中国宇航学会深空探测技术专业委员会会刊

高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

自识别自校准Kalman滤波方法

傅惠民 杨海峰 文歆磊

傅惠民, 杨海峰, 文歆磊. 自识别自校准Kalman滤波方法[J]. 深空探测学报, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013
引用本文: 傅惠民, 杨海峰, 文歆磊. 自识别自校准Kalman滤波方法[J]. 深空探测学报, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013
FU Huimin, YANG Haifeng, WEN Xinlei. Self-Recognition and Self-Calibration Kalman Filtering Method[J]. Journal of Deep Space Exploration, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013
Citation: FU Huimin, YANG Haifeng, WEN Xinlei. Self-Recognition and Self-Calibration Kalman Filtering Method[J]. Journal of Deep Space Exploration, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013

自识别自校准Kalman滤波方法

doi: 10.15982/j.issn.2095-7777.2019.04.013
基金项目: 国家重点基础研究发展计划资助项目(2012CB720000);工信部2018年智能制造综合标准化《基于数字仿真的机械产品可靠性测试方法标准研究与试验验证》资助项目

Self-Recognition and Self-Calibration Kalman Filtering Method

  • 摘要: 在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。
  • [1] KALMAN R E. A new approach linear filtering and prediction problems[J]. Journal of Fluids Engineering, 1960, 82(1):35-45.
    [2] SUNAHARA Y. An approximate method of state estimation for nonlinear dynamical systems[J]. Journal of Basic Engineering, 1970, 92(2):385-393.
    [3] FUJIMOTO O, OKITA Y, OZAKI S. Nonlinearity compensation extended Kalman filter and its application to target motion[J]. Oki Technical Review, 1997, 63(159):1-12.
    [4] JULIER S J, UHLMANN J K. A new extension of Kalman filter to nonlinear systems[C]//Proceedings of 11th International Symposium Aerospace/Defense Sensing.Simulation and Controls. Orlando:SPIE, 1997.
    [5] JULIER S J, UHLMANN J K, DURRANT-WHYTE H F. A new method for the nonlinear transformation of means and covariances in filters and estimators[J]. IEEE Transactions on Automatic Control, 2000, 45(3):477-482.
    [6] JULIER S J, UHLMANN J K. Unscented filtering and nonlinear estimation[J]. Proceedings of the IEEE, 2004, 92(3):401-423.
    [7] SIMON D. Optimal state estimation Kalman H∞ and nonlinear approaches[M]. Hoboken, US:John Wiley & Sons, 2006.
    [8] PITT M, SHEPHARD N. Filtering via simulation:auxiliary particle filters[J]. Journal of the American Statistical Association, 1999, 94(446):590-599.
    [9] 傅惠民, 肖强, 吴云章, 等. 秩滤波方法[J]. 机械强度, 2014, 36(4):521-526. FU H M, XIAO Q, WU Y Z, et al. Rank filter method[J]. Journal of Mechanical Strength, 2014, 36(4):521-526.
    [10] 傅惠民, 肖强, 娄泰山, 等. 非线性非高斯秩滤波方法[J]. 航空动力学报, 2015, 30(10):2318-2322. FU H M, XIAO Q, LOU T S, et al. Nonlinear and non-Guassian rank filter method[J]. Journal of Aerospace Power, 2015, 30(10):2318-2322
    [11] BLANLE M, KINNAERT M, LUNZE J, et al. Diagnosis and faulttolerant control[M]. Berlin, Germany:Springer, 2006.
    [12] CHEN J,PATTON R. Robust model-based fault diagnosis for dynamic systems[M]. Norwell, MA, US:Kluwer Academic Publishers, 1999.
    [13] GILLIJNS S, MOOR B D. Unbiased minimum variance input and state estimation for linear discrete-time systems[J]. Automatic, 2007, 43(1):111-116.
    [14] 傅惠民, 吴云章, 娄泰山, 等. 自校准Kalman滤波方法[J]. 航空动力学报, 2014, 29(6):1363-1368. FU H M, WU Y Z, LOU T S, et al. Self-calibration Kalman filter method[J]. Journal of Aerospace Power, 2014, 29(6):1363-1368.
    [15] 傅惠民, 娄泰山, 肖强, 等. 自校准扩展Kalman滤波方法[J]. 航空动力学报, 2014, 29(11):2710-2715. FU H M, LOU T S, XIAO Q, et al. Self-calibration extended Kalman filter method[J]. Journal of Aerospace Power, 2014, 29(11):2710-2715.
  • [1] 罗子人, 张敏, 靳刚, 吴岳良, 胡文瑞.  中国空间引力波探测“太极计划”及“太极1号”在轨测试 . 深空探测学报, 2020, 7(1): 3-10. doi: 10.15982/j.issn.2095-7777.2020.20191230001
    [2] 郑见杰, 杜园, 王炜娜, 罗广求, 刘治钢.  深空探测用锂离子蓄电池在轨管理策略研究 . 深空探测学报, 2020, 7(1): 81-86. doi: 10.15982/j.issn.2095-7777.2020.20191030001
    [3] 罗洪义, 牛厂磊, 吴胜娜, 李鑫, 唐显, 罗志福.  深空探测中的钚-238同位素电源 . 深空探测学报, 2020, 7(1): 61-72. doi: 10.15982/j.issn.2095-7777.2020.20191129001
    [4] 徐浩, 裴福俊, 蒋宁.  一种基于李群描述的深空探测器姿态估计方法 . 深空探测学报, 2020, 7(1): 102-108. doi: 10.15982/j.issn.2095-7777.2020.20171117002
    [5] 胡文军, 刘继忠, 唐玉华, 陈军红, 张玮, 张哲, 李上明, 胡绍全.  空间同位素热/电源安全性技术指标体系框架研究 . 深空探测学报, 2020, 7(1): 73-80. doi: 10.15982/j.issn.2095-7777.2020.20190911001
    [6] 王文强, 杨洪东, 杨广, 王佳禹, 吴庆, 顾春杰.  太阳电池阵深空探测适应性设计概论 . 深空探测学报, 2020, 7(1): 41-46. doi: 10.15982/j.issn.2095-7777.2020.20191101003
    [7] 乔学荣, 郭际, 米娟.  高比能量锂氟化碳电池在深空探测器上的应用试验研究 . 深空探测学报, 2020, 7(1): 87-92. doi: 10.15982/j.issn.2095-7777.2020.20191223001
    [8] 于登云, 张哲, 泮斌峰, 刘传凯, 丁亮, 朱继宏, 高海波, 刘金国, 陈鹏.  深空探测人工智能技术研究与展望 . 深空探测学报, 2020, 7(1): 11-23. doi: 10.15982/j.issn.2095-7777.2020.20190916001
    [9] 雷英俊, 朱立颖, 张文佳.  我国深空探测任务电源系统发展需求 . 深空探测学报, 2020, 7(1): 35-40. doi: 10.15982/j.issn.2095-7777.2020.20190712001
    [10] 牛厂磊, 罗志福, 雷英俊, 王文强, 郑见杰, 乔学荣, 罗洪义, 胡文军, 钟武烨.  深空探测先进电源技术综述 . 深空探测学报, 2020, 7(1): 24-34. doi: 10.15982/j.issn.2095-7777.2020.20200002
  • 加载中
计量
  • 文章访问数:  673
  • HTML全文浏览量:  1
  • PDF下载量:  383
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-06-13
  • 修回日期:  2019-07-09

自识别自校准Kalman滤波方法

doi: 10.15982/j.issn.2095-7777.2019.04.013
    基金项目:  国家重点基础研究发展计划资助项目(2012CB720000);工信部2018年智能制造综合标准化《基于数字仿真的机械产品可靠性测试方法标准研究与试验验证》资助项目

摘要: 在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。

English Abstract

傅惠民, 杨海峰, 文歆磊. 自识别自校准Kalman滤波方法[J]. 深空探测学报, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013
引用本文: 傅惠民, 杨海峰, 文歆磊. 自识别自校准Kalman滤波方法[J]. 深空探测学报, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013
FU Huimin, YANG Haifeng, WEN Xinlei. Self-Recognition and Self-Calibration Kalman Filtering Method[J]. Journal of Deep Space Exploration, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013
Citation: FU Huimin, YANG Haifeng, WEN Xinlei. Self-Recognition and Self-Calibration Kalman Filtering Method[J]. Journal of Deep Space Exploration, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013
参考文献 (15)

目录

    /

    返回文章
    返回