作者:梁天添,王茂 单位:中国惯性技术学会 出版:《中国惯性技术学报》2018年第04期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFZGXJ2018040220 DOC编号:DOCZGXJ2018040229 下载格式:PDF + Word/doc 文字可复制、可编辑
《全方位倾角传感器及其信号处理技术》PDF+DOC2016年第04期 王鹏,张伟 《一类分布式传感器粒子滤波融合算法》PDF+DOC2015年第18期 高蕊 《基于拉班空间的跌倒方位检测方法》PDF+DOC2018年第11期 徒鹏佳,李军怀,王怀军,姬文超,王侃 《基于垂直约束的深海拖曳系统USBL/DVL组合导航算法》PDF+DOC2019年第05期 王振杰,刘慧敏,杨慧良,贺凯飞,单瑞 《神经网络在目标跟踪中的应用》PDF+DOC1997年第02期 周锐,申功勋,崔祜涛,杨涤 《含有多普勒频率的毫米波/红外融合滤波算法》PDF+DOC2012年第03期 陈出新,周德云,王谦 《不同精度的冗余传感器故障诊断研究》PDF+DOC2011年第12期 谭平,蔡自兴,余伶俐 《基于贝叶斯估计的加权最小二乘分布式融合》PDF+DOC2011年第06期 徐苏,杨红 《基于改进粒子滤波的传感器网络目标跟踪研究》PDF+DOC2007年第06期 杨悦平,董慧颖,宋超凡,曹斌 《基于MEMS惯性传感器的机器人姿态检测系统的研究》PDF+DOC2007年第02期 秦勇,臧希喆,王晓宇,赵杰,蔡鹤皋
  • 在广义系统故障诊断过程中,若系统动态模型中存在不确定性,传统的无迹卡尔曼滤波算法将失去其传感器故障估计精度。为解决该问题,提出一种改进的强跟踪卡尔曼滤波算法以实现广义连续-离散系统的传感器故障诊断及隔离。首先,提出基于多重渐消因子的强跟踪滤波算法以实现动态模型存在不确定性广义连续-离散系统的故障诊断;然后提出一种结合多模型自适应估计的强跟踪卡尔曼滤波(STUKFMMAE)算法以实现传感器故障的有效隔离。最后,针对基于广义连续-离散系统的惯性传感器故障模型提出仿真算例。仿真数据表明,传统无迹卡尔曼滤波对于传感器故障估计误差为0.002左右,而提出的基于多重渐消因子的强跟踪滤波算法对于传感器故障估计误差最大值为未超过4×10~(-4),且STUKFMMAE相较于UKFMMAE算法具有更好的隔离效果。仿真结果验证了设计方案的有效性。

    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。