导读:本文包含了无味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:故障诊断,交互多模型,无味卡尔曼滤波,移动机器人
无味滤波论文文献综述
万伟,张凤云,杨斌[1]（2016）在《基于交互多模型无味卡尔曼滤波的移动机器人故障诊断》一文中研究指出为了快速、准确地诊断出移动机器人的故障,将交互多模型算法和无味卡尔曼滤波(IMM_UKF)结合起来,通过各个故障模型的概率大小来判断故障是否发生。仿真结果证明,IMM_UKF的估计准确度要高于IMM_EKF,能够准确判断故障。(本文来源于《湖南文理学院学报(自然科学版)》期刊2016年02期）
李开龙,胡柏青,常路宾[2]（2016）在《改进四元数无味卡尔曼滤波算法》一文中研究指出针对四元数无味卡尔曼滤波计算量较大等问题,提出一种改进的四元数无味卡尔曼滤波算法,通过四元数与修正罗德里格斯参数的线性变换,避免了四元数无味卡尔曼滤波中,四元数与误差罗德里格斯参数频繁切换所带来的计算量增大的问题,从而降低了算法的计算量。推导了修正罗德里格斯参数出现奇异值时,改进四元数无味卡尔曼滤波的奇异值避免的转换公式。在捷联惯性导航系统/全球卫星定位系统(strapdown inertial navigation system/global positioning system,SINS/GPS)直接式位置松组合仿真试验中,对比了乘性扩展卡尔曼滤波、四元数无味卡尔曼滤波和改进四元数无味卡尔曼滤波的估计性能,证明了所提出算法的有效性。(本文来源于《系统工程与电子技术》期刊2016年06期）
丁树宇,刘伟峰,文成林[3]（2016）在《基于预测判定和无味滤波多目标无源跟踪算法》一文中研究指出多传感器多目标无源交叉定位时存在虚假点的问题,且随着传感器和目标数量的增加,虚假点的数量也急剧增加。针对这个问题,提出了一种对目标无源定位跟踪的新方法,即首先通过判断预测点到传感器与目标构成的传感器目标测向方程的最小距离,来选取传感器目标测向方程,该算法可以有效避免大量虚假点的产生,以传感器目标测向方程的交点作为目标量测状态,再通过无味滤波(UF)算法得到目标点的位置。此方法解决了多传感器多目标定位跟踪时大量虚假点的存在对目标定位的影响。研究表明:本算法大大降低了运算量,且提高了关联正确率以及对目标的定位跟踪精度。(本文来源于《控制工程》期刊2016年01期）
李恒,王光宇,秦健[4]（2015）在《无味卡尔曼滤波算法分析及其应用仿真研究》一文中研究指出无人水下航行器(UUV)进入匹配区时捷联惯导系统(SINS)已积累了一定的误差,采用适当的信息融合策略对误差进行估计和补偿,可提高后续航行精度。通常认为,当系统噪声与量测噪声为加性时,是否将噪声扩展为状态量并不影响无味卡尔曼滤波(UKF)算法性能。针对这种观点,利用变尺度对称集无味变换,在复杂加性噪声模型下,推导并证明了两者的差异,说明了上述观点的不全面性。通过建立水下地形匹配辅助导航系统非线性误差模型,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究其估计效果,并与非扩展状态UKF算法进行对比研究。结果表明,状态扩展有利于提高UKF算法性能,从而证明了理论分析的正确性。(本文来源于《兵工学报》期刊2015年S2期）
崔延硕[5]（2015）在《基于无味卡尔曼滤波的超声回波精确定位研究》一文中研究指出超声波测距技术是一种原理简单、易于实现的非接触测量技术,在现代工业生产中应用极其广泛。传统的超声波测距仪由于采用固定阈值的比较器比较输出,测量精度偏低。文章提出一种基于无味卡尔曼滤波、适用于双回波重迭情况的检测超声回波到达时刻算法。根据对单回波信号经验模型的验证以及超声波回波曲线特性的分析导出了适用于双回波重迭情况下的理论模型,并在不同时间差和相位差条件下,对回波包络峰值的到达时刻进行仿真检测。与传统的测量精度对比表明,该方法能够准确地检测回波到达时刻,提高测量精度,并能有效抑制噪声。(本文来源于《信息通信》期刊2015年07期）
乔朝晖[6]（2015）在《无味卡尔曼滤波在直拉法单晶硅直径控制中的应用研究》一文中研究指出无味变换(Unscented Transformation, UT)是一种为了解决系统非线性问题而提出的,利用统计学原理来对过程的后验概率分布状态进行精确估计的算法。结合卡尔曼滤波技术形成的无味卡尔曼滤波技术(Unscented Kalman Filtering, UKF)可以广泛应用于非线性系统的信号处理、状态估计、滤波等领域,并且有非常好的表现。本文的研究对象是一个复杂的切克劳斯基法单晶硅生产过程,主要研究内容是提高单晶硅直径控制的精度。在控制工程中,状态反馈控制的性能优于输出反馈控制。对于具有高度非线性的受控对象,当其状态量具有较强的随机特性时,基于无味变换(Unscented Transformation, UT)的卡尔曼滤波(Unscented Kalman Filtering, UKF)比传统的扩展卡尔曼滤波具有更好的状态估计性能。本文将无味卡尔曼滤波技术应用于直拉法单晶生产过程(Czochralski process)中固液汽叁相交界处表面张力层的高度估计,此状态用于反馈控制可显着提高晶体直径的控制精度,由此推算出的单晶硅棒生长速度对热场温度的调整也能起到指导作用。然而单晶硅结晶过程的动态模型中各个状态量与晶体直径之间的非线性关系复杂,晶体直径的测量噪声幅度也比较大,通过本文设计并实现的UKF解决了这些问题。本文最后一章的研究结果表明,UKF比EKF更加适用于非线性系统的信号处理、状态估计、滤波等。本文同样介绍了几种不同的无味卡尔曼滤波衍生形式,并且通过比较具体实验中不同形式卡尔曼滤波器的状态估计效果,展示了不同σ点集的选取规则与对滤波器性能的影响。(本文来源于《兰州大学》期刊2015-05-01）
刘伟,刘宁[7]（2015）在《一种基于无味滤波的当前统计模型跟踪算法》一文中研究指出当前统计模型是一种有效的机动目标跟踪模型,目前已广泛的应用在雷达机动目标跟踪和多传感器多目标跟踪领域。针对目标强机动条件下非线性特征比较明显的问题,采用当前统计模型与无味滤波相结合的算法对当前统计模型进行了扩展,并以高机动反舰导弹目标跟踪为应用背景进行了仿真验证,证实了该算法的有效性。(本文来源于《数字技术与应用》期刊2015年03期）
李开龙,胡柏青,高敬东,方轩[8]（2015）在《鲁棒四元数无味卡尔曼滤波算法在组合导航姿态估计中的应用》一文中研究指出针对SINS/GPS直接式组合导航姿态估计中,GPS信号易受外界干扰而引入污染观测量等问题,提出基于Huber的鲁棒化四元数无味卡尔曼滤波算法。通过研究在四元数无味卡尔曼滤波算法中引入Huber鲁棒化框架,对原算法的量测更新进行修正,增强滤波算法的鲁棒性与稳定性。以SINS/GPS位置松组合为应用背景,在不同仿真环境下,验证提出算法对姿态信息的估计效果。试验结果表明:与原算法相比,该算法具有更好的鲁棒性和稳定性。(本文来源于《海军工程大学学报》期刊2015年01期）
Chen-hui,XIA,Jian-zhong,FU,Yue-tong,XU,Zi-chen,CHEN[9]（2014）在《基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法研究（英文）》一文中研究指出研究目的:为了缩短机床温升试验时间,提出一种机床热特性快速辨识方法,利用较短时间的温度采样数据即可准确预测出完整的温升曲线,进而获得热平衡时间及稳态温度等热特性参数。创新要点:提出了基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法,其中最短辨识时间判据可以有效解决如何寻找准确辨识热特性参数的最短采样时间问题,而自适应无味卡尔曼滤波则可以实时调整参数,防止外界因素对辨识的干扰。研究方法:由于无味卡尔曼滤波在非线性状态预测和参数辨识上具有优势,所以本文将无味卡尔曼滤波算法应用到机床选点温升辨识上。为了防止辨识过程中的发散退化等问题,将无味卡尔曼滤波发展为自适应无味卡尔曼滤波(图1)。在快速辨识方法上提出了最短辨识时间判据(图2)。文章中又将此算法应用到实际的立式加工中心温升辨识上,证明了该算法的可行性及有效性(图5和6)。最后又将带有自适应调整过程的无味卡尔曼滤波算法和不带调整过程的算法做了对比,显示了自适应调整过程对辨识算法的重要性(图6和11)。重要结论:基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法可以准确快速地辨识出温升曲线,获取热特性参数,将原来394 min的热平衡试验时间缩短,只需28 min即可得到温升变化情况。(本文来源于《Journal of Zhejiang University-Science A(Applied Physics & Engineering)》期刊2014年10期）
裴福俊,李昊洋,武玫[10]（2014）在《基于分布式无味边缘粒子滤波的同步定位与地图构建》一文中研究指出针对复杂环境下同步定位与地图构建(SLAM)中分布式粒子滤波算法存在计算量大、粒子退化严重的问题,在分布式算法的基础上结合无味粒子滤波和边缘化算法,提出了一种基于分布式无味边缘粒子滤波的算法.该算法依据分布式思想将系统分解为多个仅包含部分状态量的子系统,各子系统均采用无味粒子滤波算法进行状态估计,通过边缘化算法优化无味粒子滤波算法的边缘分布函数,主滤波器融合各子滤波器的数据计算最终结果,克服了滤波精度低、计算复杂度高的问题.最后,通过仿真试验证明改进的分布式边缘粒子滤波算法能够抑制粒子退化现象,具有较好的实时性和滤波精度,是解决SLAM的新的有效方法.(本文来源于《上海交通大学学报》期刊2014年07期）
无味滤波论文开题报告
（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：
针对四元数无味卡尔曼滤波计算量较大等问题,提出一种改进的四元数无味卡尔曼滤波算法,通过四元数与修正罗德里格斯参数的线性变换,避免了四元数无味卡尔曼滤波中,四元数与误差罗德里格斯参数频繁切换所带来的计算量增大的问题,从而降低了算法的计算量。推导了修正罗德里格斯参数出现奇异值时,改进四元数无味卡尔曼滤波的奇异值避免的转换公式。在捷联惯性导航系统/全球卫星定位系统(strapdown inertial navigation system/global positioning system,SINS/GPS)直接式位置松组合仿真试验中,对比了乘性扩展卡尔曼滤波、四元数无味卡尔曼滤波和改进四元数无味卡尔曼滤波的估计性能,证明了所提出算法的有效性。
（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。
无味滤波论文参考文献
[1].万伟,张凤云,杨斌.基于交互多模型无味卡尔曼滤波的移动机器人故障诊断[J].湖南文理学院学报(自然科学版).2016
[2].李开龙,胡柏青,常路宾.改进四元数无味卡尔曼滤波算法[J].系统工程与电子技术.2016
[3].丁树宇,刘伟峰,文成林.基于预测判定和无味滤波多目标无源跟踪算法[J].控制工程.2016
[4].李恒,王光宇,秦健.无味卡尔曼滤波算法分析及其应用仿真研究[J].兵工学报.2015
[5].崔延硕.基于无味卡尔曼滤波的超声回波精确定位研究[J].信息通信.2015
[6].乔朝晖.无味卡尔曼滤波在直拉法单晶硅直径控制中的应用研究[D].兰州大学.2015
[7].刘伟,刘宁.一种基于无味滤波的当前统计模型跟踪算法[J].数字技术与应用.2015
[8].李开龙,胡柏青,高敬东,方轩.鲁棒四元数无味卡尔曼滤波算法在组合导航姿态估计中的应用[J].海军工程大学学报.2015
[9].Chen-hui,XIA,Jian-zhong,FU,Yue-tong,XU,Zi-chen,CHEN.基于自适应无味卡尔曼滤波的机床选点温升快速辨识方法研究（英文）[J].JournalofZhejiangUniversity-ScienceA(AppliedPhysics&Engineering).2014
[10].裴福俊,李昊洋,武玫.基于分布式无味边缘粒子滤波的同步定位与地图构建[J].上海交通大学学报.2014