CN103336525B - 随机系统高权值便捷ukf滤波方法 - Google Patents
随机系统高权值便捷ukf滤波方法 Download PDFInfo
- Publication number
- CN103336525B CN103336525B CN201310241427.6A CN201310241427A CN103336525B CN 103336525 B CN103336525 B CN 103336525B CN 201310241427 A CN201310241427 A CN 201310241427A CN 103336525 B CN103336525 B CN 103336525B
- Authority
- CN
- China
- Prior art keywords
- state
- variance
- weighted
- equation
- boats
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000009897 systematic effect Effects 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种随机系统高权值便捷UKF滤波方法,其特征在于:步骤1:建立空间运动体数学模型并离散化,获得离散化后的状态方程和观测方程;步骤2:对状态值的初值进行设定;步骤3:构造n+1个加权点和相应的高权值,计算加权点状态预测值及状态预测值的均值和方差;步骤:4:根据加权点状态预测值、加权点状态预测值的均值和方差,利用UKF滤波方法对状态值和方差进行更新;步骤5:重复步骤3、步骤4进行迭代运算,获得一系列状态值。
Description
技术领域
本发明涉及一种应用于空间运动体在随机干扰情况下的运动控制系统中的改进UKF(无迹卡尔曼)滤波方法。
背景技术
在运动控制系统中,空间运动体的运动往往受到随机干扰,如船舶在运动中受到随机海浪的干扰,导弹在空中运动受到气流影响等。加之测量仪器中也不可避免地存在着测量噪声,极小的测量误差就可能引起较大的控制误差,因此利用滤波技术进行优化估计通常是一种较有效的方法。通过对一系列带有观测噪声和干扰信号的观测数据进行处理,得到接近真实值的状态量,可以提高控制器的控制效果。
南京理工大学学报,2005年8月刊登的“基于平方根Unsecured卡尔曼滤波的无陀螺卫星的姿态估计”、中国优秀硕士学位论文全文数据库,公开的“UKF在水中目标跟踪系统中应用”等文献中涉及的技术方案,主要侧重改善滤波效果,提高估计精度,但提出的改进方法都能加了算法的运算量。在实际运动控制系统中,滤波技术在满足滤波要求的情况下,更希望采用较小的运算量来实现功能,进而提高控制效果。
发明内容
本发明目的在于提供一种随机系统高权值便捷UKF滤波方法,能够减少滤波计算中的运算量,提供精确有效的状态反馈信息。
实现本发明目的技术方案:
一种随机系统高权值便捷UKF滤波方法,其特征在于:
步骤1:建立空间运动体数学模型并离散化,获得离散化后的状态方程和观测方程;
步骤2:对状态值的初值进行设定;
步骤3:构造n+1个加权点和相应的权值Wi (m),Wi (c)(i=0,1,2,…,n),其中Wi (m)、Wi (c)
通过以下公式获得:
加权点通过如下公式获得:
i=1,L,n
表示状态估计值Px′(k-1)表示状态方差,缩放比例参数λ=a2(n+κ)-n,a用于设置这些点集到均值点的距离,κ是一个比例参数;
计算加权点状态预测值χi-(k)、加权点状态预测值的均值和方差
步骤:4:根据加权点状态预测值χi-(k)、加权点状态预测值的均值和方差
利用UKF滤波方法对状态值和方差进行更新;
步骤5:重复步骤3、步骤4进行迭代运算,获得一系列状态值。
步骤3中,通过以下公式计算加权点状态预测值的均值和方差
式中,Q(k)为系统干扰的方差矩阵。
步骤4中,获得新的测量值Y(k)后,利用UKF滤波方法对状态值和方差进行更新;
状态估计值更新:
状态方差更新:
增益矩阵K=PXY(k)PY -1(k);
加权测量值:
加权测量值方差:
式中,表示预测加权点的观测值,R(k)是观测噪声方差矩阵;
加权状态与加权测量值协方差:
本发明具有的有益效果:
与传统UT变换相比,本发明高权值UT变换使得加权点减少n个,将非中心采样点的权值定位原UT变换的2倍,同时每个非中心采样点包含两列方差信息,则高权值UT变换所得到的加权点点依然代表状态量的均值和方差,满足:
本发明在保证提供精确有效的状态反馈信息前提下,能够大幅减少计算量。
附图说明
图1为本发明流程框图;
图2为船舶纵向姿态估计器在船舶系统作用示意图;
图3为基于船舶姿态估计算法示意图。
具体实施方式
步骤1:建立空间运动体数学模型并离散化,获得离散化后的状态方程和观测方程;
以船舶纵向姿态为例,纵向姿态估计器在船舶系统作用示意如图2所示。
船舶纵向运动主要有纵摇运动和升沉运动。设某船舶的纵向姿态运动用状态量取 其中z代表船舶升沉位移,代表船舶升沉速度,θ代表船舶纵摇角,代表船舶纵摇角速度。
船舶纵向运动方程并进行离散化,离散化后状态方程和观测方程表示为:
状态方程中,船舶纵向运动控制函数用Φ(X(k))=F(X(k))+U(X(k))表示,海浪干扰考虑海浪对船舶作用的干扰力和干扰力矩用W(X(k))表示,假设随机海浪干扰为白噪声W(k)~N(0,Q(k))。
观测方程中 为船舶升沉加速度,为纵摇角速度,V(k)为系统观测噪声,即传感器的测量噪声,不失一般性,假设传感器噪声为白噪声V(k)~N(0,R(k))。
步骤2:对状态值的初值进行设定;
将状态X(0)初值的统计特性为:
在不知道船舶具体运动规律时可以选取:P(0)为n维单位阵,其中n为系统维数。
步骤3:构造n+1个加权点和相应的权值Wi (m),Wi (c)(i=0,1,2,…,n),其中Wi (m)、Wi (c)
通过以下公式获得:
加权点通过如下公式获得:
i=1,L,n
表示状态估计值Px′(k-1)表示状态方差,缩放比例参数λ=a2(n+κ)-n,a用于设置这些点集到均值点的距离,κ是一个比例参数;
计算加权点状态预测值χi-(k)、加权点状态预测值的均值和方差
式中,Q(k)为系统干扰,即海浪干扰的方差矩阵。
步骤:4:获得新的测量值Y(k)后,利用UKF滤波方法对状态值和方差进行更新;
状态估计值更新:
状态方差更新:
增益矩阵K=PXY(k)PY -1(k);
加权测量值:
加权测量值方差:
式中,表示预测加权点的观测值,R(k)是观测噪声方差矩阵;
加权状态与加权测量值协方差:
步骤5:重复步骤3、步骤4进行迭代运算,获得一系列状态值。
Claims (1)
1.一种随机系统高权值便捷UKF滤波方法,其特征在于:
步骤1:建立数学模型并离散化,获得离散化后的状态方程和观测方程;
船舶纵向运动包括纵摇运动和升沉运动,设船舶纵向运动用状态量 表示,其中z代表船舶升沉位移、代表船舶升沉速度、θ代表船舶纵摇角、代表船舶纵摇角速度,
将船舶纵向运动方程进行离散化,离散化后状态方程和观测方程表示为:
状态方程中,船舶纵向运动控制函数用ΦX(k)表示,海浪干扰考虑海浪对船舶作用的干扰力和干扰力矩,假设随机海浪干扰为白噪声W(k)~N(0,Q(k)),
观测方程中 为船舶升沉加速度、为纵摇角速度,V(k)为系统观测噪声,即传感器的测量噪声,不失一般性,假设传感器的测量噪声为白噪声V(k)~N(0,R(k));
步骤2:对状态量的初值进行设定;
步骤3:构造n+1个加权点和相应的权值其中
通过以下公式获得:
加权点通过如下公式获得:
表示状态估计值,PX(k-1)表示状态方差,缩放比例参数λ=a2(n+κ)-n,a用于设置这些点集到均值点的距离,κ是一个比例参数;
计算加权点状态预测值加权点状态预测值的均值和方差
步骤:4:根据加权点状态预测值加权点状态预测值的均值和方差利用UKF滤波方法对状态估计值和状态方差进行更新;
步骤5:重复步骤3、步骤4进行迭代运算,获得一系列状态值;
步骤3中,通过以下公式计算加权点状态预测值的均值和方差
式中,Q(k)为系统随机海浪干扰的方差矩阵;
步骤4中,获得新的测量值Y(k)后,利用UKF滤波方法对状态估计值和状态方差进行更新;
状态估计值更新:
状态方差更新:
增益矩阵K=PXY(k)PY -1(k);
加权测量值:
加权测量值方差:
式中,表示预测加权点的观测值,R(k)是观测噪声方差矩阵;
加权状态与加权测量值协方差:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310241427.6A CN103336525B (zh) | 2013-06-18 | 2013-06-18 | 随机系统高权值便捷ukf滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310241427.6A CN103336525B (zh) | 2013-06-18 | 2013-06-18 | 随机系统高权值便捷ukf滤波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103336525A CN103336525A (zh) | 2013-10-02 |
CN103336525B true CN103336525B (zh) | 2016-09-14 |
Family
ID=49244716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310241427.6A Expired - Fee Related CN103336525B (zh) | 2013-06-18 | 2013-06-18 | 随机系统高权值便捷ukf滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103336525B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104539265A (zh) * | 2014-11-25 | 2015-04-22 | 广东石油化工学院 | 一种自适应ukf滤波算法 |
CN108549221B (zh) * | 2018-03-30 | 2020-11-10 | 广东工业大学 | 一种线性随机系统的滤波方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6721770B1 (en) * | 1999-10-25 | 2004-04-13 | Honeywell Inc. | Recursive state estimation by matrix factorization |
CN101825903A (zh) * | 2010-04-29 | 2010-09-08 | 哈尔滨工程大学 | 一种遥控水下机器人水面控制方法 |
CN101982732A (zh) * | 2010-09-14 | 2011-03-02 | 北京航空航天大学 | 一种基于esoqpf和ukf主从滤波的微小卫星姿态确定方法 |
CN102862666A (zh) * | 2011-07-08 | 2013-01-09 | 中国科学院沈阳自动化研究所 | 一种基于自适应ukf的水下机器人状态和参数联合估计方法 |
CN102980579A (zh) * | 2012-11-15 | 2013-03-20 | 哈尔滨工程大学 | 一种自主水下航行器自主导航定位方法 |
-
2013
- 2013-06-18 CN CN201310241427.6A patent/CN103336525B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6721770B1 (en) * | 1999-10-25 | 2004-04-13 | Honeywell Inc. | Recursive state estimation by matrix factorization |
CN101825903A (zh) * | 2010-04-29 | 2010-09-08 | 哈尔滨工程大学 | 一种遥控水下机器人水面控制方法 |
CN101982732A (zh) * | 2010-09-14 | 2011-03-02 | 北京航空航天大学 | 一种基于esoqpf和ukf主从滤波的微小卫星姿态确定方法 |
CN102862666A (zh) * | 2011-07-08 | 2013-01-09 | 中国科学院沈阳自动化研究所 | 一种基于自适应ukf的水下机器人状态和参数联合估计方法 |
CN102980579A (zh) * | 2012-11-15 | 2013-03-20 | 哈尔滨工程大学 | 一种自主水下航行器自主导航定位方法 |
Non-Patent Citations (3)
Title |
---|
The Unscented Kalman Filter for Nonlinear Estimation;Eric A. Wan et al.;《Adaptive Systems for Signal Processing, Communications, and Control Symposium 2000. AS-SPCC. The IEEE 2000》;20001231;153-158 * |
无迹Kalman滤波器及其目标跟踪应用;尹小杰 等;《兵工自动化》;20061231;第25卷(第8期);73-75 * |
船舶动力定位的数学模型和滤波方法;王宗义 等;《哈尔滨工程大学学报》;20020831;第23卷(第04期);24-28,43 * |
Also Published As
Publication number | Publication date |
---|---|
CN103336525A (zh) | 2013-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Motion parameter optimization for gliding strategy analysis of underwater gliders | |
CN103955218B (zh) | 一种基于非线性控制理论的无人艇轨迹跟踪控制装置及方法 | |
Merckelbach et al. | Vertical water velocities from underwater gliders | |
CN107346138B (zh) | 一种基于增强学习算法的无人船侧向控制方法 | |
CN103363993B (zh) | 一种基于无迹卡尔曼滤波的飞机角速率信号重构方法 | |
CN103033186A (zh) | 一种用于水下滑翔器的高精度组合导航定位方法 | |
CN103389095A (zh) | 一种用于捷联惯性/多普勒组合导航系统的自适应滤波方法 | |
CN103217160A (zh) | 一种船舶动力定位卡尔曼滤波方法 | |
CN102862666B (zh) | 一种基于自适应ukf的水下机器人状态和参数联合估计方法 | |
CN104635773B (zh) | 一种基于改进强跟踪滤波状态观测器的船舶动力定位方法 | |
CN107179693A (zh) | 基于Huber估计的鲁棒自适应滤波和状态估计方法 | |
CN102854798A (zh) | 一种船舶动力定位参数自适应观测器的在线调整方法 | |
CN102795323A (zh) | 一种基于ukf的水下机器人状态和参数联合估计方法 | |
US20200356713A1 (en) | Method for establishing the excitation force applied by the swell incident on a movable means of a wave energy system using a model of the drag force | |
CN107128454A (zh) | 一种水翼双体船姿态估计方法 | |
CN111025909B (zh) | 船舶运动控制系统的Kalman三自由度解耦滤波方法 | |
CN103336525B (zh) | 随机系统高权值便捷ukf滤波方法 | |
CN103895814B (zh) | 一种船舶舵减横摇的控制方法 | |
CN105066967A (zh) | 基于mems运动传感器的测量波浪方法 | |
CN102662164B (zh) | 基于x波段雷达图像和粒子群优化的海表面流信息提取方法 | |
CN106527454A (zh) | 一种无稳态误差的远程水下航行器定深控制方法 | |
CN109145467A (zh) | 一种适用于台风区域的沙波运移预测方法 | |
Guo et al. | Pitch angle control with model compensation based on active disturbance rejection controller for underwater gliders | |
CN105966566B (zh) | 水翼双体船航向横倾控制方法及装置 | |
CN116663139A (zh) | 基于ais数据的非规则波中船舶参数横摇运动概率评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Yuchao Inventor after: Yang Dan Inventor after: Liu Sheng Inventor after: Su Xu Inventor after: Bai Lifei Inventor before: Liu Sheng Inventor before: Yang Dan Inventor before: Su Xu Inventor before: Wang Yuchao Inventor before: Bai Lifei |
|
COR | Change of bibliographic data | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160914 |