参数得到了准确标定．

针对液压马达在实践中经常出现的故障模式,从液压马达的模型出发,抽取重点关心的状态方程,采用扩展卡尔曼滤波(EKF)器的状态估计方法,对液压马达故障进行诊断研究,较好地提高了故障诊断的效率与精度。经某型液压马达故障诊断仿真结果表明,该方法可以准确地对液压马达的故障进行诊断,是一种有效的故障诊断方法。

可重复使用运载器(RLV)再入返回段的气动参数表现为不确定和快时变的特点,导致RLV气动特性具有强耦合性和非线性,使气动模型难以设计和控制,降低了飞行器的稳定性.在系统噪声存在的前提下,针对RLV的动力学模型,提出一种由最大期望(EM)算法和扩展卡尔曼滤波(EKF)算法相结合的RLV再入段气动参数辨识方法,以飞行高度和攻角为基准,每10 km一个区间将RLV再入段划分为3个飞行阶段,并分别进行了气动参数辨识.首先,将RLV飞行器再入段的动力学模型转换为非线性系统的状态空间模型;其次,基于状态空间模型,将飞行器的原始状态向量进行扩维,得到由待辨识气动参数和原始状态向量组成的新扩维状态向量;然后,采用EKF算法对RLV气动模型的扩维状态向量进行辨识,达到滤除噪声和估计未知气动参数的目的;之后,为了降低测量和过程噪声统计特性的设置对EKF辨识结果带...

为实现数控机床可控励磁直线磁悬浮同步电动机(CELSM)进给系统的无速度传感器控制,需要准确获取电机速度和磁极位置的信息。提出一种利用电机电枢绕组电压和电流来估计CELSM速度和位置的方法,即基于H∞的扩展卡尔曼滤波算法。选择αβ坐标系下的电流iα、iβ、动子速度v和动子电角度θe作为状态变量,建立HEKF观测器的状态方程,并进行离散化。在扩展卡尔曼滤波基础上引入H∞滤波,设计一个滤波上界函数来限制估计误差的上界并最小化该上界,有效地提高了观测器对噪声的鲁棒性。仿真表明:在动态阶段,HEKF算法比EKF算法对速度和位置的估计更接近于实际值;当速度突变时,HEKF算法比EKF算法的鲁棒性更强。

基于红外传感技术,对智能吸尘器红外避障问题、路径规划及控制系统进行研究。对智能吸尘器进行运动学模型的分析,采用了两种研究方法研究传感器的集成,区间分析算法和扩展卡尔曼滤波方法能够准确地对智能吸尘器定向定位。