http://www.13600001358.com/ 江门鹤山市合城镇云梯车出租、 江门鹤山市鹤城镇云梯车出租、江门鹤山市共和镇云梯车出租   💒   怕得老虎, 喂不得猪    💒
来源: admin   发布时间: 2019-06-15   885 次浏览   大小:  16px  14px  12px
江门鹤山市合城镇云梯车出租、 江门鹤山市鹤城镇云梯车出租、江门鹤山市共和镇云梯车出租



          江门鹤山市合城镇云梯车出租、 江门鹤山市鹤城镇云梯车出租、江门鹤山市共和镇云梯车出租   💒   怕得老虎,  喂不得猪     💒    H∞状态滤波非线性卡尔曼预测.    非线性卡尔曼更新,  H∞状态滤波因为每个系统状态[vx,ω1,ω2,ω3]T能够被直接测量,所以等效的参数估计系统模型如下:wk和vk是可能是随机的,且统计特性未知,也可能是确定的,它们的均值可能非零。H∞滤波定义一个代价函数:设计目标是在P0,Qk和Rk达到上界时,寻求一个合适的估计ˆky使J1达到最小,即在极大干扰背景下的估计误差最小化。设计思路是在𝑃0,𝑄𝑘和𝑅𝑘未知的情况下,将wk,vk和x0的不确定性对估计精度的影响降低到最低程度,使滤波器在最恶劣的条件下估计误差达到最小。所以𝐻∞滤波可以理解成系统存在严重干扰条件下的最优滤波。滤波算法如下,k=0,1,2,…。选取𝜃时需保证:通过比较H∞滤波方程组和卡尔曼滤波一步预测基本方程组可以看出H∞滤波和卡尔曼滤波是相同的,除了在Kk和Pk+1等式中多减去了θS~kPk一项。所以卡尔曼滤波是H∞滤波θ=0时的特例,虽然调谐能增强对未建模噪声和为建模动力学模型的鲁棒性,改善滤波效果,但调谐具有盲目性。而H∞滤波通过θS~kPk项实现增大Kk和Pk+1,从而增大对新鲜量测的利用权重。




           EKF滤波卡尔曼滤波可以解决线性系统的状态估计问题,确能反映出系统的实际性能和情况,但是对于实际云梯车动力学系统而言,存在不同程度的非线性化。非线性因素不能忽略,线性Kalman滤波的适用性有待商榷。因此,处理非线性系统问题的卡尔曼滤波方法相应产生。对于非线性系统,很难找到严格的递推滤波公式,大多采用近似方法。使用较为广泛的是扩展卡尔曼滤波,EKF把非线性系统利用泰勒展开式在当前状态点展开,舍去二阶及其以上项后进行系统的线性化近似。在工程应用上,大多使用欧拉法把云梯车动力学方程组进行线性化。预测阶段利用t=k时刻的云梯车状态估计值和协方差矩阵来估计当前时刻状态变量和误差协方差,表达式为:1/TT1/1,1,ˆˆ其中:𝑓[∙]为系统的状态方程,Φk+1,k为系统方程对状态矢量求偏导的雅克比(Jacobi)矩阵。更新阶段利用t=k+1时刻的真实测量值来修正上一步的状态估计值,表达式为:其中:ℎ[∙]为系统的量测方程,zk+1为当前时刻量测值,Kk+1为当前时刻的卡尔曼增益,Hk+1为量测方程对状态矢量求偏导的雅克比矩阵。

  


       江门鹤山市合城镇云梯车出租、 江门鹤山市鹤城镇云梯车出租、江门鹤山市共和镇云梯车出租 http://www.13600001358.com/


            UKF滤波无迹卡尔曼滤波(UKF)是卡尔曼滤波框架下的一种估计算法。不同于扩展卡尔曼滤波,它不对系统进行线性化处理,利用相似分布原理构造与原分布均值和协方差相同的Sigma点集,并将其引入非线性系统进行无迹变换(UT),通过求变换点集的统计量得到估计变量。UKF算法步骤如下:⑴:选定滤波初值:对k=1,2,3,…,执行:⑵:计算k-1时刻的2n+1个1倍σ样本点:,𝛾=√𝑛+𝜆,(√𝑃𝑘−1)(𝑖)表示𝑃𝑘−1下三角分解平方根的第i列。⑶:计算k时刻的一步预测模型值:𝛼是很小的正数,可取10−4≤𝛼≤1;𝜅=3−𝑛;𝛽取值与𝑋的分布形式有关,对于正态分布,𝛽=2为最优值。⑷:计算k时刻的一步预测增广样本点=𝜆2𝑛+𝜆+1−𝛼2+𝛽。如果对一步预测样本点不作增广,则只需将⑷和⑸改写成如下形式:⑷’:计算k时刻的一步预测样本点:按⑷’和⑸’计算的一步预测样本点比按⑷和⑸计算的工作量少一半,这对降低计算量是有利的,但丢弃了原复现样本所保持的奇阶距信息。⑹:计算增益矩阵:基于MATLAB-Simulink联合仿真环境,验证云梯车质心位置估计算法的准确性和有效性。试验中将驱动电机扭矩、制动力矩、纵向加速度作为输入量,将车速和轮速作为观测量,将质心位置的估计值与软件的设定值比较验证仿真结果。状态变量的初值为xs=[1,2.17,2.17,2.17]T,P0s=I4×4,Rs=I4×4,Qs=I4×4。




         从驱动到制动过程中,估计值会有轻微抖动,不够很快就会趋于稳定值。将EKF和UKF的估计结果进行对比,可以看到对于质心位置的高度估计,UKF比EKF的估计精度高,但精度差别不大,而对于质心位置的纵向位置估计,UKF比EKF的估计精度低,精度有一定差别。




     ⑴结合多轴轮边电驱动铰接云梯车所配置的传感器和电动汽车驱动轮的转矩、转速可以实时获取的优势,建立了针对质心位置估计的状态空间模型。




      ⑵提出了质心位置的H∞-EKF滤波算法和H∞-UKF滤波算法。和现有的方法相比,本文提出的估计方法不需要云梯车的横摆和侧倾运动的持续激励,仅用云梯车的纵向动力学特性就可实现对质心位置的估计,保证了云梯车的操纵稳定性和安全性,并且在估计过程中不需要云梯车的转动惯量、悬架参数以及车轮与地面摩擦系数等不易获取的参数;




       江门鹤山市合城镇云梯车出租、 江门鹤山市鹤城镇云梯车出租、江门鹤山市共和镇云梯车出租