导读:本文包含了卡尔曼滤波参数论文开题报告文献综述、选题提纲参考文献，主要关键词:参数,卡尔,尔曼,扩展卡,模型,状态,布洛赫。
卡尔曼滤波参数论文文献综述写法
张佳倩,刘志虎[1]（2019）在《基于模型参数辨识和扩展卡尔曼滤波的锂电池荷电状态估计》一文中研究指出锂电池的荷电状态(SOC)估计作为电池管理系统的关键技术之一,直接影响到整个电池管理系统(BMS)的功能和效率。针对一般的简单多项式拟合SOC-OCV曲线提出了改进,采用了分段拟合的方式,能够降低拟合公式的阶数,提高拟合精度。结合戴维南(Thevenin)等效电路,以及充放电实验和混合脉冲功率特性(HPPC)实验进行参数辨识,得到状态方程和观测方程,采用扩展卡尔曼滤波算法(EKF)对锂电池的不同工况进行SOC估计。仿真结果表明,分段拟合SOC-OCV曲线能有效提高SOC估计精度,减少计算量。(本文来源于《工业控制计算机》期刊2019年09期）
黄敏,张璐坚,周到,陈军波[2]（2019）在《基于扩展卡尔曼滤波的磁共振指纹参数量化优化算法》一文中研究指出"磁共振指纹"技术一次扫描可同时获得定量的T1、T2等参数像,弥补了磁共振成像(MRI)扫描时间长,一次只能得到一种加权像的缺陷。但其经典算法需要对不同序列建立不同的字典,且字典大小直接影响量化结果。我们对基于扩展卡尔曼滤波的磁共振指纹参数量化算法进行优化,不需要建立字典,通过建立成像模型,采用卡尔曼滤波对磁共振指纹信号进行跟踪,反演得到量化参数。该方法减少了卡尔曼迭代次数,加快了参数估计的收敛速度,提升了参数量化图像的质量。(本文来源于《生物医学工程研究》期刊2019年03期）
许泽宁,公茂盛,谢礼立[3]（2019）在《基于扩展卡尔曼滤波的结构物理参数识别》一文中研究指出扩展卡尔曼滤波是常用的识别结构物理参数的方法,然而对于时变的参数,传统的扩展卡尔曼滤波精度会有所下降。为了解决这个问题,通过在滤波计算中引入强跟踪滤波器(STF)的方法提高滤波精度,以识别时变的结构参数。通过对滤波更新后的残差进行正交化处理,得到渐消因子对滤波协方差矩阵进行实时修正,从而保证了滤波对结构参数变化的追踪能力。通过仿真算例的识别结果,证明了该方法能够有效识别非线性结构的参数及其变化。(本文来源于《低温建筑技术》期刊2019年07期）
王杰[4]（2019）在《基于扩展卡尔曼滤波的车辆参数辨识》一文中研究指出在车辆动力学控制中,动力学参数的准确性会严重影响车辆控制的安全性与稳定性,因此在对车辆进行动力学控制前必须对其动力学模型进行参数辨识。对车辆的纵向和侧向的动力学建模,考虑实际传感器的测量噪声与控制器计算频率,采用扩展卡尔曼滤波算法对纵向动力学参数整车质量和横向动力学参数前后轴等效侧偏刚度进行实时在线辨识。通过MATLAB/Simulink-Car Sim联合仿真分析验证了扩展卡尔曼滤波算法对于参数辨识的有效性,得到了车辆质量、车辆等效前后轴侧偏刚度的在线辨识结果,并基于NI实时平台验证了算法的实时性。(本文来源于《现代机械》期刊2019年03期）
周苏,王彦骄,蒋璐蔚,金杰[5]（2019）在《基于扩展卡尔曼滤波的PEMFC状态及参数估计研究》一文中研究指出以燃料电池为动力的新型能源动力巡飞弹,相较于锂电池巡飞弹,具有更高的能量密度和较低的热红外特性,更适合长时间的侦查飞行任务。质子交换膜燃料电池(PEMFC)具有工作温度低、启动快、比功率高、结构简单、操作方便等优点,是目前最受关注的燃料电池解决方案。文中提出一种在PEMFC变工况下运行过程利用扩展卡尔曼滤波算法实时估计PEMFC状态及参数的方法。通过构建半机理半经验PEMFC动态模型,并基于此模型利用PEMFC系统既有传感器信号构建适用于PEMFC系统的扩展卡尔曼滤波算法,实现了PEMFC内部反应气体分压以及PEMFC欧姆内阻参数的实时估计,为PEMFC的运行状态监测和故障诊断提供依据。(本文来源于《弹箭与制导学报》期刊2019年04期）
许泽宁[6]（2019）在《基于扩展卡尔曼滤波的结构物理参数识别方法》一文中研究指出随着越来越多复杂大型建筑物投入使用,单纯的考虑设计及施工过程的安全性已经不再足够,更需要实时对服役中的结构健康情况做出评价。因此结构健康监测技术成为了近年来土木工程领域的研究热点,目前,结构健康监测系统已经在许多实际的工程项目中得以应用,起到实时预警,保证安全的作用。而健康监测最核心的技术是对结构损伤状况进行识别,结构参数识别技术则是结构损伤诊断的基础,因此对结构参数进行识别具有广阔的应用前景。相较于模态参数识别,直接识别物理参数的方法更加直观,而最常用的结构物理参数识别方法就是扩展卡尔曼滤波方法。传统的扩展卡尔曼滤波在识别时变的结构参数时,其跟踪性能较差,为了解决这个问题,引入遗忘因子,但是选用常遗忘因子,其值的选择对识别结果有较大影响;自适应方法跟踪性能强,但是计算比较繁琐。本文在总结过去学者研究成果的基础上,引入了强跟踪扩展卡尔曼滤波方法用于识别时变的结构物理参数,主要进行了以下工作:(1)详细介绍了卡尔曼滤波的基本原理并推导出递推公式;针对物理参数识别问题,提出了适用于非线性系统的扩展卡尔曼滤波方法,给出了其算法流程;介绍了加权整体迭代的方法保证识别结果的稳定收敛;编写了识别方法程序,并分别对单自由度、多自由度及线性、非线性的结构进行了数值仿真,其中非线性迟滞系统采用了Bouc-Wen模型描述滞回曲线。数值仿真的结果表明,扩展卡尔曼滤波对于不同的结构系统均可以有效识别结构物理参数。(2)为了解决扩展卡尔曼滤波无法识别时变物理参数的局限性,引入强跟踪滤波方法,该方法通过引入一个渐消因子实时修正预测误差协方差矩阵,增大卡尔曼增益,保证滤波能够有效追踪参数的变化,具有极强的鲁棒性,且计算量适中,可以有效对时变的结构物理参数进行识别。编写了识别方法程序,对结构刚度突变的不同结构体系,利用强跟踪扩展卡尔曼滤波方法进行仿真识别。识别结果证明,强跟踪方法可以有效的识别出系统参数的变化。与此同时,针对输出信息不完备状况,对不同工况进行研究,指出了信息不完备状况下,该方法依然具备实用性。(3)为了验证强跟踪扩展卡尔曼滤波方法在实际工程中的实用性及有效性,将方法应用于一个12层钢筋混凝土框架的振动台试验,利用试验得到的加速度地震响应作为输入输出数据,对不同工况下结构模型的物理参数进行了识别,给出了各个工况下的模型各层刚度及阻尼识别结果,并与试验破坏现象及模态分析结果进行了对比,分析了模型结构在不同地震动输入下的损伤情况,验证了方法识别物理参数及结构损伤。(本文来源于《中国地震局工程力学研究所》期刊2019-06-01）
邵小强,李康乐,陈熙,吕植超,马宪民[7]（2019）在《基于改进卡尔曼滤波和参数拟合的矿井TOA定位方法》一文中研究指出针对矿井TOA(Time of Arrival)定位精度易受电磁波NLOS(Non Line of Sight)传播时延的影响,且不能满足井下应急救援、人员作业管理以及矿井物联网建设等需求的问题,通过对NLOS时延参考模型和矿井巷道设备运动特点的分析,将巷道电磁波NLOS传播时延分为随机NLOS时延和固定NLOS时延,结合两类NLOS时延造成测距误差的特点,提出了基于改进卡尔曼滤波和参数拟合的矿井TOA定位方法。为了消除由矿井巷道中机车等移动设备以及不规律设置设备引起的、具有随机性和难以定量分析等特点的巷道随机NLOS时延误差,设计了将新息阈值引入卡尔曼滤波器中,提高其系统对脉冲误差的滤除能力的方法;为了抑制由矿井巷道中固定设施及设备造成的具有稳定性的巷道固定NLOS时延误差,建立了巷道测距误差模型,构建了井下固有设备参数与定位估计值间的函数关系,通过参数拟合与投影几何算法来提高系统的定位精度。仿真结果显示,测量数据经过基于新息阈值的卡尔曼滤波器处理之后,误差曲线趋于平稳,定位误差保持在1.9～3.1 m,再经参数拟合和几何算法处理后,定位误差在0～0.8 m,平均误差由2.4 m降为0.3 m;且相比于SDSTWR(Symmetric Double-Sided Two-Way Ranging)方法、卡尔曼滤波和指纹定位方法以及卡尔曼滤波和参数拟合方法,所提方法平均定位误差分别减小了3.4,0.4和0.6 m。从而表明所提方法对TOA定位误差具有较明显的抑制作用,可以实现TOA方法在矿井NLOS环境中的有效应用。(本文来源于《煤炭学报》期刊2019年05期）
高善露[8]（2019）在《基于集合卡尔曼滤波的油藏参数反演方法研究》一文中研究指出油藏数值模拟就是用数值的方法来求解渗流方程,目的在于模拟油气水地下流动的过程。历史拟合是油藏数值模拟研究十分重要的环节,是预测油田开发的基础。历史拟合是以静态模型为基础,利用产油量、井底压力等生产数据来修正渗透率、井储等模型参数的方法,是一个相当复杂的反演难题。由于人们对地质情况的认识具有局限性,在计算中使用的模型参数不一定能够准确反应油藏的实际情况,因此模拟的结果与实测的油藏动态情况存在一定的差异。传统的人工历史拟合方法缺乏系统性和规范性,存在成本高、效率低等问题,因此需要发展一系列的自动历史拟合方法,旨在实现油藏模型的自动调整。随着数字计算技术和现代优化算法的发展,集合卡尔曼滤波方法作为一种新型的自动历史拟合方法,近年来被人们广泛的应用。本文首次将集合卡尔曼滤波方法与分层历史拟合相结合,开展关于分层历史拟合的应用研究。对初始集合中的状态向量进行归一化处理,并且将分层数据和井数据分别作为约束数据,对油藏的渗透率场进行估计。结果表明,分层数据作为约束数据更新油藏模型时,可以缩短迭代的时间,提高拟合的精度,减少描述和预测的不确定性。最后提出关于大规模压裂模型反演的新方法。首先预设裂缝半长和其他反演参数,在参数所设数值范围内,利用随机算法生成一定的初始集合,使其满足油藏参数的分布特征。实验表明,基于集合卡尔曼滤波方法的自动历史拟合,可以有效地对大规模压裂水平井进行参数反演,且具有很好的应用前景。主要内容如下:第一部分介绍了油藏数值模拟技术和试井分析,并且详细介绍了几种参数反演的方法。第二部分详细介绍油藏历史拟合方法的发展,以及自动历史拟合方法的原理。第叁部分首先介绍卡尔曼滤波方法的发展背景和原理,之后详细介绍了集合卡尔曼滤波方法的原理。第四部分基于集合卡尔曼滤波方法的自动历史拟合方法,研究集合卡尔曼滤波方法在油藏领域中的应用。第五部分首先对大规模压裂进行简述,之后详细研究了针对大规模压裂水平井模型,基于集合卡尔曼滤波的参数自动反演方法。本文所述方法可以提高参数解释的自动化程度,提高油藏历史拟合的效率。(本文来源于《合肥工业大学》期刊2019-05-01）
张肖雄,贺佳[9]（2019）在《基于扩展卡尔曼滤波的结构参数和荷载识别研究》一文中研究指出经典的扩展卡尔曼滤波(Extend Kalman Filter,EKF)方法可有效识别结构参数,但却需要已知外部激励,然而,在工程实际中,有些外激励往往难以实时获取。为此,该文提出了一种基于EKF的未知激励下的结构参数和荷载识别方法。通过在观测方程中引入投影矩阵,实现了结构参数的识别,同时,利用最小二乘估计实时识别了未知的外激励。为了验证该方法的有效性和鲁棒性,文中采用了叁个数值算例:四层的Benchmark模型、分段线性系统和非线性Duffing系统。数值分析的结果表明,该方法不仅能够准确识别线性和非线性结构的参数,还能有效识别作用于这些结构的外激励。(本文来源于《工程力学》期刊2019年04期）
刘峰云[10]（2019）在《基于模型多参数更新的卡尔曼滤波估计锂电池SOC研究》一文中研究指出锂电池作为电动汽车动力核心,在目前新能源市场不断发展的背景下显得尤为重要。而电池管理系统对锂电池的监测与保护是锂电池稳定、安全、高效率输出能量的基础,同时锂电池SOC(State of Charge)估计是其中的核心之一。高精度估计锂电池SOC能够有效优化整车能量管理、提高锂电池安全保护、延长锂电池循环寿命、降低新能源汽车成本。因此,本论文研究为提高锂电池SOC估计精度,依托“中国博士后基金项目”(2017M613034):基于LHMM/SVM制动意图辨识的电动汽车复合制动协调控制,“陕西省重点产业创新链(群)项目”(2018ZDCXL-GY-05-03-01):分布式驱动纯电动乘用车关键技术研究和电动汽车检测线核心装备及数据融合关键技术研究(2019ZDLGY15-01),做了以下几方面的研究:首先,为进一步了解叁元锂电池动力特性,设计了不同温度和倍率下的容量和OCV(Open Circuit Voltage)性能试验、不同温度下的叁种工况试验和耐久循环工况试验。通过分析等效电路模型,研究基于数据拟合的离线参数辨识方法和含遗忘因子最小二乘法(Recursive Least Square Method With Forgetting Factor,FRLS)的在线参数辨识方法在Thevenin模型和DP模型参数辨识中的应用,在Simulink环境中采用工况试验数据验证模型参数辨识方法和模型精度,对比分析选用更佳的模型参数辨识方法和模型。然后,以Kalman滤波理论为基础,提出扩展卡尔曼滤波(Extended Kalman Filter,EKF)和奇异值分解无迹卡尔曼滤波(Signular Value Decomposition Unscented Kalman Filter,SVD-UKF)以克服卡尔曼滤波线性化和协方差矩阵非正定的缺点,同时基于Thevenin模型结合FRLS算法提出模型参数和状态联合估计算法进行SOC估计的研究,在Simulink环境中采用不同温度下的叁种工况试验数据验证这两种SOC联合估计算法的精度,对比分析选用估计效果更佳的SOC估计算法。最后,基于FRLS&SVD-UKF的模型参数和状态联合估计算法,通过模型参数辨识融合算法和模型容量更新算法分别解决FRLS在线参数辨识结果在弱激励条件下发散和模型容量保持不变的缺点,提出基于模型多参数更新的SVD-UKF算法,在Simulink环境中采用耐久循环工况试验数据验证该算法在锂电池最大可用容量不断衰减的情况下估计锂电池SOC精度。(本文来源于《长安大学》期刊2019-04-16）
卡尔曼滤波参数论文开题报告范文
（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：
"磁共振指纹"技术一次扫描可同时获得定量的T1、T2等参数像,弥补了磁共振成像(MRI)扫描时间长,一次只能得到一种加权像的缺陷。但其经典算法需要对不同序列建立不同的字典,且字典大小直接影响量化结果。我们对基于扩展卡尔曼滤波的磁共振指纹参数量化算法进行优化,不需要建立字典,通过建立成像模型,采用卡尔曼滤波对磁共振指纹信号进行跟踪,反演得到量化参数。该方法减少了卡尔曼迭代次数,加快了参数估计的收敛速度,提升了参数量化图像的质量。
（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。
卡尔曼滤波参数论文参考文献
[1].张佳倩,刘志虎.基于模型参数辨识和扩展卡尔曼滤波的锂电池荷电状态估计[J].工业控制计算机.2019
[2].黄敏,张璐坚,周到,陈军波.基于扩展卡尔曼滤波的磁共振指纹参数量化优化算法[J].生物医学工程研究.2019
[3].许泽宁,公茂盛,谢礼立.基于扩展卡尔曼滤波的结构物理参数识别[J].低温建筑技术.2019
[4].王杰.基于扩展卡尔曼滤波的车辆参数辨识[J].现代机械.2019
[5].周苏,王彦骄,蒋璐蔚,金杰.基于扩展卡尔曼滤波的PEMFC状态及参数估计研究[J].弹箭与制导学报.2019
[6].许泽宁.基于扩展卡尔曼滤波的结构物理参数识别方法[D].中国地震局工程力学研究所.2019
[7].邵小强,李康乐,陈熙,吕植超,马宪民.基于改进卡尔曼滤波和参数拟合的矿井TOA定位方法[J].煤炭学报.2019
[8].高善露.基于集合卡尔曼滤波的油藏参数反演方法研究[D].合肥工业大学.2019
[9].张肖雄,贺佳.基于扩展卡尔曼滤波的结构参数和荷载识别研究[J].工程力学.2019
[10].刘峰云.基于模型多参数更新的卡尔曼滤波估计锂电池SOC研究[D].长安大学.2019