专利交易市场

一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法，包括以下步骤：首先，在智能网联交通系统中，通过DSRC技术自动识别行驶的车辆并获取相关数据，实现车载系统与路边单元的信息交互；接着，针对采集的相关信息，首先通过量化公式对路边单元与车载系统的方位差进行量化，其次通过自回归滑动平均法对加速度进行预测，最后利用自适应扩展卡尔曼滤波进行速度预测；最后，将处理好的信息广播给路边单元，以便于下一次与车载系统的信息交互。本发明提供了一种基于自适应扩展卡尔曼滤波的车辆速度跟踪方法。

本发明公开了一种用于异步电机转速辨识的迭代扩展卡尔曼滤波的改进方法，具体按照如下步骤进行：步骤1：以定子电流、转子磁链和转子速度为状态变量，建立异步电机在两相静止坐标系下的数学模型；步骤2：基于步骤1得到的所述异步电机在两相静止坐标系下的数学模型，将改进的Sage‑Husa噪声统计估计器嵌入到迭代卡尔曼滤波器中，通过迭代运算和在线估计得到虚拟噪声的未知协方差矩阵；步骤3：在步骤2中得到所述虚拟噪声的未知协方差矩阵中，引入自适应衰落因子，同时增加估计的状态向量的方差，得到了改进后的迭代扩展卡尔曼滤波。本发明有效减小了滤波误差，提高转速辨识的精度，且在一定程度上增强了系统控制性能的鲁棒性。

本发明提供了一种基于扩展卡尔曼滤波的锂电池SOC估计方法，包括以下步骤：构建锂电池的等效电路模型；根据等效电路模型建立离散非线性系统状态及观测方程；根据离散非线性的系统状态及观测方程得到扩展卡尔曼滤波算法所需的线性系统状态及观测方程；更新扩展卡尔曼滤波算法的预测及校正部分；判断扩展卡尔曼滤波算法的预测及校正部分的更新过程是否完成：若是，则重构扩展卡尔曼滤波算法所需的线性系统状态及观测方程；根据重构的扩展卡尔曼滤波算法所需的线性系统状态及观测方程估计锂电池的SOC。本发明能够同时兼顾到起始估计阶段的锂电池SOC估计值收敛速度，以及收敛到容许误差范围内后平稳估计阶段锂电池SOC估计值波形的平滑性。

本发明涉及一种噪声自适应强跟踪扩展卡尔曼滤波器四旋翼姿态解算方法，属于无人机技术领域，包括构建状态方程和观测方程，初始化系统噪声和量测噪声初值；计算下一时刻的一次预测状态；计算新息，更新强跟踪滤波器，将次优渐消因子拆分；计算得到改进的一步预测误差协方差矩阵对下一时刻的噪声方差及噪声均值重新估计，将估计值引入EKF公式；计算卡尔曼增益矩阵、状态的二次估计和误差协方差的二次估计，判断是否循环结束；输出结果。本发明引入强跟踪滤波器，解决了传统扩展卡尔曼滤波器因泰勒展开近似线性化等问题导致的跟踪能力弱的问题，通过改进次优渐消因子引入形式，保证了协方差矩阵计算结果的对称性，提高了系统跟踪速度。

本发明公开一种带有扩展卡尔曼滤波的SRM变磁链直接转矩控制器构造方法，由扩展卡尔曼滤波模块、改进磁链模型、改进转矩模型、滑模速度控制器模块、含有补偿的磁链调节模块、转矩滞环模块、磁链滞环模块、区间判断模块、开关矢量表模块构成，先构造输出是电流估计值转子位置角估计值 转子速度估计值的扩展卡尔曼滤波模块，再构造输入均是电流估计值和转子位置角估计值的改进磁链模型和改进转矩模型，给定速度与转子速度估计值 作差得到转速偏差ωerr构造输出是参考转矩Tref的滑模速度控制器模块，参考转矩Tref与转矩反馈量作比较得到转矩偏差Terr构造输出是参考磁链ψref的含有补偿的磁链调节模块；本发明减小SRM控制过程中的内存消耗，在调速范围内提升响应性能。