针对单目移动机器人在目标识别与位置估算中深度信息丢失的问题,为提高采用激光雷达辅助距离测量的定位精确度,提出融合雷达测距信息与方位解算的改进卡尔曼滤波算法。使用YOLO网络进行目标识别,再利用基础计算机视觉标定方法获取目标方向角信息,进而利用雷达进行多次定向测距得到多个观测值;然后在目标位置解算时,根据不同观测值的距离与方位信息加权设置不同置信度,以改变卡尔曼滤波器的观测噪声与系统噪声,进而动态改进卡尔曼增益,实现具有自适应性的目标位置解算。仿真与实验结果表明该方法相较单纯依靠雷达进行测距补充能实现更为精准的定位,具有较好的应用前景。

准确可靠的车辆行驶状态信息对于车辆路径跟踪和稳定性控制都十分重要。针对车辆质心侧偏角软测量问题,提出了一种基于自适应容积卡尔曼滤波(Adaptive Cubature Kalman Filter,ACKF)的车辆质心侧偏角耦合估计方法。建立了三自由度车辆动力学模型、轮胎模型和轮速耦合模型,基于ACKF设计了智能车行驶状态估计方法,其中在ACKF中设计了含自适应渐消矩阵的滤波增益,用来提高估计结果对于测量噪声的自适应性。此外,将轮速耦合关系应用到ACKF的测量更新中,利用传感器测量信息的冗余度提高估计结果的精度与可靠性。进行了基于CarSim/Simulink联合仿真模型的仿真试验,结果表明,所提出的估计方法在实际应用中整体估计精度相比EKF分别提升了9.83%和7.12%。

为了实现四旋翼无人机的自主飞行,设计了该智能导航控制系统。飞行控制器采用陀螺仪与三轴加速度传感器相结合的方式检测飞行器姿态,通过ATMEGA644芯片分别控制4个电机驱动模块调速来实现飞行姿态的改变。导航系统通过ARM7控制GPS模块与电子罗盘,获取飞行器的实时位置,并利用软件滤波的方式提高了定位精度。设计了上位机控制软件,可加载数字地图并且设置飞行路线,通过无线串口与无人机通讯,实现无人机的智能自主飞行。通过实验证明该系统能够实现智能导航的功能。

介绍了卡尔曼滤波的算法,给出了一套递推计算公式,将此算法应用于短期负荷预测,并针对负荷预测本身的特点对算法进行了改进,用两种算法进行了实际的负荷预测计算,取得了比较准确的预测结果.

为了模拟电磁阀实际工作时的压力等环境,在硬件电路的基础上设计了一个自动变速器电磁阀液压测试的数据采集系统。该系统能够利用压力传感器对压力调节电磁阀的输出端压力进行实时采集,通过外接电源对其输出端压力进行控制,并通过串口通信在上位机上进行波形显示与数据保存,最后,结合卡尔曼滤波算法对系统进行分析,得出设计的系统具有稳定性和可控性的优点。

为了进一步提高可变阀驱气门运动控制精度以及运动稳定性,在原有PID控制的基础上,通过粒子群算法(PSO)和卡尔曼滤波(KF)方式对其进行优化改进。通过科尔曼滤波器来达到气门升程调控系统的干扰与噪声滤波功能,再把结果反馈至输入端,采用PSO优化PID控制器的各项参数。利用PSO以随机方式生成粒子群,再利用粒子对PID控制器赋值,完成计算过程。在Matlab软件中完成气门升程、速度及其加速度的仿真分析,并跟未经过改进的PID控制气门升程状态实施了比较。结果表明:通过改进PID方法进行控制时,气门升程、速度与加速度都达到较低的跟踪误差。运用PSO以及KF优化能够实现对液压驱动系统的高效控制,不会引起气门落座的大幅波动或突变的情况,从而提升了跟踪的精度。该研究对提升汽车发动机性能具有很好的实际应用效果。

针对轮式里程计误差随时间累积和UWB数据抖动以及非视距问题导致的粗大误差,提出一种基于卡尔曼滤波的数据融合方法,有望在单片机上实现长时高精度定位。该方法使用里程计对UWB数据进行非视距情况判断,然后使用卡尔曼滤波算法对里程计和UWB数据进行不同信赖度下的融合,再使用融合后的数据对里程计数据进行累计误差修正以提高系统长时间运行的精度和稳定性。仿真和实验结果表明:系统可以检测到UWB的视距状态,同时能对里程计数据进行修正,在具

为提高数控机床精度，提出一种基于卡尔曼滤波法的机床误差建模新方法，将统计模型的回归系数看作状态向量，统计模型视为观测方程，利用卡尔曼滤波法实现了统计模型的建模，由于卡尔曼滤波法属于线性最小方差估计，所以相比最小二乘法可望获得更高的建模精度。对一台立式加工中心，利用温度传感器与非接触式激光位移传感器同步测量主轴温度变化及热误差，利用卡尔曼滤波法构建的热误差模型分别与利用最小二乘法（IS）、最dxz乘支持向量机法（LS-SVM）构建的模型进行对比，结果表明：卡尔曼滤波法的建模精度比最小二乘法和最小二乘支持向量机法分别高10．5％和1．8％，且建模时间比最小二乘法和最小二乘支持向量机法分别少0．9％和6．8％。

为了提高时栅转台控制系统的位置检测精度,提出了一种以卡尔曼滤波和PI控制融合的控制方法,并在此基础上设计了高精度伺服控制系统。该方法利用卡尔曼滤波预测实现PI控制器的参数预测自适应整定,控制系统以则采用以电流环作为内环、位置环为外环的双闭环控制结构和时栅传感器为转台位移反馈部件,同时,以ARM(LPC2124)为控制核心,结合电源电路、SP3232串口通信等硬件电路实现卡尔曼滤波和PI控制相融合的控制方法。经实验测试,设计的时栅转台伺服系统具有运动稳定可靠性,位置检测精度在-0.8″~1.2″范围内,满足高精度时栅转台控制系统的精度要求。

为实现电动振动台振动输出力的高精度跟随控制,对电动振动测试实验系统的数学模型和速度估计方法进行实验研究。运用机理法建立了系统数学模型,并通过递推最小二乘法算法辨识出模型中的未知参数。采用基于输出力、位移和速度的三参量控制器作为控制算法。由于速度信号缺乏有效的传感元件,采用基于加速度和位移的卡尔曼滤波器来估计三参量反馈信号中的速度信号,以此克服直接用位移差分获得速度信号所产生的量化噪声。构建以Twin CAT实时控制软件为基础的振动输出力跟随控制实验系统,实验结果证明采用卡尔曼滤波器能有效消除系统的量化噪声。