作者:陆可,肖建 单位:中国自动化学会;中国科学院自动化所 出版:《自动化学报》2008年第09期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFMOTO2008090080 DOC编号:DOCMOTO2008090089 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于强跟踪滤波的传感器故障诊断的改进方法》PDF+DOC2010年第21期 刘志成,郎建华,邱海莲 《基于强跟踪滤波器的多传感器信息融合应用研究》PDF+DOC2009年第08期 李淑玉,楼树美,孔李军 《一种估计来波信号极化状态的新方法》PDF+DOC2008年第05期 罗佳,王雪松,李永祯,肖顺平,戴幻尧 《采用距离无偏估计的加权最小二乘定位算法》PDF+DOC2016年第12期 李朝海,汪子峰,李会勇,张伟 《基于多传感器信息融合技术的联合卡尔曼滤波器的设计及应用》PDF+DOC2002年第02期 盛三元 ,王建华 《宽带移动卫星通信系统低成本姿态估计算法》PDF+DOC2013年第06期 田方浩,姚敏立,周淑华,伍宗伟 《WSN数据融合中的隐私保护技术研究》PDF+DOC2012年第15期 许建,杨庚,陈正宇,王海勇,杨震 《机动目标有偏观测的主从融合算法》PDF+DOC2010年第10期 王钺,王萌希,杜雄杰,山秀明 《一种小波域盲源分离算法》PDF+DOC2007年第03期 赵知劲,解婷婷,李小平,赵治栋 《多传感器信息融合联邦滤波一般模型的理论与仿真研究》PDF+DOC2006年第04期 孙连霞,穆荣军,崔乃刚
  • 在强跟踪滤波(Strong track filter,STF)算法和延迟扩展Kalman滤波(Schmidt extended Kalman filter,SEKF)算法的基础上,提出了强跟踪延迟滤波(Strong track Schmidt filter,STSF)算法,结合感应电机降阶模型建立了电机状态估计算法,将其应用于感应电机无速度传感器控制系统中,并与扩展Kalman滤波(Extended Kalman filter,EKF)、SEKF和STF三种算法的状态估计性能作比较.仿真和实验结果表明,STSF算法在估计精度、跟踪速度、抑止噪声等方面均优于EKF算法,并且计算复杂度显著降低,能有效在线估计电机转速和磁链。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。