Adaptive fading Kalman filter with an application

A new adaptive state estimation algorithm, namely adaptive fading Kalman filter (AFKF), is proposed to solve the divergence problem of Kalman filter. A criterion function is constructed to measure the optimality of Kalman filter. The forgetting factor in AFKF is adaptively adjusted by minimizing the defined criterion function using measured outputs. The algorithm remains convergent and tends to be optimal in the presence of model errors. It has been successfully applied to the headbox of a paper-making machine for state estimation.

综合权值递推最小二乘法估计从UUV航行参数

根据主UUV观测系统测量的从UUV方位信息精度高、距离信息精度低的特点,将遗忘因子和位置权值构成的综合权值融入递推最小二乘算法(RLS)用于从UUV航行参数分析,避免采用EKF算法对观测噪声要求高的缺陷,克服数据饱和现象。同时对从UUV方位信息进行预处理以提高航行参数估计的收敛速度。仿真实验证明了方法的有效性。

一类载人潜水器的改进LQG控制研究

针对一类载人潜水器(MSV,MannedSubmersibleVehicle)在动力定位中多自由度之间存在的强耦合、非线性,以及系统参数的时变特性,文章采用带遗忘因子的递推最小二乘法和平方根法对系统参数进行辨识,然后在状态空间进行多输入多输出(MIMO)线性系统的最优控制研究。仿真结果表明,该两种改进LQG控制方法对于外界扰动以及系统的参数时变具有良好的控制效果,控制精度得到提高,为实际载人潜水器控制系统的多自由度动力定位控制提供了坚实的依据。

随机系统模型参数在线辨识的一种算法及负荷预报

本文提出了一种简化的多变量随机系统状态模型参数在线辨识方法。与最小二乘自适应递推算法比较,不仅需要辨识的参数减少,而且针对一类模型参数缓慢变化的系统,可以通过选择不同的遗忘因子序列来控制参数变化的幅度,解决了电力系统负荷预报中季节模型的老化问题。本方法基于带有随机噪声状态模型的典范型,大大节省了计算机的运算量和存贮容量,适于微处理机的在线应用。