导读:本文包含了平方根卡尔曼滤波论文开题报告文献综述及选题提纲参考文献,主要关键词:退役动力电池,SOC,EKF,SRCKF
平方根卡尔曼滤波论文文献综述
袁鑫[1](2019)在《基于平方根容积卡尔曼滤波的退役动力电池SOC估算研究》一文中研究指出从我国电动汽车产业的发展速度来看,预计到2020年电动汽车市场存量将超过500万辆,以每辆车平均配备20kWh的电池来估算,约有1亿kWh(100GWh)的车用动力锂电池进入市场。当这些动力电池的容量衰减至初始容量的80%时就要退役处理。以前这些退役下来的动力电池会直接被废物处理掉,不仅浪费,而且造成了大量的污染。经过研究发现,退役动力电池仍有一定的剩余容量和使用寿命,可以用在对电池要求更低的应用场景,如家里的电灯,或者电网储能,或者小型微电网,再或者通信基站的储能。本文研究在通信基站中退役动力电池的利用价值,从电动汽车退役下来的动力电池如果要在通信基站中发挥二次利用,有必要对退役动力电池的性能进行研究,其中电池的荷电状态(state of charge,SOC)是最为关键的因素,所以准确估计电池SOC可以最大限度地利用退役动力电池。本文将引入扩展卡尔曼滤波(E KF)和平方根容积卡尔曼滤波算法(SRCKF)对退役动力电池的SOC分别进行估算并进行比较。本文主要研究内容如下。(1)本文基于退役动力电池叁星18650-22P电池进行了研究。首先简要地提出了退役动力电池的管理系统,其系统包括硬件设计和软件设计。并且说明在通信基站中的运用,其次电池管理系统最核心的就是电池SOC估算研究。(2)来模拟电池的动态特性模型中,本文举出了几种,最后本文选取了二阶RC电路作为本文的电池模型。并采取了一系列实验来证明模型的可靠性,实现了参数辨识。(3)本文提出了EKF和SRCKF算法。EKF可以使用泰勒展开来线性化非线性函数,并忽略高阶的其余部分,因此,EKF可以应用于非线性系统。SRCKF是基于CKF,协方差矩阵的平方根是被Cholesky分解的形式传播和更新状态,获得高效的计算速率。(4)本文在Matlab中仿真,分别从算法的误差、收敛速度、稳定性来比较,并且用仿真证明SRCKF的滤波性。实验结果表明,SRCKF与扩展卡尔曼算法和相比,在估算准确性和收敛速率以及稳定性方面都具有较好的表现。(本文来源于《新疆大学》期刊2019-06-30)
孙陶莹,章飞,曾庆军[2](2019)在《一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法》一文中研究指出针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.(本文来源于《江苏科技大学学报(自然科学版)》期刊2019年03期)
张煌军,徐雪松,罗伟,刘瑞[3](2019)在《基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算》一文中研究指出为了提高四旋翼无人机姿态解算的精度,提出了基于平方根容积卡尔曼滤波(square-root cubature Kalman filter,SCKF)的多传感器数据融合策略。基于加速度计、磁力计和陀螺仪输出的数据,采用了四元数的姿态解算方法,避免了单一传感器获得的姿态角误差过大的问题,解决了扩展卡尔曼滤波(extend Kalman filter,EKF)精度低以及无迹卡尔曼滤波(unscented Kalman filter,UKF)、容积卡尔曼滤波(cubature Kalman filter,CKF)协方差矩阵正定性丧失的问题。设计了基于pixhawk飞控板的实验方案。通过实验数据表明,与传统的EKF、UKF、CKF算法相比,SCKF的精度最高。且与UKF、CKF算法相比,SCKF具有计算时间少、数值计算稳定性强等优势。(本文来源于《科学技术与工程》期刊2019年12期)
张浩为,谢军伟,葛佳昂,宗彬锋,路文龙[4](2019)在《自适应CS模型的强跟踪平方根容积卡尔曼滤波算法》一文中研究指出对于目标跟踪过程中的强机动问题,基于当前统计(current statistical,CS)模型和改进的强跟踪平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SCKF),提出新的跟踪算法。在CS模型和改进输入估计算法的基础上,引入加加速度估计,使得状态过程噪声与状态协方差矩阵相联系,实现模型的自适应调整。从正交性原理出发,重新确定了渐消因子的引入位置,并提出了新的渐消因子计算形式,以克服传统渐消因子在雷达量测坐标系中的失效问题,从而构造强跟踪平方根容积卡尔曼滤波器。另外,构造强机动检测函数,利用SCKF的输出来调整自适应CS模型中的机动频率。仿真结果表明,相比基于CS模型的多重渐消因子强跟踪SCKF算法、改进CS模型的强跟踪SCKF(SCKF-STF)算法和交互式多模型(interacting multiple-model,IMM)SCKF算法,所提算法具有更佳的目标机动适应性和跟踪精度;相比于IMM-SCKF算法,实时性有明显改善。(本文来源于《系统工程与电子技术》期刊2019年06期)
叶泽浩,毕红葵,段敏,曲智国,李凡[5](2018)在《自适应平方根球型无迹卡尔曼滤波算法》一文中研究指出针对传统无迹卡尔曼滤波器存在跟踪精度低、数值稳定性差、鲁棒性弱等缺点,提出了一种基于球型无迹变换的自适应平方根UKF滤波算法(Adaptive Square Root UKF Filtering Algorithm Based on Spherical Unscented Transform,ASRS-UKF)。该算法在标准的平方根UKF算法上,首先改用了球型无迹变换对权系数以及sigma点进行计算选取;其次改进了平方根UKF中平方根矩阵的分解方法;同时在预测误差协方差矩阵中引入了自适应衰减因子。最后,通过将该算法同平方根UKF以及强跟踪UKF算法进行仿真对比,结果表明,ASRS-UKF算法在减少计算量、加快计算速度的同时还提高了滤波精度和稳定性,而且对于系统模型匹配不佳的情况下,仍具有良好的跟踪性能。(本文来源于《雷达科学与技术》期刊2018年06期)
崔博文[6](2018)在《平方根分解的复数扩展卡尔曼滤波及其在电力系统对称分量估计中的应用》一文中研究指出快速准确检测基波正负序对称分量对于电网电压不对称时的控制非常重要。利用复数扩展卡尔曼滤波方法对基波正负序分量及其频率进行了估计。为提高复参数滤波稳定性,通过对协方差矩阵平方根分解,提出了一种基于平方根分解的复数扩展卡尔曼滤波方法。利用αβ变换,将abc坐标系下的叁相电压瞬时正序、负序分量变换到αβ坐标系,利用获得的αβ坐标系下的正序、负序分量构建复数向量,在定义状态变量后,建立了叁相电力系统非线性状态方程及观测方程。分别利用方法和传统复数卡尔曼滤波方法估计叁相电力系统正序、负序分量和频率,估计结果显示方法在估计精度及收敛速度等方面具有明显优势。(本文来源于《电子测量与仪器学报》期刊2018年08期)
鲍水达,张安,高飞[7](2018)在《多渐消因子平方根容积卡尔曼滤波算法》一文中研究指出针对平方根容积卡尔曼滤波(SCKF)在系统模型不准确和状态突变情况下鲁棒性差的问题,提出了一种多渐消因子平方根容积卡尔曼滤波算法(MSTSCKF);MSTSCKF引入强跟踪思想,通过多渐消因子实时调整增益矩阵,建立多渐消因子数值求解方法,克服多渐消因子求解依赖先验知识的不足;采用假设检验理论对系统异常进行检测,降低误判概率,提高滤波稳定性;通过仿真分析,比较了SCKF、单渐消因子平方根容积卡尔曼滤波(STSCKF)和MSTSCKF的算法性能,实验表明MSTSCKF具有更好的跟踪精度和鲁棒性。(本文来源于《计算机测量与控制》期刊2018年06期)
林浩申,杨晓君,何兵[8](2018)在《空间目标模糊平方根容积卡尔曼滤波定位算法》一文中研究指出天基仅测角卫星定位问题属于强非线性滤波问题,复杂的空间环境所导致的噪声统计特性不确定,使得传统滤波算法精度降低。为提高跟踪精度,采用模糊梯形可能性分布代替精确高斯概率分布,对过程噪声和量测嗓声进行描述,在平方根容积卡尔曼滤波(SCKF)的基础上,推导了模糊平方根容积卡尔曼滤波(FS-CKF)算法。克服了SCKF对高斯噪声特性精确已知的约束,有效拓展了CKF的应用范围。仿真比较了FS-CKF与SCKF在空间目标定位问题中的性能,仿真结果表明FS-CKF算法的位置、速度收敛时间分别提高了32.52%和18.28%,收敛精度分别提高了12.52%和42.65%,验证了算法的有效性。(本文来源于《系统仿真学报》期刊2018年04期)
田彦涛,张宇,王晓玉,陈华[9](2018)在《基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计》一文中研究指出针对电动汽车质心侧偏角不便使用传感器直接测量的问题,提出采用平方根无迹卡尔曼滤波(SR-UKF)算法来估计电动汽车质心侧偏角。基于建立的车辆侧向动力学模型、非线性轮胎动力学模型以及估计得到的质心侧偏角,使用最小二乘法对轮胎侧偏刚度进行估计,得到轮胎侧偏刚度信息。最后,通过试验验证了基于SR-UKF的电动汽车质心侧偏角估计算法具有较高的精度,能够为后续车辆稳定性控制系统的设计提供有效的车辆状态信息。(本文来源于《吉林大学学报(工学版)》期刊2018年03期)
杨旺明[10](2018)在《衰减记忆平方根容积卡尔曼滤波及其应用》一文中研究指出计算误差和模型误差是导致容积卡尔曼滤波(CKF)发散的两大主要因素,而平方根容积卡尔曼滤波算法(SCKF)只能抑制计算发散。为抑制模型误差引起的滤波发散,通过引进指数加权衰减因子实现对当前测量数据利用的加强,提出了衰减记忆平方根容积卡尔曼滤波(MASCKF)算法。并将该算法应用到光电跟踪系统的目标跟踪滤波预测中,仿真实验结果表明,MASCKF算法能有效抑制滤波发散,滤波效果优于SCKF算法。(本文来源于《计算机与数字工程》期刊2018年03期)
平方根卡尔曼滤波论文开题报告
(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:
针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.
(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。
平方根卡尔曼滤波论文参考文献
[1].袁鑫.基于平方根容积卡尔曼滤波的退役动力电池SOC估算研究[D].新疆大学.2019
[2].孙陶莹,章飞,曾庆军.一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法[J].江苏科技大学学报(自然科学版).2019
[3].张煌军,徐雪松,罗伟,刘瑞.基于平方根容积卡尔曼滤波的四旋翼无人机的姿态解算[J].科学技术与工程.2019
[4].张浩为,谢军伟,葛佳昂,宗彬锋,路文龙.自适应CS模型的强跟踪平方根容积卡尔曼滤波算法[J].系统工程与电子技术.2019
[5].叶泽浩,毕红葵,段敏,曲智国,李凡.自适应平方根球型无迹卡尔曼滤波算法[J].雷达科学与技术.2018
[6].崔博文.平方根分解的复数扩展卡尔曼滤波及其在电力系统对称分量估计中的应用[J].电子测量与仪器学报.2018
[7].鲍水达,张安,高飞.多渐消因子平方根容积卡尔曼滤波算法[J].计算机测量与控制.2018
[8].林浩申,杨晓君,何兵.空间目标模糊平方根容积卡尔曼滤波定位算法[J].系统仿真学报.2018
[9].田彦涛,张宇,王晓玉,陈华.基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计[J].吉林大学学报(工学版).2018
[10].杨旺明.衰减记忆平方根容积卡尔曼滤波及其应用[J].计算机与数字工程.2018