基于擴展卡爾曼濾波實現(xiàn)的鋰電池SOC估算
上傳時間： 2017-05-10
上傳用戶：到底奚不奚
PMSM入門必看?。。。。。。。。。?，卡爾曼濾波無位置傳感器控制
上傳時間： 2017-07-18
上傳用戶：MIAOMAOYU
內包含卡爾曼濾波器的詳細介紹，為卡爾曼濾波器的學習提供幫助。
標簽： 卡爾曼濾波器 MATLAB
上傳時間： 2017-11-06
上傳用戶：zyymary
無跡卡爾曼濾波UKF在組合導航中應用的MATLAB仿真代碼
上傳時間： 2017-12-29
上傳用戶：007amw
：消落帶土壤由于在水陸交替的特殊生境和復雜的地球化學共同作用下形成，具有獨特的理化性質和生態(tài)功能。各營養(yǎng)鹽 含量在時間和空間上具有較高的變異性，土壤中有機質的分布及遷移和轉化均受到復雜的影響。針對官廳水庫流域上游媯水 河段消落帶，選擇典型消落帶落水區(qū)，對該區(qū)土壤有機質含量的時空分布特征進行研究。結果表明：1)研究區(qū)消落帶土壤有機 質含量較為貧瘠，變化范圍在1．64—26∥蠅之間，平均值僅為13．169／kg，變異系數(shù)達50．59％。說明消落帶由于季節(jié)性干濕交 替的特殊水文條件的影響，土壤養(yǎng)分的分布具有較高的空間異質性。淹水頻繁區(qū)有機質含量平均值為15．74∥婦，高于長期出 露區(qū)的10．12∥k，且變異系數(shù)為41．38％，小于長期出露區(qū)的54．98％。說明淹水頻繁區(qū)對土壤養(yǎng)分的持留能力更強，且周期性 的淹水條件使得研究區(qū)近岸具有相似的生境類型，不同采樣點土壤有機質含量的差異相對較小。2)不同植物群落下．蘆葦和 香蒲群落土壤有機質含量最高，平均值為17．089／kg；含量最低的是以小葉楊和白羊草為主的中旱生植物帶，平均值為9．12，∥ kg；其次是酸模葉蓼、大刺兒菜為優(yōu)勢物種的濕生植物帶，土壤有機質含量平均值為15．499／kg。3)不同土壤層次有機質含量差 異較大，總體變化趨勢均由表層向下逐漸減少，各層之間體現(xiàn)出顯著差異性(P<0．05)。研究區(qū)土壤C／N變化范圍在1．64— 18．95，平均值為8．95。說明研究區(qū)土壤碳氮比相對較低，有機質的腐殖化程度較高，且長期出露區(qū)土壤有機質更容易發(fā)生分 解，C的累積速度遠小于N。土壤C／N垂直分布大致呈先增大后減小趨勢，在30cm處達到最大值，而后隨著土壤深度的增加逐 漸減小。4)消落帶土壤有機質分布的影響因素分析中，土壤有機質與全磷呈極顯著正相關，相關系數(shù)為0．62(P<0．01)：與土壤 全氮和C／N呈顯著正相關(R=0．57，O．60；P<0．05)。這說明研究區(qū)土壤全磷、全氮、C／N和有機質明顯具有相同的變化趨勢．和 有機質存在相互影響。其次，土壤有機質和濕度在呈顯著負相關(R=一O．51；P<0．05)，表明研究區(qū)土壤濕度對有機質含量具有 顯著的影響。氣候因子中，溫度對研究區(qū)土壤有機質的分布具有顯著的影響，相關系數(shù)為一0．51(P<0．05)。植被因子中．植被 覆蓋度和土壤有機質含量呈顯著正相關，相關系數(shù)為0．64，表明植被因子也是影響土壤有機質分布的重要因素之一。
上傳時間： 2018-08-13
上傳用戶：閩外莯莯
改進版多模型卡爾曼濾波論文，能更好的適應非線性場景
標簽： IMM-kalman 濾波
上傳時間： 2019-06-10
上傳用戶：guokai626
該書由美國Charles.K.Chui,中國GuanRong Chen 著,清華大學出版社出版。
標簽： 卡爾曼濾波
上傳時間： 2021-01-27
上傳用戶：
一種通用微型飛行控制器設計 105頁摘 要 微小型無人機(Micro／Mini UnmannedAerial Vehicle，M【，AV)在現(xiàn)代軍事和國民經(jīng)濟中發(fā) 揮著越來越重要的作用。飛行控制器是無人機系統(tǒng)的核心，它自動采集無人機的各種飛行參數(shù)， 輸出舵面／油門指令以控制無人機的姿態(tài)和軌跡，使無人機能在沒有人工操縱干預的情況下自主 飛行，完成預定的任務。因此，研制高性能的飛行控制器對改善無人機的飛行性能以及提高任 務完成效率都具有重要的意義。 本文著重研究一種通用微型飛行控制器(General Micro Flight Controller，GMFC)，以適用 于小型／微型固定翼飛行器、旋翼飛行器、飛艇以及移動機器人的控制。論文的主要工作涉及 GMFC的硬件設計與軟件實現(xiàn)，具體內容包括： 1)分析了微型飛行控制器在國內外的研究現(xiàn)狀和發(fā)展趨勢，根據(jù)任務需求和設計指標確定 一種通用型、微型化、低功耗、高性能、低成本的嵌入式微型飛行控制器的整體方案。 2)設計了基于ARM的通用微型飛行控制器的硬件系統(tǒng)，包括主控模塊、慣性測量單元、 靜壓高度計、遙控信號接收單元、數(shù)據(jù)通信模塊、電源模塊、附加傳感器模塊等；完成了整個 控制器的PCB制作以及對所有電路的調試工作，使得系統(tǒng)運作正常。 3)研究了基于卡爾曼濾波算法的姿態(tài)參考系統(tǒng)，并對姿態(tài)參考系統(tǒng)的靜態(tài)性能和動態(tài)性能 進行測試。 4)設計了小型四旋翼飛行器本體平臺并對其進行動力學建模仿真； 5)在此基礎上，結合四旋翼飛行器試驗平臺設計了飛行控制律，開發(fā)了GMFC的軟件系 統(tǒng)，并開展物理實驗驗證。
標簽： 飛行控制器
上傳時間： 2022-03-15
上傳用戶：zhaiyawei
在工業(yè)應用中常用一組傳感器對問一個被測量目標在一個過程的不同位置進行測量，然而由于每個傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測量值中獲得更準確的測量結果，霱要進“步研究多傳感器的融合理論多傳感器數(shù)據(jù)融合系統(tǒng)的關鍵在于如何充分利用各個傳感器的信息，得到對被測參數(shù)的最優(yōu)估計，本文主要研究了以加權的方式進行多傳感器數(shù)據(jù)融合的方法，即研究如何對每個傳感器進行加權，從而得到對被測參數(shù)最優(yōu)佑計的方法為此本文在介紹了多傳感器數(shù)據(jù)融合技術的基礎上，首先研究了基于奇異值分解的數(shù)據(jù)融合算法，通過對傳感器測量值構成的矩陣進行奇異值分解，利用每個傳感器測量值所對應的奇異值，可以估計出對每個傳感器權值的最優(yōu)估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數(shù)的最優(yōu)估計，此外，在許多工業(yè)過程中，人們利用多傳感器測量同一過程參數(shù)以控制該參數(shù)在過程中的不同位置能根據(jù)需要進行合理分布，此時人們希望利用多傳感器融合的測量結果，對每一個傳感器的測量數(shù)據(jù)進行重建，以獲得對每一個傳感器的測量結果進行更為準確的估計。為此，本文進一步研究了基于小波降噪和數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法，仿真和實驗結果都說明提出算法是有效的，最后，研究了非線性動態(tài)系統(tǒng)的狀態(tài)融合問題，研究了加權無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴展卡爾曼濾波（EKF）在狀態(tài)融合估計中的不足，可以得到了更準確的狀態(tài)融合估計結關鍵詞多傳感器系統(tǒng)，數(shù)據(jù)融合，奇異值分解，UKF
標簽： 傳感器 數(shù)據(jù)融合
上傳時間： 2022-03-16
上傳用戶：aben
目前電動汽車主要以鋰電池作為動力來源,為了提高鋰電池的使用時間和安全性,為鋰電池提供安全良好的運行環(huán)境,電池管理系統(tǒng)應運而生。BMS主控單元基于S32K144汽車級單片機,通過主從式網(wǎng)絡控制結構能夠對鋰電池的各個參數(shù)進行采集與分析。采用擴展卡爾曼濾波對電池的荷電狀態(tài)(SOC)進行估算,克服普通估算方法無法避免電池內阻誤差的缺點,通過Matlab/Simulink軟件仿真驗證可使估算誤差達到2%以內。At present,electric vehicles mainly use lithium batteries as the power source.In order to improve the running time and safety of lithium batteries,a safe and good operating environment for power batteries is provided,and a battery management system(BMS) has emerged.The BMS main control unit is based on the S32K144 automotive-grade control chip.Through the master-slave network control structure,it can collect and analyze the various parameters of the lithium battery.The Extended Kalman Filter(EKF) is used to estimate the state of charge(SOC) of the battery,which overcomes the shortcomings of the internal estimation method that cannot overcome the internal resistance error of the battery.It can be verified by Matlab/Simulink software simulation.The estimation error is within 2%.
上傳時間： 2022-03-26
上傳用戶：XuVshu
