一、带未知时变噪声系统的卡尔曼滤波算法研究（论文文献综述）
周晗[1]（2021）在《多传感器欠观测系统信息融合自适应增量Kalman估值器》文中指出在欠观测条件下,当系统的量测方程无法进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而引起较大的滤波误差。同样的,当状态噪声与量测噪声的统计量未知时,滤波器的性能也会变坏,甚至会导致滤波发散。增量方程的引入可以有效消除系统中所出现的未知量测误差,噪声统计估值器的加入也可在滤波过程中对噪声统计进行实时估计与修正,从而带未知量测误差与未知噪声统计的欠观测系统的状态估计问题可以转换为增量系统的自适应状态估计问题。为进一步提高欠观测系统下噪声统计与状态的估计精度,本文将针对带未知量测误差和未知噪声统计的多传感器欠观测系统。首先,提出一种新的基于新息的噪声统计估计算法,其估计精度要高于已有的改进Sage-Husa自适应算法。所提出的基于新息的自适应增量Kalman滤波算法有效的解决了欠观测条件下系统带未知噪声统计的无偏估计及进一步的状态估计问题。其次,本文结合多传感器分布式加权融合算法,基于线性最小方差意义下的最优融合算法,分别提出了多传感器加权状态融合和加权观测融合的自适应增量Kalman估值器。最后,针对广义CAR模型系统,提出一种基于自适应增量Kalman估值器的观测预报算法,并与加权观测融合算法相结合,能够有效解决多传感欠观测系统下的观测增量的预测与更新。仿真实例证实上述所提算法的有效性与可行性。
石求军[2]（2021）在《基于车辆状态参数估计的商用车气压电子制动主动安全控制策略研究》文中指出随着经济的飞速发展,中国的商用车行业也在蓬勃发展。商用车具有质量大、质心高、体积大等特点,在紧急行驶工况下,车辆容易发生失稳,对车辆的行驶安全性带来巨大的隐患。气压电子制动主动安全控制系统,可以在紧急行驶工况下有效的改善车辆的行驶状态,提高车辆的行驶安全性。因此,基于商用车气压电子制动系统（EBS,Electronic Braking System）对商用车主动安全制动控制进行研究具有重要意义。本文依托国家重点研发计划子课题“面向紧急自动和再生制动的插电式混合动力客车线控制动技术研究”（编号:2018YFB0105905-02）。改进设计了一种商用车气压EBS构型方案,对气压EBS及其关键部件双通道轴调节器的压力响应特性进行AMESim仿真研究。在此基础上设计基于车辆状态参数估计的商用车气压电子制动主动安全控制策略。根据改进设计的商用车气压EBS构型方案搭建了气压EBS主动安全控制硬件在环试验台,并通过该试验台在不同工况下,对基于车辆状态参数估计的商用车气压电子制动主动安全控制策略进行试验研究。本文进行的具体研究工作如下:（1）改进设计一种商用车气压EBS构型方案。通过测试、拆解对该构型方案关键部件双通道轴调节器的内部结构、工作原理及运动学方程进行研究。基于AEMSim仿真软件建立双通道轴调节器和气压EBS的仿真模型,并在此基础上,先研究分析了双通道轴调节器和气压EBS开环压力响应特性;再研究分析了系统关键参数对双通道轴调节器和气压EBS压力响应特性的影响。（2）针对商用车气压电子制动主动安全控制,在估算纵向车速和质心侧偏角时存在估计精度不高、车辆系统非线强耦合、传感器噪声时变未知等问题,设计了改进的强跟踪自适应容积卡尔曼滤波估计器。该估计器以估算精度高的容积卡尔曼滤波算法为基准,然后分别对具有强鲁棒性的改进强跟踪滤波算法和具有自适应估计传感器噪声的Sage-Husa估计器进行融和。最后在不同工况下对改进的强跟踪自适应容积卡尔曼滤波估计器的有效性进行仿真验证。（3）针对车辆模型参数摄动及外界扰动对商用车气压电子制动主动安全控制性能产生影响的问题,以滑模控制理论和非线性扰动观测器理论为主线,分别结合改进的自适应滑模趋近律技术、二阶滑模技术、RBF自适应神经网络技术,设计了商用车气压电子制动主动安全控制的ABS、ESC、RSC控制策略。并在此基础上,根据车辆失稳危险等级程度和侧翻极限阈值,再结合ABS控制策略,设计了商用车气压电子主动安全控制的联合控制策略。（4）在MATLAB/Simulink、Truck Sim、AMESim中,搭建基于车辆状态参数估计的商用车气压电子制动主动安全控制策略联合仿真平台。以MATLAB/Simulink软件为主仿真环境,搭建上述控制策略模型。车辆动力学模型和气压电子制动系统模型分别在Truck Sim和AMESim仿真软件中搭建。最后在不同的仿真工况下,对基于车辆状态参数估计的商用车电子制动主动安全控制策略的可行性和控制精度进行仿真研究分析。仿真研究显示,上述控制策略控制效果较好,能够有效提高车辆行驶安全性。（5）根据商用车气压EBS和实时系统,搭建气压EBS主动安全控制硬件在环试验台。并通过该试验台,在不同工况下对基于车辆状态参数估计的商用车气压电子制动主动安全控制策略进行硬件在环试验研究。硬件在环试验结果更进一步证明了上述控制策略的有效性。
李可[3]（2021）在《未知噪声源下系统状态的贝叶斯估计》文中研究指明系统状态估计是基于一组可以获得的含有噪声的测量值,来估计出隐含于其中或者不可直接测量的系统状态值。状态估计对于保障工程系统的运行安全及效益具有重要作用,而噪声统计信息对系统状态的准确估计尤为重要,对噪声统计信息的错误利用会导致系统状态估计的不准确甚至是滤波发散。本文针对含有未知噪声统计信息的情形,探讨和研究状态估计问题,提出了适用于若干复杂系统的状态估计方法,为实际工程系统的应用提供了一定的理论依据与应用价值。本文的主要工作总结如下:（1）针对一般非线性系统,提出一种可以同时估计出未知的测量噪声协方差与系统状态的滤波器设计方法。通过变分贝叶斯（Variational Bayesian,VB）理论,将系统状态和测量噪声协方差的联合后验概率密度函数（Probability Density Function,PDF）近似为两个独立的概率密度函数。同时,生成一组加权粒子来刻画非线性系统状态的概率密度函数,利用具有共轭特性的逆伽马（Inverse Gamma,IG）分布来描述测量噪声协方差的概率密度函数。（2）针对非线性马尔科夫跳变系统,给出其在测量噪声统计信息未知情况下的联合状态估计方法。将交互式多模型（Interacting Multiple Model,IMM）算法与变分贝叶斯理论结合,处理跳变系统多模态下的状态估计;每一模态下使用一定数量的权重粒子来刻画状态的概率密度函数;同时以逆伽马分布描述测量噪声协方差的概率密度函数。交互式多模型算法与粒子滤波（Particle Filter,PF）的结合保证了每一模态下粒子的数量是固定的,从而避免了计算复杂性与计算量随时间增加的问题。（3）针对线性高维系统,考虑其状态估计所需的巨大计算代价,首先将整个高维系统状态向量划分为多个低维的状态块,并通过最小化Kullback-Leibler（KL）散度来最大程度的减小近似误差。再根据系统动态特性,考虑状态转移矩阵为块对角矩阵与非块对角矩阵两种不同情况下的状态估计问题,结合系统状态变量之间联系的紧密性与状态估计精度的需求,灵活地选择状态块的大小。该算法为含有未知噪声统计信息的高维系统的状态估计提供了理论基础。
费秋玲[4]（2021）在《双线性状态空间系统的辨识方法研究》文中指出大多数实际工业过程在一定程度上都呈现出非线性特性,使用线性模型来拟合系统的动态特性不一定能得到满意的效果,研究非线性系统的辨识方法已经成为必然趋势。双线性状态空间系统作为一类特殊的非线性系统,在形式上关于状态和控制分别是、但又不同时是线性的,具有明显的变结构特性,使得它在描述一些非线性的工业对象时表现出良好的控制性能。论文主要讨论双线性状态空间系统的参数辨识问题,具体研究工作如下:（1）针对传统的梯度迭代算法需要提前采集数据离线执行的问题,结合递推算法和迭代算法的思想,提出一种滑动窗梯度迭代算法（Sliding Window Gradient Iterative,SWGI）来辨识双线性状态空间模型。在SW-GI算法的每一组数据窗内,首先利用GI算法对批数据进行处理得到参数估计,随着数据窗向前移动,新的量测数据用来进一步更新参数估计。对于模型中未知的状态变量,设计双线性状态观测器来计算其估计值,并借助交互式估计理论推导了基于状态观测器的滑动数据窗梯度迭代算法,实现了双线性模型参数和状态的联合估计,通过数值仿真验证了算法的有效性。（2）获得参数的可靠范围是设计系统控制器的关键,然而目前的参数点估计方法难以评估参数的可信程度,针对该问题采用概率分布来描述参数的不确定性,在变分贝叶斯（Variation Bayesian,VB）框架下研究双线性模型参数的分布估计算法。该方法将模型中的未知参数视为随机变量,并给定参数相应的先验分布,从最大化量测数据边缘似然函数的下界出发来求解参数后验分布的最优近似解,进一步提出一种变增益卡尔曼滤波算法来估计系统的状态,推导了基于卡尔曼滤波的变分贝叶斯迭代辨识算法,并和基于状态观测器的辨识算法进行比较,通过数值仿真验证了所提方法能够有效提高参数的估计精度。（3）研究了具有Markov跳变时延的双线性状态空间模型的变分贝叶斯参数估计问题。针对不确定时延问题,采用Markov链来模拟时延之间的相关性。将未知的时延当做隐变量,利用VB算法引入自由分布来近似参数和时延的真实后验分布,将最小化自由分布与真实后验分布的距离问题转化为最大化量测数据边缘似然函数的下界问题,以迭代的方式不断最大化该下界来获取参数和隐变量的近似后验分布,结合提出的变增益卡尔曼滤波算法,实现了模型参数、时延、Markov链转移参数以及状态的联合估计。数值仿真和连续搅拌反应釜仿真的结果说明了算法的有效性。
王艳[5]（2021）在《不确定噪声条件下车载组合导航滤波算法研究》文中进行了进一步梳理导航定位技术是无人车辆实现自动驾驶的核心,全球定位导航系统（Global Positioning System,GPS）和惯性导航系统（Inertial Navigation System,INS）组合导航作为常用的定位导航系统,一定程度上能够满足无人车辆在不同工况下的任务需求。但在实际应用中,由于外部量测敏感器系统存在不可忽略的误差信息,导致GPS/INS组合导航系统的定位精度下降。为进一步提高导航系统的估计精度,本文针对噪声不确定条件下的导航系统状态估计问题,设计了相应的滤波算法。具体研究内容如下:1)由于GPS/INS导航系统中量测噪声信息未知,一旦噪声先验与真实噪声统计特性不一致,将导致系统滤波精度下降的问题,本文提出一种基于变分贝叶斯容积卡尔曼滤波算法。该算法假设量测噪声服从均值为零,方差为未知参数逆Gamma的高斯分布。该算法将系统状态和噪声参数一起作为待估计的变量,通过因式分解的自由形式分布近似状态和噪声方差的联合后验分布,利用变分贝叶斯理论估计噪声参数,采用容积卡尔曼滤波算法估计状态,以获得系统最优解。2)INS的位置信息在测量过程中易受到外界未知环境的干扰,其量测噪声特性表现为一种区间有界的不确定性。针对GPS/INS导航系统中噪声有界条件下的滤波问题,本文采用集员滤波算法对系统进行状态估计。该算法以包含系统真实状态的外定界椭球集合为基础,采用Minkowski和进行求和运算,结合系统模型求得系统状态的可行解。3)在组合导航系统中,由于元器件的误差漂移、载体机动引起的误差以及外部环境不确定因素的影响,难以采用随机或有界噪声对其进行统一描述。针对GPS/INS导航系统中随机噪声和有界噪声共存情形下的滤波问题,本文提出变分贝叶斯期望最大滤波算法。该算法采用高斯混合模型对双重不确定噪声进行统一表示,并构建了系统状态和噪声模型参数的联合概率密度函数。通过变分贝叶斯期望方法估计系统状态;采用变分贝叶斯最大化方法更新高斯混合参数。为验证本文所提算法的合理性与有效性,与相关滤波算法作对比仿真实验。实验结果表明本文所提算法有效提高了组合导航系统的定位精度。
马光鹏[6]（2021）在《多传感器欠观测广义系统信息融合增量Kalman滤波器》文中研究指明随着广义系统理论被普遍的应用于机械计算机辅助模型、航空航天等领域,广义系统状态估计问题也得到了广泛的关注。提到状态估计就会想到Kalman滤波,因为此方法发展较为完善,也便于借助计算机仿真实验。还有提高估计精度也是需要考虑的问题,那么信息融合理论就应运出现,在多传感器信息融合状态估计问题的研究中,借助Kalman滤波算法的加权观测融合算法是一种全局最优分布式融合算法,计算量较小。该算法能够进一步提高系统的估值精度,尽管Kalman滤波已相当完善但自身还有缺陷没有得到解决,例如Kalman滤波算法必须在模型参数精确和白噪声的条件下才能进行正常工作。实际中很难保证有这种条件,则这会导致系统产生未知误差。Kalman滤波算法没有能力消除这类系统误差。所以针对带未知参数欠观测广义系统的状态估计问题,本文进行基于增量观测方程的欠观测广义系统增量Kalman估值算法和融合算法的相关研究,内容包括:基于线性离散广义系统的一种增量方程,分别推导两种典范型的欠观测广义系统增量Kalman估值算法和多传感器系统的两种典范型融合增量Kalman估值算法。针对增量观测方程带有色噪声时的估计问题,提出带有色噪声欠观测广义增量Kalman估值算法和带有色噪声多传感器欠观测广义融合增量Kalman估值算法。上述算法都给出仿真实例,结果能证明其实用性和优越性。
莫明岗[7]（2020）在《旋转制导炮弹用惯性导航系统空中对准方法研究》文中指出相对于常规炮弹,旋转制导炮弹具有打击精确化、作战远程化、使用灵活化等优势,是未来军队的核心主战装备。惯性导航系统作为旋转制导炮弹的核心设备,在空中动基座对准时面临着对准时间较短、传感器生存概率较低、动力学环境较为复杂等诸多难题。因此,旋转制导炮弹用惯性导航系统空中对准方法成为影响旋转制导炮弹性能的关键技术。为进一步提高旋转制导炮弹用惯性导航系统空中动基座对准性能与可靠性,提高旋转制导炮弹用惯性导航系统空中动基座对准算法的系统适应性,论文针对旋转制导炮弹用惯导系统的误差建模及补偿方法、基于惯性解算的粗对准方法、高动态条件下精对准方法、基于旋转弹体惯性信息特征的空中动基座对准方法、无线电信标辅助下的空中动基座对准方法等五个方面展开研究,主要研究工作如下:针对旋转制导炮弹用惯性导航系统的传感器特性与使用环境特点,开展了制导炮弹用惯性导航系统动态误差补偿方法的研究,提出了基于Allan方差的随机误差建模及补偿方法,同时针对旋转炮弹的飞行特性开展旋转弹高动态条件下的误差补偿方法研究,提出了简化的尺寸效应补偿算法,该算法在满足系统性能的前提下降低了尺寸效应补偿算法的运算量,提高了系统运行效率。针对线加速扰动导致现有晃动基座粗对准算法失效的问题,提出卫星导航信息辅助下的动基座对准方法,以消除有害线加速度对粗对准结果的影响。基于以上工作,结合旋转炮弹的惯性误差特性,提出炮弹旋转周期辅助下的改进的粗对准算法,该算法将定周期粗对准优化为与炮弹旋转周期一致的变周期粗对准,以消除炮弹旋转对粗对准结果的影响,减小粗对准姿态误差。针对传统的可观测性判决方法难以对对准状态进行准确判决的问题,提出基于奇异值分解（SVD）的对准模型可观测性分析算法,采用PWCS方法对对准阶段处于时变状态的惯导系统进行可观测性分析,实现对当前滤波估计状态的准确判断;针对系统非线性导致的对准精度差的问题,提出了基于噪声估计的自适应卡尔曼滤波估计算法,用带有未知时变噪声统计的虚拟噪声补偿线性化模型误差,提高非线性系统状态估计精度。针对炮射大过载环境下,旋转制导炮弹用惯性导航系统的惯性传感器生存概率较低导致系统失效无法进行对准的问题,开展了基于旋转弹体惯性信息特征的空中动基座对准方法研究。根据旋转炮弹的动力学特性并结合载波相位跟踪方法,提出了基于载波相位跟踪的滚动角对准方法,结合环路阶数选取策略以及相关累加时间选取策略对算法进行优化,经过仿真分析该方法可在单个Y轴陀螺或Z轴陀螺存活的条件下实现滚动角的快速对准;为进一步提高算法的适应性,充分利用Y轴陀螺或Z轴陀螺的信息,提出并行双路跟踪滚动角对准方法,同时对Y轴陀螺与Z轴陀螺的输出结果进行跟踪,利用基于噪底估计的最优化滚动角跟踪结果优选算法,得到最优的滚动角跟踪结果,仿真结果表明该方法可自适应地对异常跟踪结果进行剔除,并输出最优的滚动角跟踪结果,进一步提高制导炮弹用惯性导航系统对复杂力学环境的适应性与可靠性。针对炮射大过载环境下,非旋转炮弹传感器故障或旋转炮弹只有X轴陀螺存活的条件下现有方法无法实现惯导对准的问题,开展了无线电信标辅助下的空中动基座对准方法研究,给出了无线电信标辅助下空中动基座对准的数学模型,并进行仿真分析;针对单信标辅助下的空中动基座对准存在的二值性问题,提出了航迹俯仰角辅助下基于死区判决的动基座对准算法,仿真结果表明,航迹俯仰角辅助下的基于“死区”判决的动基座对准算法,可在单信标辅助的条件下实现对惯导的准确对准,并抑制二值性对滚动角对准精度的影响,提高制导炮弹用惯性导航系统的易用性,降低无线电信标辅助下制导炮弹用惯性导航系统的保障难度与实现复杂度。
程甘志[8]（2020）在《高超声速飞行器的定位与轨迹预测》文中研究说明近年来,随着各大强国航空航天技术的飞速发展,临近空间高超声速飞行器以其飞行速度快,机动性能好,突防能力强,具备快速精准打击、远程投送等特点而日益备受关注。这些特性使得对该类目标的探测、拦截面临巨大挑战,各国国防安全受到了严重威胁,因而研究高超声速飞行器的定位与轨迹预测具有重要意义。然而因其在飞行过程中引入外力,气动力分析复杂,飞行弹道脱离惯性弹道,导致其状态难以预测。另外,其飞行速度快,飞行轨迹也复杂多变,运动模型难以确定导致了预测模型的不确定性。本文将理论分析与仿真实验相结合、以先定位后预测的研究构架,结合仿真模拟的高超声速飞行器数据,对高超声速飞行器的定位与轨迹预测研究如下:1、理解分析了目标飞行器的弹道特性,得到飞行器纵向运动方程组,利用四阶龙格库塔法求解运动方程,将求解得到的经纬度以及高度通过坐标转换成地惯坐标系下的空间直角坐标,为飞行器的定位与轨迹预测提供数据基础。2、针对地面雷达对带有机动的飞行器探测预警难、易受地球曲率影响等问题,研究了基于双星观测系统的目标定位方法。将飞行器三维坐标数据做成星历文件导入STK中,建立了跳跃滑翔高超声速飞行器的弹道模型,搭建了基于双星系统的目标观测场景,得到了地惯系下平台与目标间的观测矢量模型,利用双星观测系统对于目标的新型几何定位算法,推导出了地惯系下的目标定位模型,并使用蒙特卡罗法获得了目标定位误差分布,实现了对高超声速飞行器的定位。仿真结果表明,该算法将目标定位误差控制在10%以内,目标位置的定位精度平均值达到公里量级以下,证明了该算法的有效性。3、针对高超声速飞行器机动能力强、运动特征复杂以及目标先验知识掌握情况不同等问题,本文采用基于动力学模型和运动学模型两种轨迹预测方法。前者通过分析高超声速飞行器在滑翔阶段的受力情况并合理地简化条件,得到简化的动力学模型,求解微分方程获得了运动轨迹的解析形式,实现了较长时间的轨迹预测。后者针对非弹道式高超声速飞行器周期跳跃的运动特点,结合Singer运动模型,利用改进的UKF算法对目标运动状态进行跟踪估计,该算法通过引入调节因子mk、nk加强了滤波器的跟踪性能并且减小了状态滤波的初始值误差以及状态方程扰动误差对滤波结果的影响。仿真结果表明,对比于传统算法,改进后的自适应UKF算法具有较好的跟踪精度和稳定性能。利用滤波后的目标状态估计值以及DPA+LA的加速度拟合曲线,进一步递推目标飞行器轨迹。经仿真实验表明,该方法预测误差在1km范围内。
刘炳辰[9]（2020）在《改进容积卡尔曼滤波的PMLSM无传感控制研究》文中研究表明永磁直线同步电机（PMLSM）凭借其高推力密度、高功率、低损耗及快速动态响应等优势,在现代的工业生产、交通运输、舰载机提升、电磁弹射及物流分拣等多领域应用广泛,其控制策略受到国内外研究学者的广泛关注。传统的高精度闭环控制采用的是机械式的传感器对电机的速度及位置信号进行采集,但机械式传感器的增加会带来诸多的问题,如增加电机安装的尺寸和驱动系统安装成本,且其在恶劣工作环境下难以正常运行,对控制系统的可靠性及动、静态特性产生严重影响。因而,无传感控制技术可以很好地解决上述问题,实现电机的高精度控制。本文结合应用于非线性状态估计较为广泛的容积卡尔曼滤波算法（CKF）搭建PMLSM的无传感矢量控制系统,仿真试验结果表明该算法的有效性。由于标准CKF算法缺乏应对噪声变化的自适应能力及状态协方差阵易失去正定性造成的滤波精度降低及滤波发散缺陷,实际转速和估计转速之间存在较大的估计误差。针对上述问题,为提高电机状态估计的精度,在CKF的基础上结合平方根滤波算法及噪声统计估值器,构建一种自适应平方根容积卡尔曼滤波算法（ASRCKF）应用在PMLSM的无传感控制,该方法能够保证滤波过程中状态协方差阵的非负定性,同时具有应对噪声变化的自适应能力。当系统的状态维数较高时,对其噪声的协方差阵进行改进,采用时变有偏的噪声协方差阵估计器,能够保证滤波过程中噪声协方差阵始终保证非负定性,通过两种情况仿真算例验证该算法的有效性。利用改进的容积卡尔曼滤波算法,搭建基于改进CKF的PMLSM无传感控制系统,仿真实验结果表明,改进CKF在永磁直线同步电机速度和位置的状态估计精度上有明显的提高,在负载突变前、后的最大跟踪误差百分比分别为0.4286%、0.1468%,稳定跟踪后误差百分比为0.0457%,且滤波结构的稳定性也有很大提高,在电机的负载发生突变的条件下也能够较快跟踪。
杨宇航[10]（2020）在《基于神经网络的状态和参数估计算法研究》文中进行了进一步梳理经过几十年的发展,神经网络以其出色的自学习能力,强大的非线性映射能力、容错性高、鲁棒性强、并行计算信息处理方式等特点,已在众多领域得到广泛应用。而如何将神经网络这一优势技术应用到控制学科则逐渐成为众多相关领域的研究重点,本文旨在通过神经网络的学习能力和映射能力,提高相应算法的性能指标（例:精度、速度等）。线性神经网络作为神经网络发展过程中的重要成果,本文将其与卡尔曼滤波算法耦合,并将其应用到受控状态空间模型的参数辨识和状态估计,相比于常规辨识算法（例:递推增广最小二乘算法）,新算法收敛更快、曲线更光滑,精度更高、误差更小。由于实际情况中存在诸多限制,导致不易获得系统精确模型和噪声特性,使得滤波算法收敛较慢,甚至发散。为改善这一情况,本文引入以误差反向传播算法作为权值训练算法的多层前馈网络。其中,BP神经网络是前馈型网络中最常用的模型,但该网络也存在诸多限制,例:网络效果对初始设计参数敏感,因此文章采用了自适应学习率、粒子群优化等算法弥补上述不足。仿真实验分为线性模型和非线性模型,其中线性模型实现融合状态估值器和自校正融合状态估值器。融合状态估值器的算法流程为:通过神经网络修正各传感器的状态估值,引入最优融合准则和平均数加权算法,获得基于神经网络的融合状态估值。相比于上述过程,自校正部分多出两个步骤,其一,利用辨识算法获得系统模型参数,其二,通过粒子群算法优化网络设计参数。非线性模型实现融合状态估值器,在传统扩展卡尔曼滤波基础上同时引入多新息算法和遗忘因子,仿真结果来看,文章提出算法均可减小估计误差,在一定程度上提高估值精度。当网络拓扑结构复杂时,互协方差阵不易计算,为提高卡尔曼一致性滤波算法的估计精度,借鉴融合估计算法的思路,利用多传感器协方差交叉融合算法作为融合准则,相比于卡尔曼一致性滤波算法,在算法结构中引入融合准则的算法估计精度更高。为进一步提高算法精度,利用融合后的状态估值和误差阵进行状态更新和误差阵更新。仿真结果显示该结构虽在一定程度上增加计算量,但仍在可接受的范围内,且相比于融合算法,反馈式结构仍可进一步改进算法。由于反馈型神经网络具有较快的收敛速度、较好的稳定性,且易于硬件实现,更好的稳定性。因此,在卡尔曼一致性算法的基础上,文章同时引入协方差交叉融合算法和Elman网络,其中融合算法提高估计精度,神经网络修正滤波值,从仿真结果可看出,神经网络的引入,确实在一定程度上提高算法的精度和收敛速度。
二、带未知时变噪声系统的卡尔曼滤波算法研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、带未知时变噪声系统的卡尔曼滤波算法研究（论文提纲范文）
（1）多传感器欠观测系统信息融合自适应增量Kalman估值器（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 课题研究现状及发展趋势 |
| 1.2.1 自适应增量Kalman滤波研究进展 |
| 1.2.2 多传感器信息融合技术的发展 |
| 1.3 预备知识 |
| 1.3.1 典型的欠观测系统 |
| 1.3.2 射影理论与新息序列 |
| 1.3.3 状态融合估计算法 |
| 1.3.4 观测融合估计算法 |
| 1.4 本文主要研究内容 |
| 第2章 单传感器欠观测系统自适应增量Kalman估值器 |
| 2.1 引言 |
| 2.2 问题阐述 |
| 2.3 自适应增量Kalman估值器 |
| 2.3.1 改进的Sage-Husa自适应增量Kalman估值器 |
| 2.3.2 基于新息的自适应增量Kalman估值器 |
| 2.3.3 最佳遗忘因子的选取 |
| 2.4 仿真研究 |
| 2.5 本章小结 |
| 第3章 多传感器欠观测系统自适应增量Kalman估值器 |
| 3.1 引言 |
| 3.2 问题阐述 |
| 3.3 加权状态融合自适应增量Kalman估值器 |
| 3.3.1 按矩阵加权融合自适应增量Kalman估值器 |
| 3.3.2 按标量加权融合自适应增量Kalman估值器 |
| 3.3.3 按对角阵加权融合自适应增量Kalman估值器 |
| 3.4 加权观测融合自适应增量Kalman估值器 |
| 3.5 仿真研究 |
| 3.6 本章小结 |
| 第4章 多传感器带未知时变参数的自适应增量Kalman预报器 |
| 4.1 引言 |
| 4.2 问题阐述 |
| 4.3 自适应增量观测预报器 |
| 4.4 加权观测融合自适应增量观测预报器 |
| 4.5 仿真研究 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文 |
（2）基于车辆状态参数估计的商用车气压电子制动主动安全控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号及缩略词说明 |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 商用车气压电子制动国内外研究现状 |
| 1.2.2 商用车车辆状态参数估计国内外研究现状 |
| 1.2.3 汽车主动安全控制策略国内外研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 商用车气压电子制动系统响应特性仿真研究 |
| 2.1 商用车气压电子制动构型方案 |
| 2.2 商用车气压电子制动系统仿真模型 |
| 2.2.1 双通道轴调节器 |
| 2.2.2 制动管路 |
| 2.2.3 制动气室 |
| 2.2.4 制动器 |
| 2.3 系统参数对气压电子制动响应特性影响分析 |
| 2.4 本章小结 |
| 第3章 商用车气压电子制动主动安全控制车辆状态参数估计 |
| 3.1 车辆状态参数估计动力学建模 |
| 3.2 基于改进强跟踪自适应容积卡尔曼滤波车辆状态参数估计 |
| 3.3 典型工况车辆状态参数估计仿真 |
| 3.3.1 不同附着系数路面制动仿真 |
| 3.3.2 双移线转向仿真 |
| 3.3.3 J-turn和鱼钩转向仿真 |
| 3.4 本章小结 |
| 第4章 商用车气压电子制动主动安全控制策略研究 |
| 4.1 气压电子制动主动安全控制策略总体架构 |
| 4.2 气压电子制动执行机构双重逻辑门限值控制策略研究 |
| 4.3 基于非线性扰动观测的主动安全滑模控制策略研究 |
| 4.3.1 制动防抱死改进型自适应滑模控制策略研究 |
| 4.3.2 横摆稳定性二阶滑模控制策略研究 |
| 4.3.3 防侧翻径向基神经网络自适应滑模控制策略研究 |
| 4.3.4 主动安全联合控制策略研究 |
| 4.4 本章小结 |
| 第5章 商用车气压电子制动主动安全控制策略仿真研究 |
| 5.1 商用车气压电子制动主动安全控制仿真平台架构 |
| 5.2 商用车气压电子制动执行机构控制策略仿真研究 |
| 5.2.1 阶跃工况仿真研究 |
| 5.2.2 正弦工况仿真研究 |
| 5.3 商用车气压电子制动主动安全控制策略仿真研究 |
| 5.3.1 制动防抱死控制策略仿真研究 |
| 5.3.2 横摆稳定性控制策略仿真研究 |
| 5.3.3 防侧翻控制策略仿真研究 |
| 5.3.4 联合控制策略仿真研究 |
| 5.4 本章小结 |
| 第6章 商用车气压电子制动主动安全控制策略台架试验研究 |
| 6.1 商用车气压电子制动主动安全硬件在环试验台 |
| 6.2 商用车气压电子制动系统执行机构响应特性试验研究 |
| 6.2.1 开环响应特性试验研究 |
| 6.2.2 闭环响应特性试验研究 |
| 6.3 商用车气压电子制动主动安全控制策略硬件在环试验研究 |
| 6.3.1 制动防抱死控制策略硬件在环试验研究 |
| 6.3.2 横摆稳定性控制策略硬件在环试验研究 |
| 6.3.3 防侧翻控制硬件在环试验研究 |
| 6.3.4 主动安全联合控制策略硬件在环试验研究 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 创新点 |
| 7.3 工作展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（3）未知噪声源下系统状态的贝叶斯估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 一般系统的状态估计 |
| 1.2.2 跳变系统的状态估计 |
| 1.2.3 高维系统的状态估计 |
| 1.3 基础知识及算法简介 |
| 1.3.1 贝叶斯估计 |
| 1.3.2 变分贝叶斯理论 |
| 1.3.3 卡尔曼滤波 |
| 1.3.4 粒子滤波 |
| 1.3.5 交互式多模型算法 |
| 1.4 本文主要研究内容 |
| 第二章 含有未知噪声统计信息的一般非线性系统的状态估计 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 变分贝叶斯近似 |
| 2.4 非线性系统的滤波器设计 |
| 2.5 仿真验证 |
| 2.5.1 数值仿真 |
| 2.5.2 CSTR系统仿真 |
| 2.6 本章小结 |
| 第三章 含有未知噪声统计信息的非线性跳变系统的状态估计 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 变分贝叶斯近似 |
| 3.4 跳变系统的滤波器设计 |
| 3.5 仿真验证 |
| 3.5.1 数值仿真 |
| 3.5.2 隧道二极管电路系统仿真 |
| 3.6 本章小结 |
| 第四章 含有未知噪声统计信息的线性高维系统的快速状态估计 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 变分贝叶斯近似 |
| 4.4 高维系统的滤波器设计 |
| 4.4.1 状态转移矩阵为块对角矩阵 |
| 4.4.2 状态转移矩阵为非块对角矩阵 |
| 4.5 仿真验证 |
| 4.5.1 数值仿真 |
| 4.5.2 实际工业过程系统仿真 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录: 作者在攻读硕士学位期间发表的论文 |
（4）双线性状态空间系统的辨识方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题的提出与研究意义 |
| 1.2 非线性系统辨识研究现状 |
| 1.3 相关参数估计算法 |
| 1.4 论文主要研究内容 |
| 第二章 基于状态观测器的滑动窗梯度迭代辨识算法 |
| 2.1 引言 |
| 2.2 系统描述与辨识模型 |
| 2.3 观测器状态估计算法 |
| 2.4 递推辨识算法与迭代辨识算法 |
| 2.4.1 随机梯度辨识算法 |
| 2.4.2 梯度迭代辨识算法 |
| 2.4.3 滑动窗梯度迭代辨识算法 |
| 2.5 数值仿真 |
| 2.6 本章小结 |
| 第三章 基于卡尔曼滤波的变分贝叶斯迭代辨识算法 |
| 3.1 引言 |
| 3.2 系统描述与辨识模型 |
| 3.3 变分贝叶斯参数估计 |
| 3.3.1 参数后验分布估计 |
| 3.3.2 基于卡尔曼滤波的状态估计 |
| 3.3.3 算法总结 |
| 3.4 数值仿真 |
| 3.5 本章小结 |
| 第四章 具有Markov跳变时延的双线性系统的变分贝叶斯算法 |
| 4.1 引言 |
| 4.2 系统描述与辨识模型 |
| 4.3 变分贝叶斯参数估计 |
| 4.3.1 参数先验信息 |
| 4.3.2 参数后验分布估计 |
| 4.3.3 基于卡尔曼滤波的状态估计 |
| 4.3.4 算法总结 |
| 4.4 仿真 |
| 4.4.1 数值仿真 |
| 4.4.2 连续搅拌反应釜仿真 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录: 攻读硕士期间发表的论文 |
（5）不确定噪声条件下车载组合导航滤波算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 组合导航系统的国内外研究现状 |
| 1.2.1 GPS/INS组合导航系统发展现状 |
| 1.2.2 GPS/INS组合导航滤波算法研究现状 |
| 1.3 本文主要研究内容及组织结构 |
| 2 组合导航系统的非线性误差模型和相关基础知识 |
| 2.1 引言 |
| 2.2 组合导航系统的非线性误差模型 |
| 2.3 常用滤波算法 |
| 2.3.1 贝叶斯理论 |
| 2.3.2 贝叶斯滤波非线性滤波器 |
| 2.3.3 仿真结果对比 |
| 2.4 容积卡尔曼滤波算法研究 |
| 2.4.1 球面径向法则 |
| 2.4.2 容积卡尔曼滤波算法 |
| 2.5 组合导航系统滤波算法体系框架 |
| 2.5.1 组合导航系统的噪声分析 |
| 2.5.2 滤波算法体系框架 |
| 2.6 本章小结 |
| 3 基于变分贝叶斯理论的容积卡尔曼滤波算法 |
| 3.1 引言 |
| 3.2 变分贝叶斯理论 |
| 3.3 基于变分贝叶斯理论的容积卡尔曼滤波 |
| 3.4 仿真结果及性能分析 |
| 3.5 本章小结 |
| 4 有界噪声条件下的集员滤波算法 |
| 4.1 引言 |
| 4.2 椭球集相关知识 |
| 4.2.1 椭球集合及其运算性质 |
| 4.2.2 最优准则 |
| 4.3 集员滤波算法 |
| 4.4 仿真结果及性能分析 |
| 4.5 本章小结 |
| 5 双重不确定噪声条件下的变分期望最大滤波算法 |
| 5.1 引言 |
| 5.2 系统模型 |
| 5.2.1 导航模型 |
| 5.2.2 噪声模型 |
| 5.3 混合噪声条件下的变分期望最大滤波算法研究 |
| 5.3.1 VBE步 |
| 5.3.2 VBM步 |
| 5.3.3 算法分析与性能验证 |
| 5.4 仿真结果及性能分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 常用数学分布及其对数函数表达式 |
| 攻读硕士学位期间发表的论文及成果 |
| 致谢 |
（6）多传感器欠观测广义系统信息融合增量Kalman滤波器（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.2 Kalman滤波的研究现状 |
| 1.3 增量Kalman滤波的应用实例 |
| 1.4 广义系统信息融合估计现状 |
| 1.5 研究主要内容 |
| 第2章 欠观测广义系统的增量观测模型 |
| 2.1 论文预备知识 |
| 2.1.1 射影定理和新息序列 |
| 2.1.2 集中式和分布式融合方法 |
| 2.2 广义系统正常化 |
| 2.2.1 奇异值分解子系统1 |
| 2.2.2 奇异值分解子系统2 |
| 2.3 增量观测系统 |
| 2.4 本章小结 |
| 第3章 欠观测广义系统增量Kalman估值器 |
| 3.1 引言 |
| 3.2 广义系统增量Kalman估值器 |
| 3.2.1 典范型1 |
| 3.2.2 典范型2 |
| 3.3 仿真研究 |
| 3.3.1 仿真实例1 |
| 3.3.2 仿真实例2 |
| 3.4 本章小结 |
| 第4章 多传感器欠观测广义系统信息融合增量Kalman估值器 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 局部估值器 |
| 4.3.1 基于典范型1 局部Kalman估值器 |
| 4.3.2 基于典范型2 局部Kalman估值器 |
| 4.4 多传感器加权观测融合Kalman估值器 |
| 4.4.1 基于典范型1 加权观测融合 |
| 4.4.2 基于典范型2 加权观测融合 |
| 4.5 仿真研究 |
| 4.5.1 仿真研究1 |
| 4.5.2 仿真研究2 |
| 4.6 本章小结 |
| 第5章 带有色噪声的欠观测广义系统增量Kalman估值器 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 带有色噪声广义增量算法 |
| 5.4 带有色噪声的多传感器广义增量Kalman估值器 |
| 5.4.1 局部增量Kalman估值器 |
| 5.4.2 加权观测融合广义增量Kalman估值器 |
| 5.5 仿真研究 |
| 5.5.1 仿真实例1 |
| 5.5.2 仿真实例2 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得学术成果 |
（7）旋转制导炮弹用惯性导航系统空中对准方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景和意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 粗对准方法研究现状 |
| 1.2.2 姿态精对准方法研究现状 |
| 1.2.3 无线电测向辅助测姿技术 |
| 1.3 论文研究内容与章节安排 |
| 第2章 旋转制导炮弹用惯导系统的误差建模及补偿方法 |
| 2.1 引言 |
| 2.2 制导炮弹用惯导系统的温度误差补偿方法 |
| 2.3 基于Allan方差的随机误差建模及补偿方法 |
| 2.4 旋转弹高动态条件下的误差补偿方法 |
| 2.5 本章小结 |
| 第3章 基于惯性解算的粗对准方法研究 |
| 3.1 引言 |
| 3.2 惯导常用坐标系定义 |
| 3.3 基于惯性解算的粗对准算法基本原理及理论推导 |
| 3.4 基于惯性解算的粗对准算法仿真分析 |
| 3.5 基于炮弹旋转周期辅助下的改进粗对准算法 |
| 3.5.1 炮弹旋转周期辅助下的优化粗对准算法 |
| 3.5.2 优化设计后的算法仿真分析 |
| 3.6 本章小结 |
| 第4章 高动态条件下精对准方法研究 |
| 4.1 引言 |
| 4.2 组合导航精对准结构 |
| 4.3 精对准滤波器模型 |
| 4.4 基于奇异值分解(SVD)的对准模型可观测性分析 |
| 4.4.1 基于奇异值分解(SVD)的制导炮弹对准模型PWCS分析 |
| 4.4.2 可观测性分析 |
| 4.5 基于噪声估计的自适应卡尔曼滤波估计算法 |
| 4.6 本章小结 |
| 第5章 基于旋转弹体惯性信息特征的空中动基座对准方法研究 |
| 5.1 引言 |
| 5.2 旋转弹体惯性信息特征 |
| 5.3 锁相环原理及环路滤波器阶数选取 |
| 5.4 基于载波相位跟踪的滚动角对准方法 |
| 5.4.1 基于载波相位跟踪的滚动角对准方法 |
| 5.4.2 鉴相器设计原理 |
| 5.4.3 仿真分析 |
| 5.5 动态相关累加时间辅助下的滚动角对准方法 |
| 5.5.1 固定相关累加时间影响分析 |
| 5.5.2 动态相关累加时间辅助下的基于环路滤波器的滚动角对准算法 |
| 5.5.3 仿真分析 |
| 5.6 基于自适应变阶数环路滤波器的滚动角对准方法 |
| 5.6.1 X轴陀螺故障条件下环路跟踪特性 |
| 5.6.2 基于自适应变阶数环路滤波器的滚动角对准算法 |
| 5.6.3 仿真分析 |
| 5.7 并行双路跟踪滚动角对准方法 |
| 5.7.1 多路信息融合提高系统鲁棒性 |
| 5.7.2 并行双路跟踪滚动角对准方法 |
| 5.7.3 仿真分析 |
| 5.8 本章小结 |
| 第6章 无线电信标辅助下的空中动基座对准方法研究 |
| 6.1 引言 |
| 6.2 基于天线阵列的无线电信标测向原理 |
| 6.3 无线电信标辅助下的空中动基座对准方法原理 |
| 6.4 多信标辅助下的空中动基座对准算法 |
| 6.4.1 多信标辅助下的空中动基座姿态角计算方法 |
| 6.4.2 多信标辅助下的空中动基座对准算法 |
| 6.4.3 仿真分析 |
| 6.5 单信标辅助下的空中动基座对准算法 |
| 6.5.1 单信标辅助下的空中动基座对准姿态角计算二值性 |
| 6.5.2 航迹俯仰角辅助下基于死区判决的动基座对准算法 |
| 6.5.3 仿真分析 |
| 6.6 本章小结 |
| 第7章 试验验证 |
| 7.1 引言 |
| 7.2 试验仪器设备及试验方法 |
| 7.3 改进的基于惯性解算的初始对准算法跑车试验结果与分析 |
| 7.4 基于噪声估计的自适应卡尔曼滤波算法跑车试验结果与分析 |
| 7.5 基于旋转弹体惯性信息特征的空中动基座对准算法跑车试验结果与分析 |
| 7.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（8）高超声速飞行器的定位与轨迹预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高超声速飞行器发展概述 |
| 1.2.2 高超声速飞行器定位跟踪技术的研究现状 |
| 1.2.3 高超声速飞行器轨迹预测的发展现状 |
| 1.3 主要工作与内容安排 |
| 第二章 高超声速飞行器定位原理与轨迹预测的理论基础 |
| 2.1 高超声速飞行器的运动模型 |
| 2.1.1 高超声速飞行器运动方程 |
| 2.1.2 高超声速飞行器运动特性分析 |
| 2.2 卫星定位原理 |
| 2.2.1 卫星定位的可观测性分析 |
| 2.2.2 双星定位原理 |
| 2.3 用于轨迹预测的理论基础 |
| 2.3.1 动力学模型 |
| 2.3.2 动力学方程 |
| 2.3.3 运动学模型 |
| 2.3.4 常用非线性滤波算法原理 |
| 2.3.5 无迹卡尔曼滤波 |
| 2.4 本章小结 |
| 第三章 基于双星观测系统的高超声速飞行器的定位 |
| 3.1 目标几何定位算法 |
| 3.2 STK目标观测场景的搭建 |
| 3.2.1 walker星座的选择 |
| 3.2.2 目标星历文件 |
| 3.3 实验及分析 |
| 3.3.1 仿真实验 |
| 3.3.2 影响目标定位精度因素的分析 |
| 3.4 本章小结 |
| 第四章 基于两种不同模型的高超声速飞行器的轨迹预测 |
| 4.1 基于动力学模型的高超声速飞行器的轨迹预测 |
| 4.1.1 动力学模型的建模 |
| 4.1.2 简化动力学模型 |
| 4.1.3 求解预测模型 |
| 4.1.4 实验及预测精度分析 |
| 4.2 基于运动学模型的高超声速飞行器的轨迹预测 |
| 4.2.1 时变噪声统计估计器 |
| 4.2.2 基于双因子加强的自适应无迹卡尔曼跟踪滤波算法 |
| 4.2.3 基于CS模型的扩展卡尔曼算法仿真实验 |
| 4.2.4 基于Singer模型的改进无迹卡尔曼算法实验以及仿真分析 |
| 4.2.5 目标轨迹外推及预测精度分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）改进容积卡尔曼滤波的PMLSM无传感控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 永磁直线同步电机控制策略概述 |
| 1.2.1 恒压频比控制 |
| 1.2.2 矢量控制 |
| 1.2.3 直接转矩控制 |
| 1.3 无位置传感器控制技术的发展 |
| 1.4 本文的主要研究内容 |
| 2 PMLSM数学模型及矢量控制系统 |
| 2.1 PMLSM的结构 |
| 2.2 坐标变换 |
| 2.3 永磁直线同步电机数学模型 |
| 2.3.1 三相静止坐标系a-b-c下的电机方程 |
| 2.3.2 两相静止坐标系α-β下的电机方程 |
| 2.3.3 两相旋转坐标系d-q下的电机方程 |
| 2.4 PMLSM矢量控制系统 |
| 2.5 空间矢量脉宽调制技术(SVPWM) |
| 2.5.1 电压空间矢量扇区判断 |
| 2.5.2 非零电压空间矢量的作用时间计算 |
| 2.5.3 切换时间计算 |
| 2.6 矢量控制系统的仿真分析 |
| 2.6.1 矢量控制系统中其他各主要模块 |
| 2.6.2 系统仿真结果分析 |
| 2.7 本章小结 |
| 3 容积卡尔曼滤波PMLSM无传感控制 |
| 3.1 卡尔曼滤波算法 |
| 3.2 容积卡尔曼滤波原理 |
| 3.3 PMLSM的状态空间方程 |
| 3.4 PMLSM的 CKF无传感矢量控制系统仿真 |
| 3.5 本章小结 |
| 4 改进的容积卡尔曼滤波状态估计 |
| 4.1 平方根容积卡尔曼滤波算法 |
| 4.1.1 动态离散状态空间描述 |
| 4.1.2 平方根容积卡尔曼滤波算法 |
| 4.2 自适应平方根容积卡尔曼滤波算法 |
| 4.2.1 常值噪声统计估值器 |
| 4.2.2 时变噪声统计估值器 |
| 4.3 抑制ASRCKF发散的改进方法 |
| 4.4 仿真实验分析 |
| 4.4.1 一阶非线性离散动态系统仿真 |
| 4.4.2 三阶非线性离散动态系统仿真 |
| 4.5 本章小结 |
| 5 改进容积卡尔曼PMLSM无传感控制 |
| 5.1 改进容积卡尔曼滤波算法 |
| 5.2 PMLSM无传感控制系统参数设置 |
| 5.3 系统仿真实验分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介 |
| 学位论文数据集 |
（10）基于神经网络的状态和参数估计算法研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外同类课题研究现状及发展趋势 |
| 1.2.1 神经网络的发展历史 |
| 1.2.2 神经网络在系统辨识上的研究现状及发展趋势 |
| 1.2.3 神经网络在状态估计上的研究现状及发展趋势 |
| 1.3 本文的主要研究内容 |
| 第二章 线性系统的模型参数估计 |
| 2.1 引言 |
| 2.2 能观受控标准型参数估计算法 |
| 2.2.1 问题描述 |
| 2.2.2 基于Kalman滤波的最小二乘迭代算法(KF-LSI) |
| 2.2.3 仿真研究 |
| 2.3 能观能控标准型系统参数估计算法 |
| 2.3.1 问题描述 |
| 2.3.2 受控状态空间模型转化为CARMA新息模型 |
| 2.3.3 线性神经网络 |
| 2.3.4 Kalman滤波线性神经网络迭代算法(KF-LNN-I) |
| 2.3.5 仿真研究 |
| 2.4 本章小结 |
| 第三章 基于BP神经网络的融合状态估值器 |
| 3.1 引言 |
| 3.2 线性系统融合估值器 |
| 3.2.1 问题描述 |
| 3.2.2 局部最优Kalman滤波器 |
| 3.2.3 BP神经网络的结构和学习算法 |
| 3.2.4 基于BP神经网络的Kalman滤波器 |
| 3.2.5 基于几种平均数的融合准则 |
| 3.2.6 仿真研究 |
| 3.3 带未知模型参数线性系统融合估值器 |
| 3.3.1 问题描述 |
| 3.3.2 基于加权观测融合的KF-LSI算法 |
| 3.3.3 基于PSO-BP神经网络的融合估值器 |
| 3.3.4 仿真研究 |
| 3.4 带相关观测噪声的非线性系统融合估值器 |
| 3.4.1 问题描述 |
| 3.4.2 加权观测融合多新息扩展卡尔曼滤波算法 |
| 3.4.3 基于搜索动态学习率的PSO-BP神经网络融合估值器 |
| 3.4.4 仿真研究 |
| 3.5 本章小结 |
| 第四章 基于Elman神经网络的融合一致性状态估值器 |
| 4.1 引言 |
| 4.2 Kalman一致性滤波算法 |
| 4.3 融合Kalman一致性滤波算法 |
| 4.3.1 矩阵加权融合Kalman一致性滤波算法 |
| 4.3.2 标量加权融合Kalman一致性滤波算法 |
| 4.4 CI融合Kalman一致性滤波算法 |
| 4.4.1 CI融合估计算法 |
| 4.4.2 BCI融合一致性Kalman滤波算法 |
| 4.4.3 SCI融合一致性Kalman滤波算法 |
| 4.4.4 仿真研究 |
| 4.5 反馈式一致性融合滤波算法 |
| 4.5.1 问题描述 |
| 4.5.2 反馈式BCI融合卡尔曼一致性滤波 |
| 4.5.3 仿真研究 |
| 4.6 基于Elman神经网络的一致性融合滤波算法 |
| 4.6.1 问题描述 |
| 4.6.2 基于Elman神经网络的BCI融合一致性Kalman滤波 |
| 4.6.3 仿真研究 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文 |
四、带未知时变噪声系统的卡尔曼滤波算法研究（论文参考文献）
- [1]多传感器欠观测系统信息融合自适应增量Kalman估值器[D]. 周晗. 黑龙江大学, 2021(09)
- [2]基于车辆状态参数估计的商用车气压电子制动主动安全控制策略研究[D]. 石求军. 吉林大学, 2021(01)
- [3]未知噪声源下系统状态的贝叶斯估计[D]. 李可. 江南大学, 2021(01)
- [4]双线性状态空间系统的辨识方法研究[D]. 费秋玲. 江南大学, 2021(01)
- [5]不确定噪声条件下车载组合导航滤波算法研究[D]. 王艳. 西安工业大学, 2021(02)
- [6]多传感器欠观测广义系统信息融合增量Kalman滤波器[D]. 马光鹏. 黑龙江大学, 2021(09)
- [7]旋转制导炮弹用惯性导航系统空中对准方法研究[D]. 莫明岗. 哈尔滨工业大学, 2020(02)
- [8]高超声速飞行器的定位与轨迹预测[D]. 程甘志. 西安电子科技大学, 2020(05)
- [9]改进容积卡尔曼滤波的PMLSM无传感控制研究[D]. 刘炳辰. 河南理工大学, 2020(01)
- [10]基于神经网络的状态和参数估计算法研究[D]. 杨宇航. 黑龙江大学, 2020(04)