导读:本文包含了推广卡尔曼滤波论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卡尔,永磁,传感器,滤波器,矢量,无源,算法。
推广卡尔曼滤波论文文献综述
刘恒泽,杨刚,张长革[1]（2010）在《改进推广卡尔曼滤波算法在目标跟踪中的运用》一文中研究指出对推广卡尔曼滤波算法进行了改进,提出了运用自适应门限滤除不可信观测向量的方法。在复杂多变的电磁环境中,有效的剔除不可信观测向量和防止有用信息的丢失一直是一对矛盾。改进的算法通过新息序列方差的统计信息确定自适应门限,并且对观测向量的每一个元素分别进行判决。仿真结果证明,该算法能够在防止有用信息丢失的同时有效剔除不可信观测向量,进而减小导引头的滤波误差。(本文来源于《现代防御技术》期刊2010年05期）
秦显平,吴显兵[2]（2009）在《基于平方根推广卡尔曼滤波的星载GPS定轨》一文中研究指出本文探讨了利用星载GPS数据实现平方根推广卡尔曼滤波(SR-EKF)定轨的方法,采用SR-EKF对两颗GRACE卫星进行了定轨试验计算,并将计算结果与Bernese5.0的计算结果进行了比较,比较分析表明:采用SR-EKF方法进行GRACE卫星定轨可以得到优于10cm的定轨精度;经验力参数可以平衡几何观测信息和动力模型信息,但增大了观测异常对定轨结果的影响;对位置和速度进行噪声补偿可以减弱观测异常对定轨结果的影响,但有可能使轨道出现系统性偏差。(本文来源于《测绘科学》期刊2009年02期）
夏超英,张术,孙宏涛[3]（2007）在《基于推广卡尔曼滤波算法的SOC估算策略》一文中研究指出为了估算锂离子动力电池的荷电状态,以Thevenin模型为基础,建立了数学关系简单,易于工程实现的状态空间模型。在此基础上,对模型进行了线性化处理,采用推广卡尔曼滤波算法实现了对电池荷电状态的估算。仿真结果表明,该模型能较好地体现电池的动静态特性,推广卡尔曼滤波算法在估算过程中能保持很好的精度,并对初始值的误差有很强的修正作用,对噪声有很强的抑制作用。(本文来源于《电源技术》期刊2007年05期）
陈益广,李响,傅涛[4]（2005）在《基于推广卡尔曼滤波算法的永磁同步电机无位置传感器控制》一文中研究指出介绍了一种基于推广卡尔曼滤波算法的永磁同步电机无位置传感器控制方案。利用推广卡尔曼滤波模型,由DSP(TM S320LF 2407)实时估算电机的转角eθ和转速ωe,使定转子磁场始终保持合适的位置并同步,利用空间矢量电压对系统进行矢量控制,实现调速。仿真结果表明,所提出的永磁同步电动机(PM SM)无传感器控制方法具有较强的鲁棒性和满意的性能。(本文来源于《微电机(伺服技术)》期刊2005年05期）
张丽艳,张磊,侯代文,郭宇明[5]（2004）在《基于推广卡尔曼滤波的无源定位系统仿真》一文中研究指出在现代电子战、信息战环境中,由于利用目标辐射电磁信息的无源探测定位系统具有自身隐蔽和探测距离远等优点,因此它具有重要的应用价值,并已成为当今非线性跟踪与估计研究领域的热点问题.针对无源定位中状态空间模型非线性和程度较高所引起的滤波发散问题,分析总结了推广卡尔曼滤波(EKF)次优递推滤波过程,最后给出滤波方程及仿真结果.(本文来源于《大连铁道学院学报》期刊2004年04期）
李响[6]（2004）在《基于推广卡尔曼滤波的永磁同步电机无位置传感器控制》一文中研究指出永磁同步电机(PMSM)是一种性能优越、应用领域广阔的电机,其传统的理论分析与设计方法已比较成熟。它的进一步推广应用,在很大程度上有赖于对控制策略的研究。实践中,使用通用变压变频(VVVF)变频器来驱动没有阻尼绕组的永磁同步电动机开环运行时,有时电机的运行频率超过某一频率,系统就会变得不稳定,甚至导致系统失步。本文研究了无位置传感器的永磁同步电机的速度控制问题。 论文提出了一种将推广卡尔曼滤波(EKF)原理应用于永磁同步电机无位置传感器调速系统的方法。对永磁同步电机的数学模型和卡尔曼滤波原理作了详细的分析,在dq转子同步坐标系中应用推广卡尔曼滤波算法,对永磁同步电机的转角和转速进行实时在线估计。所选取的滤波算法只需测量电流和逆变器直流母线电压,具有不改造电机、可靠性高和经济耐用的优点。利用在线估计出的转速和电流实现转速电流双闭环的永磁同步电机矢量控制。同时还提出了基于磁饱和原理的永磁转子初始位置的检测方法。针对转子磁场定向方式及矢量控制方案,采用了空间矢量脉宽调制方法对系统进行控制,此方法可以输出任意给定位置的电压矢量,在不增加功率管开关频率和不增加系统复杂性的前提下,明显提高电机的调速性能。 在Matlab6.5环境下进行的系统仿真实验表明,所提出的位置估计算法和控制方法具有优良的转角跟踪特性和速度控制性能,同时系统具有较强的抗负载扰动性能和较好的鲁棒性。实验结果表明本文的方法达到了预期的效果。(本文来源于《天津大学》期刊2004-12-01）
高磊[7]（2004）在《一种反馈修正推广卡尔曼滤波算法及其应用》一文中研究指出针对在被动方式下进行目标定位时滤波收敛速度慢和估计精度不高的问题 ,本文介绍了一种反馈修正推广卡尔曼滤波算法。通过引入可观性弱的距离及距离变化率的估计值作为反馈变量 ,作为虚拟观测变量对系统状态进行二次估计 ,可以大大提高算法的收敛速度 ,本文对该算法进行了详细的推导并将其应用于目标被动定位估计器设计中。仿真结果表明 ,该算法在收敛速度 ,估计精度以及稳定性方面都优于原有的卡尔曼滤波器(本文来源于《航天控制》期刊2004年05期）
卢迪,刘明基,吴海涛[8]（2003）在《永磁同步电动机系统参数和状态的推广卡尔曼滤波估计》一文中研究指出永磁同步电动机系统具有力矩系数大、力矩波动小以及控制灵活等优点,在许多精密伺服控制系统中得到广泛应用。本文在得到系统模型的基础上,利用推广的卡尔曼滤波器对非线性的永磁同步电动机系统参数和状态进行了估计,仿真结果验证了估计方法在数学上的可行性。(本文来源于《电机与控制学报》期刊2003年04期）
杨文强,李树广,贾正春[9]（2003）在《基于降阶推广卡尔曼滤波算法的交流感应电动机无速度传感器矢量控制系统》一文中研究指出提出了一种估算交流感应电动机转子角速度和转子磁链的降阶推广卡尔曼滤波算法.该算法仅以转子磁链的2个分量作为状态变量,把转子角速度作为被估计的参数,通过定子电压参考值和定子电流测量值实时估算转子角速度和转子磁链.估算得到的转子磁链用于交流感应电动机无速度传感器矢量控制系统的磁场定向和磁链控制,估算的转子角速度用于速度控制.仿真结果显示,转子角速度和转子磁链的估算精度较高,速度和矢量控制的性能在整个速度范围内令人满意;同时,算法阶数的降低显着地减少了运算量.本文算法能够在实际系统中实时实现.(本文来源于《上海交通大学学报》期刊2003年09期）
程咏梅,潘泉,张洪才,叶西宁[10]（2003）在《基于推广卡尔曼滤波的多站被动式融合跟踪》一文中研究指出将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合,用于被动式多站跟踪,给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以叁个站进行跟踪为例,进行了仿真研究,结果表明该算法具有满意的跟踪性能。(本文来源于《系统仿真学报》期刊2003年04期）
推广卡尔曼滤波论文开题报告
（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：
本文探讨了利用星载GPS数据实现平方根推广卡尔曼滤波(SR-EKF)定轨的方法,采用SR-EKF对两颗GRACE卫星进行了定轨试验计算,并将计算结果与Bernese5.0的计算结果进行了比较,比较分析表明:采用SR-EKF方法进行GRACE卫星定轨可以得到优于10cm的定轨精度;经验力参数可以平衡几何观测信息和动力模型信息,但增大了观测异常对定轨结果的影响;对位置和速度进行噪声补偿可以减弱观测异常对定轨结果的影响,但有可能使轨道出现系统性偏差。
（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。
推广卡尔曼滤波论文参考文献
[1].刘恒泽,杨刚,张长革.改进推广卡尔曼滤波算法在目标跟踪中的运用[J].现代防御技术.2010
[2].秦显平,吴显兵.基于平方根推广卡尔曼滤波的星载GPS定轨[J].测绘科学.2009
[3].夏超英,张术,孙宏涛.基于推广卡尔曼滤波算法的SOC估算策略[J].电源技术.2007
[4].陈益广,李响,傅涛.基于推广卡尔曼滤波算法的永磁同步电机无位置传感器控制[J].微电机(伺服技术).2005
[5].张丽艳,张磊,侯代文,郭宇明.基于推广卡尔曼滤波的无源定位系统仿真[J].大连铁道学院学报.2004
[6].李响.基于推广卡尔曼滤波的永磁同步电机无位置传感器控制[D].天津大学.2004
[7].高磊.一种反馈修正推广卡尔曼滤波算法及其应用[J].航天控制.2004
[8].卢迪,刘明基,吴海涛.永磁同步电动机系统参数和状态的推广卡尔曼滤波估计[J].电机与控制学报.2003
[9].杨文强,李树广,贾正春.基于降阶推广卡尔曼滤波算法的交流感应电动机无速度传感器矢量控制系统[J].上海交通大学学报.2003
[10].程咏梅,潘泉,张洪才,叶西宁.基于推广卡尔曼滤波的多站被动式融合跟踪[J].系统仿真学报.2003
论文知识图
