导读:本文包含了卡尔曼滤波模型论文开题报告文献综述及选题提纲参考文献，主要关键词:卡尔曼滤波,土石坝,渗流安全,监控模型
卡尔曼滤波模型论文文献综述
冯春燕,庞琼,谷艳昌,黄海兵[1]（2019）在《基于卡尔曼滤波的土石坝渗流安全监控模型》一文中研究指出土石坝渗流观测数据中包含着监测系统本身噪声和外界干扰的影响,卡尔曼滤波算法可以去除数据中的测量噪声,还原真实数据,是一种对系统状态进行最优估计的算法.在建立传统统计监控模型基础上,引入卡尔曼滤波算法.滤波过程中状态向量即为监控模型的回归系数,观测方程为监控模型本身,通过对模型的优化达到对测量值的最优估计.该优化模型精度比传统最小二乘回归统计模型更高,并在工程实例中得到验证;当需要处理较多数据时,该优化模型建模效率明显高于最小二乘法.(本文来源于《武汉大学学报(工学版)》期刊2019年11期）
张佳倩,刘志虎[2]（2019）在《基于模型参数辨识和扩展卡尔曼滤波的锂电池荷电状态估计》一文中研究指出锂电池的荷电状态(SOC)估计作为电池管理系统的关键技术之一,直接影响到整个电池管理系统(BMS)的功能和效率。针对一般的简单多项式拟合SOC-OCV曲线提出了改进,采用了分段拟合的方式,能够降低拟合公式的阶数,提高拟合精度。结合戴维南(Thevenin)等效电路,以及充放电实验和混合脉冲功率特性(HPPC)实验进行参数辨识,得到状态方程和观测方程,采用扩展卡尔曼滤波算法(EKF)对锂电池的不同工况进行SOC估计。仿真结果表明,分段拟合SOC-OCV曲线能有效提高SOC估计精度,减少计算量。(本文来源于《工业控制计算机》期刊2019年09期）
宋之卉,赵彦晓[3]（2019）在《基于卡尔曼滤波模型的多传感器数据融合导航定位建模与仿真》一文中研究指出随着导航定位技术领域可用的位置传感器种类越来越多,各传感器采集数据优缺点并存,同一个物理信息数据源也呈多样化。因此,依靠单一传感器提供信息已无法满足用户需求。本论文采用导航定位传感器GNSS(Global Navigation Satellite System,全球导航卫星系统)接收机、视觉传感器和惯性导航传感器采集位置信息,采用卡尔曼滤波技术进行数据预处理,通过计算相对误差和均方根误差对预处理置信度和精确度加以判断,然后采用最优加权融合估计算法对滤波后数据进行融合,仿真对比结果表明:融合处理结果优于单源处理结果,导航定位精度得到提高,能更好地为用户提供多维度的导航定位结果,同时也为环境数据预测和评估做支撑,具有一定的实际应用价值。(本文来源于《数字通信世界》期刊2019年09期）
杜云,张静怡[4]（2019）在《基于自适应容积卡尔曼滤波的交互多模型算法》一文中研究指出ADS-B航迹处理主要包括航迹数据滤波和滤波后数据可靠性的判断。飞机飞行运动复杂,而报文需要在飞行过程中向外界发送,此时报文会受到来自外界的影响和干扰,从而使航迹信息出现误差或丢失。为提高ADS-B航迹报文的准确性,文章采用了交互多模型滤波算法,将自适应容积卡尔曼滤波器作为交互多模型滤波算法的滤波器,并将当前统计模型作为交互多模型的子模型。仿真结果表明,论文改进的算法提高了滤波算法的滤波性能,相较于传统的交互多模型滤波算法具有更高的滤波精度。(本文来源于《科技创新与应用》期刊2019年25期）
潘妍如,刘飞[5]（2019）在《基于混合控制论模型的扩展卡尔曼滤波》一文中研究指出针对生物技术过程,使用所建立的混合控制论模型,设计可以用于非线性动力学模型的扩展卡尔曼滤波器,来实现对生物体代谢过程的实时监控。混合控制论模型结合了基元模式和控制论建模两种方法的优点,考虑细胞内产物信息,对细胞内外的代谢行为有详细的描述。本文基于聚羟基丁酸这一重要生物聚合物的代谢途径分析,根据所构建的混合控制论模型,采用扩展卡尔曼滤波进行状态估计。仿真结果表明,扩展卡尔曼滤波对于细胞内外一些重要宏观状态变量的变化具有很好的跟踪效果,可以用于此类模型的过程监测。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
蒋帆,徐海祥,冯辉,余文瞾,李文娟[6]（2019）在《基于模型预测扩展卡尔曼滤波的动力定位状态估计》一文中研究指出针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,在系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。(本文来源于《船舶工程》期刊2019年07期）
徐洪俊,张锦东,张其林[7]（2019）在《基于时间序列模型和扩展卡尔曼滤波算法的结构响应预测》一文中研究指出基于上海中心大厦实测加速度幅值数据,探讨差分自回归滑动平均(ARIMA)模型和扩展卡尔曼滤波(EKF)预测方程在实测信号预测方面的应用,提出了ARIMA-EKF预测方法:先建立ARIMA模型,由该模型的预测方程推导出卡尔曼滤波的状态方程和测量方程,建立EKF预测方程实现信号的预测。本文提出的ARIMA-EKF预测方法有效地提升了ARIMA模型的预测精度,对于实时加速度幅值的变化趋势能够进行有效的预测。(本文来源于《第十九届全国现代结构工程学术研讨会论文集》期刊2019-07-19）
舒文文,卢毅,樊洋[8]（2019）在《基于卡尔曼滤波法的挣值绩效预测优化模型》一文中研究指出为提高挣值法的预测精度,解决预测项目可能发生的工期偏差和费用偏差问题,本文提出了一种将卡尔曼滤波引入挣值法的优化模型。基本思路是:首先,将项目划分为多个观察时刻,并根据每个时刻的观测数据计算成本绩效指标CPI和进度绩效指标SPI;其次,建立成本和进度卡尔曼滤波器预测优化模型,然后将计算出的CPI和SPI作为初值输入模型,利用卡尔曼滤波优化模型进行预测;最后对成本与进度进行预测并进行对比。案例研究证明:利用卡尔曼滤波器优化模型可以提高预测精度,能解决施工周期偏差和成本偏差问题。(本文来源于《四川建材》期刊2019年07期）
孙寿宇,宫淑丽[9]（2019）在《基于交互式多模型扩展维特比容积卡尔曼滤波机场场面运动目标跟踪》一文中研究指出根据先进场面运动引导控制系统(advanced surface movement guidance and control system,A-SMGCS)的监视要求,提出一种基于交互式多模型扩展维特比算法(interactive multi-model extended viterbi algorithm,IMMEV)与容积卡尔曼滤波(CKF)相结合的目标跟踪算法,以实现机场场面目标的跟踪。根据机场场面运动目标的运动建立相应的运动模型集,采用交互式多模型算法(IMM)实现目标跟踪;模型集中过多的模型会导致运算复杂性增加,且不能真实反映目标的运动,采用扩展维特比(extended viterbi,EV)算法对IMM进行优化,简化模型集;容积卡尔曼滤波器(cubature Kalman filter,CKF)较传统的滤波算法具有更高的滤波精度和稳定性,将其与IMMEV相结合形成IMMEV-CKF跟踪算法。为了验证所提出的IMMEV-CKF对场面运动目标跟踪性能,仿真研究IMMEV-CKF算法、IMM-UKF和当前统计模型对同一目标的跟踪。仿真结果表明,IMMEVCKF在跟踪精度性能方面要优于IMM-UKF和改进后的当前统计模型。因此,IMMEV-CKF更能满足机场场面运动目标跟踪要求。(本文来源于《科学技术与工程》期刊2019年18期）
王勇,陈万顺[10]（2019）在《基于多模型模糊扩展卡尔曼滤波的电池SOC预测》一文中研究指出随着电池充放电次数的增加,电池充放电特性会发生变化,难以使用单一数学模型加以描述,从而限制了传统卡尔曼滤波预测电池SOC值的精度。针对不同充放电次数的电池分别建立数学模型,并通过卡尔曼滤波对不同模型的电池荷电状态进行预测。采用模糊推理确定不同模型预测结果的权重,并加权求和作为最终结果。实验表明,该预测方法在不增加测量装置硬件成本的基础上,有效提高了电池SOC值的预测精度。(本文来源于《长春师范大学学报》期刊2019年06期）
卡尔曼滤波模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
锂电池的荷电状态(SOC)估计作为电池管理系统的关键技术之一,直接影响到整个电池管理系统(BMS)的功能和效率。针对一般的简单多项式拟合SOC-OCV曲线提出了改进,采用了分段拟合的方式,能够降低拟合公式的阶数,提高拟合精度。结合戴维南(Thevenin)等效电路,以及充放电实验和混合脉冲功率特性(HPPC)实验进行参数辨识,得到状态方程和观测方程,采用扩展卡尔曼滤波算法(EKF)对锂电池的不同工况进行SOC估计。仿真结果表明,分段拟合SOC-OCV曲线能有效提高SOC估计精度,减少计算量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
卡尔曼滤波模型论文参考文献
[1].冯春燕,庞琼,谷艳昌,黄海兵.基于卡尔曼滤波的土石坝渗流安全监控模型[J].武汉大学学报(工学版).2019
[2].张佳倩,刘志虎.基于模型参数辨识和扩展卡尔曼滤波的锂电池荷电状态估计[J].工业控制计算机.2019
[3].宋之卉,赵彦晓.基于卡尔曼滤波模型的多传感器数据融合导航定位建模与仿真[J].数字通信世界.2019
[4].杜云,张静怡.基于自适应容积卡尔曼滤波的交互多模型算法[J].科技创新与应用.2019
[5].潘妍如,刘飞.基于混合控制论模型的扩展卡尔曼滤波[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[6].蒋帆,徐海祥,冯辉,余文瞾,李文娟.基于模型预测扩展卡尔曼滤波的动力定位状态估计[J].船舶工程.2019
[7].徐洪俊,张锦东,张其林.基于时间序列模型和扩展卡尔曼滤波算法的结构响应预测[C].第十九届全国现代结构工程学术研讨会论文集.2019
[8].舒文文,卢毅,樊洋.基于卡尔曼滤波法的挣值绩效预测优化模型[J].四川建材.2019
[9].孙寿宇,宫淑丽.基于交互式多模型扩展维特比容积卡尔曼滤波机场场面运动目标跟踪[J].科学技术与工程.2019
[10].王勇,陈万顺.基于多模型模糊扩展卡尔曼滤波的电池SOC预测[J].长春师范大学学报.2019