最簡單的阿爾法 貝塔 伽馬 濾波程序 設置了初值 和真實值 并對真實值和估計值進行了比較
標簽： 卡爾曼濾波
上傳時間： 2016-10-21
上傳用戶：260970449
基于擴展卡爾曼濾波實現的鋰電池SOC估算
上傳時間： 2017-05-10
上傳用戶：到底奚不奚
PMSM入門必看！！！！！！！！！！1，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
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)在現代軍事和國民經濟中發 揮著越來越重要的作用。飛行控制器是無人機系統的核心，它自動采集無人機的各種飛行參數， 輸出舵面／油門指令以控制無人機的姿態和軌跡，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，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狀和發展趨勢，根據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，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、數據通信模塊、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，使得系統運作正常。 3)研究了基于卡爾曼濾波算法的姿態參考系統，并對姿態參考系統的靜態性能和動態性能 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，開發了GMFC的軟件系 統，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據融合系統的關鍵在于如何充分利用各個傳感器的信息，得到對被測參數的最優估計，本文主要研究了以加權的方式進行多傳感器數據融合的方法，即研究如何對每個傳感器進行加權，從而得到對被測參數最優佑計的方法為此本文在介紹了多傳感器數據融合技術的基礎上，首先研究了基于奇異值分解的數據融合算法，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的最優估計，此外，在許多工業過程中，人們利用多傳感器測量同一過程參數以控制該參數在過程中的不同位置能根據需要進行合理分布，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據進行重建，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據融合的傳感器數據重建算法，仿真和實驗結果都說明提出算法是有效的，最后，研究了非線性動態系統的狀態融合問題，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）在狀態融合估計中的不足，可以得到了更準確的狀態融合估計結關鍵詞多傳感器系統，數據融合，奇異值分解，UKF
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境,電池管理系統應運而生。BMS主控單元基于S32K144汽車級單片機,通過主從式網絡控制結構能夠對鋰電池的各個參數進行采集與分析。采用擴展卡爾曼濾波對電池的荷電狀態(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
