状态反馈控制及卡尔曼滤波

本书系统介绍了基于状态空间模型的状态反馈及卡尔曼滤波方法,共8章,由三部分组成,第一部分(第1、2章),连续时间状态反馈控制;第二部分(第3～6章),离散时间状态反馈控制;第三部分(第7、8章),卡尔曼滤波。本书介绍了连续系统及离散系统的状态空间模型建模、状态反馈控制器、观测器、干扰抑制及参考信号跟踪的设计...

卡尔曼滤波算法,在锂电池SOC估计中,如何提高估计精度及鲁棒性

卡尔曼滤波是一种最优化自回归数据处理算法,当其应用于强非线性系统时,常见形式有扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)、无迹卡尔曼滤波(UnscentedKalmanFilter,UKF)以及容积卡尔曼滤波(CubatureKalmanFilter,CKF)等。锂电池系统属于强非线性系统,且存在极为复杂的运行噪声和外界干扰,这些系统噪声分布规律...

基于扩展卡尔曼滤波EKF的无感控制+Matlab/Simulink仿真案例

扩展卡尔曼滤波首先是一个滤波器自带滤波功能,其次是一个自适应系统,滤波增益能够适应环境进行自动调节,可对系统状态进行在线估计,进而实现对系统的实时控制。而且扩展卡尔曼滤波与其他观测器相比还能对系统噪声和测量噪声进行过滤,提高系统状态的估算精度。扩展卡尔曼滤波是卡尔曼滤波在非线性系统中的扩展应用,因为电机是...

技术 基于改进扩展卡尔曼滤波的锂电池SOC估计

传统的扩展卡尔曼滤波算法(EKF)算法是采用固定的模型参数进行SOC估计,在电池放电末期,电池极化作用会导致电池的模型参数发生变化,此时用传统的EKF算法估计SOC,尾端的误差将会变大。本文提出了一种改进的扩展卡尔曼滤波算法,先利用遗忘因子最小二乘法估计电池模型参数,再将估计的模型参数与电池电压、电流进行局部加权回归...

计算机视觉中,究竟有哪些好用的目标跟踪算法(上)

生成类方法,在当前帧对目标区域建模,下一帧寻找与模型最相似的区域就是预测位置,比较著名的有卡尔曼滤波,粒子滤波,mean-shift等。举个例子,从当前帧知道了目标区域80%是红色,20%是绿色,然后在下一帧,搜索算法就像无头苍蝇,到处去找最符合这个颜色比例的区域,推荐算法ASMSvojirt/asms(httpsgithub/vojirt/...