容积卡尔曼滤波算法研究及其在电机状态估计中的应用-电力电子与电力传动专业论文.pdf.docxVIP

研究生优秀毕业论文 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在 年解密后适用本授权书； 2．不保密d使用本授权书。 (请在以上方框内打“√”) 学僦文储虢百绯指刷獬梗 日期：守口8，石，多r 日期：抄，5．∥．丛 万方数据 西南交通大学博士学位论文创新性声明本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 西南交通大学博士学位论文创新性声明 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确的说明。 本人完全意识到本声明的法律结果由本人承担。 本学位论文的主要创新点如下： 1、提出了两种基于CKF(Cubature Kalman Filter)的改进算法，即自适应CKF算法 和自适应CKF强跟踪滤波算法。自适应CKF算法能克服标准算法对噪声先验统 计知识的依赖性，在噪声未知时变的情况下保证滤波收敛，并显著提高常规CKF 算法的估计精度和稳定性。而自适应CKF强跟踪滤波算法能进一步实现对模型参 数失配以及突变状态的快速跟踪，有效地增强算法的鲁棒性。(详见第2章) 2、提出了分布式CKF算法，在传感器网络中任意节点处可以获得与集中式滤波等效 的状态估计，并且能够有效避免基于Sigma点信息滤波的分布式算法其滤波性能 易受参数影响这一问题。根据理论分析，分布式CKF算法与分布式UKF算法相 比，能以更高的滤波精度和数值稳定性逼近真实状态，同时给出了仿真验证。(详 见第3章) 3、 针对传感器网络中非线性系统含未知输入的分布式滤波问题，根据未知输入是否 直接影响输出进行两种情况的讨论，分别提出了分布式DNRTSKF算法和分布式 DNERTSIF算法，有效的弥补了现有分布式算法对输入未知或随机干扰出现性能 不佳这一缺陷。两种算法均能对传感器网络中非线性系统状态和未知输入同时进 行准确估计，并且其滤波效果与集中式方案几乎等效。在分布式方案设计中采用 ICF的信息融合思想对各节点处的局部信息状态向量和信息矩阵进行迭代更新而 不是直接融合观测信息，因此产生的状态估计是无偏的。(详见第4章和第5章) 4、 针对目前处理传感器网络系统中测量数据丢失的分布式滤波方法均基于线性时变 系统或单一数据丢失概率的问题，提出了分布式NCIF算法。该算法能有效解决 传感器网络中存在测量数据丢包且各传感器节点丢包概率不等同的情形下非线性 系统的分布式滤波问题。(详见第6章) 5、将CKF的改进算法应用于感应电机的状态估计，克服了传统算法对噪声协方差矩 阵Q和尺的依赖性，增强了算法对突变状态的快速跟踪能力，并且通过电机参数 与状态的联合估计方法能实现电机参数的准确辨识，有效的避免了因电机参数变 化而引起的状态估计精度下降等问题。(详见第7章) 学位论文作者签名： 1场-勋队 日期：dD／r年 多月赵日 万方数据 西南交通大学博士研究生学位论文 西南交通大学博士研究生学位论文 第1页 摘 要 在自动控制、运动目标跟踪以及导航等众多领域中都存在着非线性系统的状态估 计问题，非线性滤波算法也因此受到了学者们的广泛关注和研究。容积卡尔曼滤波 (Cubature Kalman Filter,CKF)是近年新提出的一种性能优越的非线性滤波算法。该 算法具有严格的理论推导，其结构简单、滤波精度高、数值稳定性好且适用于高维数 的非线性系统，因此逐渐成为处理非线性滤波问题的有效方法。但由于现有算法都是 理想或简化的结果，实际应用中面临的问题更为复杂，如何设计性能更加优越的滤波 算法使其适合各类工程应用一直是非线性滤波算法的研究热点。 CKF算法能够克服其它非线性滤波算法存在的一些问题，但其算法本身依然存在 一些局限性需要进行深入研究和改进。本文首先针对标准的CKF设计需要精确已知噪 声的先验统计特性以及要求建立精确的系统模型这两个问题，提出了自适应CKF算法 和自适应CKF强跟踪滤波算法。自适应CKF算法在滤波过程中，利用Sage．Husa极 大后验估值器对噪声的统计特性进行在线估计和修正，并对滤波发散情况进行判定和 抑制，有效地提高CKF的滤波精度和数值稳定性。而CKF强跟踪滤波算法具有关于 模型参数失配的鲁棒性以及系统状态突变的快速跟踪能力，并且能克服强跟踪滤波器 (S