本文關(guān)鍵詞：容積卡爾曼濾波算法研究及其在電機(jī)狀態(tài)估計中的應(yīng)用

  更多相關(guān)文章： 非線性系統(tǒng) 容積卡爾曼濾波 狀態(tài)估計 傳感器網(wǎng)絡(luò) 分布式濾波 平均一致性策略 目標(biāo)跟蹤 感應(yīng)電機(jī)

【摘要】：在自動控制、運動目標(biāo)跟蹤以及導(dǎo)航等眾多領(lǐng)域中都存在著非線性系統(tǒng)的狀態(tài)估計問題,非線性濾波算法也因此受到了學(xué)者們的廣泛關(guān)注和研究。容積卡爾曼濾波(Cubature Kalman Filter, CKF)是近年新提出的一種性能優(yōu)越的非線性濾波算法。該算法具有嚴(yán)格的理論推導(dǎo),其結(jié)構(gòu)簡單、濾波精度高、數(shù)值穩(wěn)定性好且適用于高維數(shù)的非線性系統(tǒng),因此逐漸成為處理非線性濾波問題的有效方法。但由于現(xiàn)有算法都是理想或簡化的結(jié)果,實際應(yīng)用中面臨的問題更為復(fù)雜,如何設(shè)計性能更加優(yōu)越的濾波算法使其適合各類工程應(yīng)用一直是非線性濾波算法的研究熱點。CKF算法能夠克服其它非線性濾波算法存在的一些問題,但其算法本身依然存在一些局限性需要進(jìn)行深入研究和改進(jìn)。本文首先針對標(biāo)準(zhǔn)的CKF設(shè)計需要精確已知噪聲的先驗統(tǒng)計特性以及要求建立精確的系統(tǒng)模型這兩個問題,提出了自適應(yīng)CKF算法和自適應(yīng)CKF強(qiáng)跟蹤濾波算法。自適應(yīng)CKF算法在濾波過程中,利用Sage-Husa極大后驗估值器對噪聲的統(tǒng)計特性進(jìn)行在線估計和修正,并對濾波發(fā)散情況進(jìn)行判定和抑制,有效地提高CKF的濾波精度和數(shù)值穩(wěn)定性。而CKF強(qiáng)跟蹤濾波算法具有關(guān)于模型參數(shù)失配的魯棒性以及系統(tǒng)狀態(tài)突變的快速跟蹤能力,并且能克服強(qiáng)跟蹤濾波器(Strong Tracking Filter, STF)存在理論局限以及基于UT變換的強(qiáng)跟蹤濾波器(UTSTF)處理高維非線性系統(tǒng)時濾波精度下降甚至發(fā)散等問題。另外,對于目標(biāo)跟蹤系統(tǒng)中系統(tǒng)噪聲統(tǒng)計未知的情況,在CKF強(qiáng)跟蹤濾波算法的基礎(chǔ)上應(yīng)用Sage-Husa噪聲估值器對噪聲統(tǒng)計特性進(jìn)行在線估計,形成自適應(yīng)CKF強(qiáng)跟蹤濾波算法。仿真結(jié)果證實了兩種改進(jìn)算法的可行性和有效性,且明顯改善了常規(guī)CKF算法的濾波性能。其次,針對現(xiàn)有基于Sigma點信息濾波的分布式濾波算法,其性能易受參數(shù)影響而導(dǎo)致應(yīng)用范圍受限的問題,以CKF為基礎(chǔ),利用信息濾波理論,·通過平均一致性策略(即各傳感器節(jié)點與鄰近節(jié)點進(jìn)行信息交互使得局部狀態(tài)估計達(dá)到網(wǎng)絡(luò)范圍內(nèi)全局一致)得到了分布式CKF算法。該算法繼承了分布式濾波優(yōu)良特性(即可擴(kuò)展性和對節(jié)點故障強(qiáng)魯棒性)的同時,兼具CKF算法的高濾波精度和強(qiáng)穩(wěn)定性。為了比較現(xiàn)有同類型濾波算法與分布式CKF算法的性能,以分布式UKF (Unscented Kalman Filter)算法為例共同進(jìn)行仿真分析,結(jié)果表明利用分布式CKF算法對目標(biāo)狀態(tài)進(jìn)行估計具有更高的估計精度和數(shù)值穩(wěn)定性。接著研究了傳感器網(wǎng)絡(luò)中非線性系統(tǒng)含未知輸入、干擾或偏差情況下的分布式濾波問題。依據(jù)未知輸入是否直接影響輸出進(jìn)行兩種情況的討論,分別提出分布式DNRTSKF算法和分布式DNERTSIF算法。若系統(tǒng)的未知輸入對輸出沒有直接影響,利用DNRTSKF (Derivative-free versions of Nonlinear Robust Two-Stage Kalman filter)算法可以進(jìn)行非線性系統(tǒng)狀態(tài)的估計。然后根據(jù)Spherical-Radial Cubature近似思想對其進(jìn)行改進(jìn),能顯著提高算法的濾波精度。為了便于向多傳感器網(wǎng)絡(luò)擴(kuò)展,推導(dǎo)出相應(yīng)的信息濾波形式。按照ICF (Information Consensus Filter)算法的信息融合思想設(shè)計相應(yīng)的分布式方案,即各節(jié)點只需要融合局部觀測信息,其局部信息狀態(tài)和關(guān)聯(lián)信息矩陣根據(jù)鄰近節(jié)點的估計按照平均一致性算法進(jìn)行更新。另一方面,若未知輸入對系統(tǒng)狀態(tài)和輸出均有影響,基于NERTSF (Nonlinear version of the Extended Recurisive Three-Step Filter)算法推導(dǎo)出相應(yīng)的信息濾波框架,再利用Cubature變換得到其無導(dǎo)數(shù)形式,以避免求解非線性系統(tǒng)狀態(tài)方程(或觀測方程)的雅可比矩陣從而有效簡化計算且提高算法的濾波精度。在分布式信息融合方案中,同樣采用ICF算法更新各節(jié)點的局部信息狀態(tài)和關(guān)聯(lián)信息矩陣。在兩種情況下所得到的分布式濾波算大均能實現(xiàn)傳感器網(wǎng)絡(luò)中非線性系統(tǒng)狀態(tài)和未知輸入的同時估計,其濾波效果與集中式估計幾乎等效,并且所得到的狀態(tài)估計是無偏的。在目標(biāo)跟蹤試驗的仿真結(jié)果中驗證了算法的有效性。然后,針對傳感器網(wǎng)絡(luò)在數(shù)據(jù)傳輸過程中發(fā)生多測量數(shù)據(jù)丟包的情況,研究了類非線性系統(tǒng)的分布式濾波問題。假定各傳感器節(jié)點具有不同的數(shù)據(jù)丟包概率,采用不同的Bernoulli序列來描述各傳感器的數(shù)據(jù)隨機(jī)丟包現(xiàn)象,基于最小方差準(zhǔn)則得到網(wǎng)絡(luò)-擴(kuò)展信息濾波器。為了避免求取非線性函數(shù)的雅可比矩陣,利用CKF算法的近似思想推導(dǎo)出無導(dǎo)數(shù)形式,即NCIF。最后根據(jù)平均一致性策略給出了分布式NCIF濾波算法的設(shè)計方案。經(jīng)過實驗仿真證明所提出的算法在多測量數(shù)據(jù)丟失的情況下仍然能對非線性系統(tǒng)狀態(tài)進(jìn)行準(zhǔn)確跟蹤。最后討論無速度傳感器矢量控制系統(tǒng)中感應(yīng)電機(jī)的狀態(tài)估計問題,將感應(yīng)電機(jī)的轉(zhuǎn)速和負(fù)載轉(zhuǎn)矩同時作為狀態(tài)量,得到感應(yīng)電機(jī)的全階模型,并應(yīng)用本文提出的自適應(yīng)CKF算法和自適應(yīng)CKF強(qiáng)跟蹤濾波算法對感應(yīng)電機(jī)狀態(tài)進(jìn)行在線估計。利用自適應(yīng)CKF算法可以克服常規(guī)估計器對噪聲協(xié)方差矩陣Q和R的依賴性。而自適應(yīng)CKF強(qiáng)跟蹤濾波算法能進(jìn)一步實現(xiàn)對電機(jī)狀態(tài)突變的快速跟蹤,使無速度傳感器控制系統(tǒng)在全速范圍內(nèi)具有良好的靜、動態(tài)控制性能；通過電機(jī)參數(shù)與狀態(tài)的聯(lián)合估計,可以在電機(jī)參數(shù)變化的情況下依然實現(xiàn)狀態(tài)的有效跟蹤,同時對變化的參數(shù)進(jìn)行準(zhǔn)確辨識。
【關(guān)鍵詞】：非線性系統(tǒng) 容積卡爾曼濾波 狀態(tài)估計 傳感器網(wǎng)絡(luò) 分布式濾波 平均一致性策略 目標(biāo)跟蹤 感應(yīng)電機(jī)
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN713;TM32
【目錄】：

• 摘要6-8
• Abstract8-14
• 第1章 緒論14-30
• 1.1 課題研究的背景與意義14-16
• 1.2 非線性濾波理論的研究現(xiàn)狀16-22
• 1.2.1 EKF算法16-17
• 1.2.2 UKF算法17-18
• 1.2.3 CKF算法18-20
• 1.2.4 PF算法20-22
• 1.3 基于傳感器網(wǎng)絡(luò)的狀態(tài)估計22-24
• 1.4 感應(yīng)電機(jī)狀態(tài)估計的發(fā)展現(xiàn)狀24-28
• 1.5 論文的主要內(nèi)容28-30
• 第2章 自適應(yīng)容積卡爾曼濾波算法30-62
• 2.1 引言30
• 2.2 容積卡爾曼濾波算法30-35
• 2.2.1 非線性高斯濾波算法的一般形式30-32
• 2.2.2 容積卡爾曼濾波算法32-35
• 2.3 基于極大后驗估計的自適應(yīng)容積卡爾曼濾波算法設(shè)計35-49
• 2.3.1 噪聲估計方法35-37
• 2.3.2 自適應(yīng)CKF算法37-39
• 2.3.3 自適應(yīng)CKF算法的穩(wěn)定性分析39-42
• 2.3.4 防止自適應(yīng)CKF發(fā)散的改進(jìn)算法42-43
• 2.3.5 仿真實驗及性能分析43-49
• 2.4 自適應(yīng)容積卡爾曼強(qiáng)跟蹤濾波算法設(shè)計49-60
• 2.4.1 強(qiáng)跟蹤濾波理論49-50
• 2.4.2 基于CKF的強(qiáng)跟蹤濾波算法50-54
• 2.4.3 自適應(yīng)CKF強(qiáng)跟蹤濾波算法54-55
• 2.4.4 仿真實驗及性能分析55-60
• 2.5 本章小結(jié)60-62
• 第3章 分布式容積卡爾曼濾波算法62-78
• 3.1 引言62-63
• 3.2 平均協(xié)同(一致性)策略63-65
• 3.2.1 基礎(chǔ)概念63-64
• 3.2.2 一致性算法64-65
• 3.3 信息濾波器65-69
• 3.3.1 擴(kuò)展信息濾波器65-67
• 3.3.2 容積信息濾波器67-69
• 3.4 分布式容積卡爾曼濾波算法設(shè)計69-73
• 3.4.1 多傳感器信息融合濾波算法69-71
• 3.4.2 基于平均協(xié)同(一致性)策略的分布式CKF71-73
• 3.5 實例仿真及性能分析73-77
• 3.6 本章小結(jié)77-78
• 第4章 無直接反饋時含未知輸入非線性離散系統(tǒng)的分布式濾波算法78-92
• 4.1 引言78-79
• 4.2 問題描述79-80
• 4.3 無導(dǎo)數(shù)NRTSKF信息濾波器80-86
• 4.4 基于ICF算法的非線性分布式濾波算法設(shè)計86-89
• 4.5 實例仿真及性能分析89-91
• 4.6 本章小結(jié)91-92
• 第5章 有直接反饋時含未知輸入非線性離散系統(tǒng)的分布式濾波算法92-106
• 5.1 引言92
• 5.2 問題描述92-93
• 5.3 基于NERTSF的信息濾波器93-96
• 5.4 基于DNERTSIF的分布式濾波算法設(shè)計96-102
• 5.4.1 無導(dǎo)數(shù)NERTSIF算法96-100
• 5.4.2 分布式DNERTSIF算法100-102
• 5.5 實例仿真及性能分析102-105
• 5.6 本章小結(jié)105-106
• 第6章 多測量數(shù)據(jù)丟失下非線性傳感器網(wǎng)絡(luò)系統(tǒng)的分布式濾波算法106-126
• 6.1 引言106-107
• 6.2 問題描述107-109
• 6.3 網(wǎng)絡(luò)擴(kuò)展信息濾波器109-114
• 6.3.1 NEKF的基本框架109-110
• 6.3.2 NEIF的遞推公式110-114
• 6.4 分布式網(wǎng)絡(luò)容積信息濾波算法設(shè)計114-122
• 6.4.1 NCIF的遞推公式115-120
• 6.4.2 分布式NCIF算法120-122
• 6.5 實例仿真及性能分析122-125
• 6.6 本章小結(jié)125-126
• 第7章 容積卡爾曼濾波算法在電機(jī)狀態(tài)估計中的應(yīng)用126-141
• 7.1 引言126
• 7.2 感應(yīng)電機(jī)數(shù)學(xué)模型126-132
• 7.2.1 感應(yīng)電機(jī)在三相靜止坐標(biāo)系上的數(shù)學(xué)模型126-128
• 7.2.2 感應(yīng)電機(jī)在兩相坐標(biāo)系上的數(shù)學(xué)模型128-130
• 7.2.3 感應(yīng)電機(jī)的全階模型130-132
• 7.3 磁場定向矢量控制基本原理132-134
• 7.4 基于CKF改進(jìn)算法的電機(jī)狀態(tài)估計方法134-140
• 7.4.1 基于自適應(yīng)CKF算法的感應(yīng)電機(jī)狀態(tài)估計134-136
• 7.4.2 基于自適應(yīng)CKF強(qiáng)跟蹤濾波算法的感應(yīng)電機(jī)狀態(tài)估計136-138
• 7.4.3 自適應(yīng)CKF強(qiáng)跟蹤濾波算法對感應(yīng)電機(jī)參數(shù)變化的魯棒性138-140
• 7.5 本章小結(jié)140-141
• 總結(jié)與展望141-144
• 1. 主要結(jié)論141-142
• 2. 工作展望142-144
• 致謝144-145
• 參考文獻(xiàn)145-157
• 攻讀博士期間的論文及科研情況157-158
• 1. 論文情況157-158
• 2. 科研項目

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 袁澤劍,鄭南寧,賈新春;高斯-厄米特粒子濾波器[J];電子學(xué)報;2003年07期

2 馬成祿;胡繼勝;陽同光;;無速度傳感器感應(yīng)電機(jī)控制速度辨識的研究現(xiàn)狀與展望[J];防爆電機(jī);2008年01期

3 司海飛;楊忠;王s，

本文編號：784933