搜索到13967 篇“ 自适应卡尔曼滤波 “的相关文章
一种自 适应 卡尔曼滤波 光伏发电电能效率监测方法 滤波 及数据融合技术领域，特别涉及一种自 适应 卡尔曼滤波 光伏发电电能效率监测方法。该监测方法包括：对测量数据进行预处理，识别出异常值，并将所述异常值剔除；被剔除的测量数据进行异常值修复；引入单个体量子遗传算法Q...基于自 适应 卡尔曼滤波 的物体运动估计与追踪方法及装置 自 适应 卡尔曼滤波 的物体运动估计与追踪方法及装置，首先，基于飞行球体的风阻、旋转和马格努斯效应进行运动学分析，精确建立飞行球体的运动方程；然后，设计自 适应 卡尔曼滤波 算法求解运动方程，即通过FCOS算法提取卷...基于新息自 适应 卡尔曼滤波 地铁测速定位方法 2025年 自 适应 卡尔曼滤波 的测速定位方法,以无人驾驶地铁为研究对象,首先基于先验牵引制动目标级位约束,将列车视为一维刚性均布质量模型,考虑列车经过等效变坡点的动力学行为,建立修正机动加速度的列车运动模型。然后基于新息自 适应 卡尔曼滤波 实时估计与修正受到运行工况与线路情况变化影响的统计噪声。最后以3种典型工况的实车数据为例,基于16组动车轴速信息进行测速定位,并对比采用平均轴速法与无自 适应 估计噪声的常规卡尔曼滤波 算法下的6种精度评价指标,结果表明:采用该方法有效修正轮轨蠕滑引起的渐进型数据漂移,减少高速区高频噪声,速度误差均方根为0.349 0 km·h^(-1),制动停车位置误差为0.491 3 m,具备较高的测速与定位精度;在高速区轴速存在1.5%比例随机缺失工况下,速度误差均方根可稳定在0.371 7 km·h^(-1)左右,制动停车位置误差可稳定在0.042 0 m左右,对高速区测量轴速缺失具备较强鲁棒性;在列车滑行工况下,速度误差均方根为0.360 1 km·h^(-1),制动停车位置误差为0.310 5 m,对列车空转滑行具备较强鲁棒性。研究结果能够为无人驾驶地铁列车精确测速定位提供理论依据与工程参考。关键词：无人驾驶地铁 基于改进自 适应 卡尔曼滤波 算法的温室UWB定位技术 2025年 自 适应 卡尔曼滤波 (Improved adaptive Kalman filter,IAKF)算法的UWB定位技术。首先,引入异常检测机制,以识别滤波 过程中的发散现象;进而,通过实时更新量测噪声协方差矩阵,抑制滤波 发散,在噪声强波动情况下增强算法适应 性;同时,开展3种不同环境噪声下仿真定位试验,对比分析UWB、IAKF、自 适应 卡尔曼滤波 (Adaptive Kalman filter,AKF)及卡尔曼滤波 (Kalman filter,KF)算法性能。仿真结果表明,IAKF算法展现出更强的适应 性及鲁棒性。以自 主开发农用履带车辆为定位载体,于农业温室环境中开展UWB定位试验。试验结果表明,温室环境中,履带车辆在视距(Line of sight,LOS)和非视距(Non line of sight,NLOS)场景下,较AKF和KF算法,IAKF算法定位精度分别提高22.2%、13.0%和20.0%、15.4%。关键词：温室 超宽带 联合改进滑模观测器的自 适应 卡尔曼滤波 荷电状态估计 2025年 卡尔曼滤波 (KF)的SOC估计方法精度低的问题,提出一种联合改进型滑模观测器(ISMO)的自 适应 扩展卡尔曼滤波 (AEKF)算法,以实现SOC高精度估计。首先,基于双极化(DP)等效电路模型建立融合饱和函数的ISMO,以降低传统滑模观测器的抖振。其次,设计一种新型自 适应 衰减因子,以降低过往陈旧测量数据对扩展卡尔曼滤波 估计结果的影响,并基于融合饱和函数的ISMO,实现联合ISMO的AEKF估计方法设计。最后,基于自 主实验平台获取实测模拟工况数据搭建仿真模型,验证了所提ISMO_AEKF算法在不同工况下,相比于AEKF、ISMO_EKF和其他同类型联合算法,具有更高的估计精度及鲁棒性。关键词：荷电状态 饱和函数 滑模观测器 卡尔曼滤波 基于自 适应 卡尔曼滤波 的视觉多目标跟踪 2025年 自 适应 卡尔曼滤波 AKF(adaptive Kalman filter),充分利用目标检测器提供的信息对运动模型加以修正,提高对运动不规律目标跟踪准确度;为解决目标ID频繁切换的问题,设计一种BIoUG贪婪算法,通过放大匹配框并采取择优匹配的方式,提高匹配机会并降低误匹配概率。在此基础上,提出一种针对运动不规律目标的多目标跟踪方法。实验结果表明,所提方法在DanceTrack数据集上的MOTA、HOTA、IDF1分别达到了92.2%、57.7%和58.7%;在MOT17数据集上,MOTA、HOTA、IDF1分别达到了80.3%、63.3%和77.3%。与目前主流的同类目标跟踪方法相比,所提方法对运动不规律和规律的目标均有较好的跟踪效果,体现出较好的综合性能,为运动不规律多目标的跟踪提供了新的解决思路。关键词：多目标跟踪 卡尔曼滤波 数据关联 基于自 适应 卡尔曼滤波 与LSTM的航班延误预测研究 2025年 自 适应 卡尔曼滤波 (ACKF)与长短期记忆网络(LSTM)的新型模型。传统LSTM在捕捉航班延误数据中的时间依赖性和非线性关系方面表现出色,但在处理极端延误事件时却存在明显局限,难以有效应对突发情况。为了解决这一问题,该研究引入自 适应 卡尔曼滤波 ,以对LSTM模型的预测结果进行动态调整,从而增强模型在面对极端事件时的适应 能力。实验结果表明,ACKF-LSTM模型在均方误差(MSE)和均方根误差(RMSE)等评估指标上均优于传统LSTM以及其他机器学习模型,显著提升了航班延误时间的预测精度。关键词：卡尔曼滤波 时间序列 基于扩展空间森林算子和自 适应 卡尔曼滤波 的轴承剩余使用寿命预测 2025年 自 适应 卡尔曼滤波 轴承剩余使用寿命(ESF-AKF)的预测方法。首先,提取了原始轴承振动数据的均方根值和整流平均值两个退化指标;然后,根据扩展空间森林算子对两个退化指标进行了特征扩展,提出了新的动态退化评估准则,选择了两个新的退化指标融合构建综合轴承退化指标;接着,设计了自 适应 卡尔曼滤波 预测模型以估计维纳过程的未知参数,即引入自 适应 因子代入先验误差协方差矩阵,实时调整了滤波 的卡尔曼 增益;最后,采用IEEE PHM2012公开数据集进行了轴承剩余寿命预测验证。研究结果表明:与两个传统退化指标相比,基于提出的综合轴承退化指标的预测结果平均误差分别降低了5.69%和21.10%;与卡尔曼滤波 和粒子滤波 相比,基于自 适应 卡尔曼滤波 的平均误差分别降低了45.41%和10.92%;与其他模型相比,平均均方根误差、平均绝对误差分别降低了48.56%、29.11%。该研究结果验证了该轴承使用寿命预测方法的准确性和有效性。关键词：滚动轴承 维纳过程 卡尔曼滤波 预测与健康管理 一种基于sage-husa自 适应 卡尔曼滤波 的电导率仪数据处理方法 自 适应 卡尔曼滤波 的电导率仪数据处理方法，包括以下步骤：通过电导率传感器探头采样测量对象的电导率和温度原始数据；建立电导率仪的改进sage‑husa自 适应 卡...Sage-Husa自 适应 卡尔曼滤波 在超声波时差测量中的应用 2025年 自 适应 卡尔曼滤波 算法对时差数据进行滤波 ,该算法通过更新系统噪声和过程协方差实现对时差数据的误差估计。在Sage-Husa自 适应 滤波 过程中,如果没有预先设置初始值或时差数据变化较大,则第二个滤波 后的数据就更新为实测的时差值。当测量的时差数据变化不大时,从滤波 结果图中观察到滤波 结果近似为直线。在实验中,通过将不同流量点的滤波 数据与标准时差数据进行比较,可以看出通过该算法滤波 后时差的误差在有效范围之内。关键词：系统噪声
