AUKF相关论文
针对不同传感器融合跟踪精度低的问题,提出一种采用加权融合的改进自适应无迹卡尔曼滤波算法(IAUKF)。针对不同传感器的融合处理中场......
电动汽车用锂离子电池荷电状态(SOC)作为电动汽车运行时的重要参数,能够为剩余里程预测和能量管理提供必要的数据支持,有效地防止锂......
电池储能技术的应用提高了电力系统的运行效率和供电质量。准确的电池荷电状态(State Of Charge,SOC)估算是对储能系统进行监测与......
针对传统无迹卡尔曼滤波算法在估计电池荷电状态中存在收敛速度较慢、容易发散等问题,提出了一种改进的自适应无迹卡尔曼滤波算法,......
针对EKF算法对锂离子SOC估计时,由于系统噪声导致结果不精确的问题,提出了SageHusa-AUKF算法,针对其传统模型结构采用定阶Thevenin......
电池荷电状态(SOC)的估算作为车载电池管理系统(BMS)的核心技术之一,其准确预估可以延长电池使用寿命,确保整车的正常行驶。本文以......
模型更新混合试验在传统混合试验方法的基础上更新与试验构件具有相同恢复力特性的构件,扩展了混合试验方法的应用范围。本文旨在......
基于微电子机械(MEMS)制造技术的捷联惯性导航系统,因其体积小、成本低、自主性强、抗振动冲击能力强等特点,在多种定位导航平台和......
水下航行器(Underwater Vehicle,UV)定位,尤其是民用领域UV,主要依赖有“水中卫星导航系统”之称的声学定位系统。然而,声学定位系......
针对足球机器人比赛过程中,小球位置预测精度不高的问题,提出自适应无迹卡尔曼滤波(AUKF,adaptive unscented Kalman filter)算法.该......
电池荷电状态(SOC)的准确估计是电池管理系统的关键问题,对电池的可靠性和安全性至关重要。由于多数情况下建立的电池模型精度不够......
为了消弱由测量噪声的变化对导航估计的影响,本文提出了一种自适应滤波法。该算法利用阈值自动选择开窗窗口的长度调节自适应因子,......
期刊
随着大量分布式电源和电动汽车接入配电网,DG出力难以预测以及负荷监控复杂是配电网运行管理的难题。针对传统无迹卡尔曼滤波预测......
随着军事技术的发展,精确打击武器在现代战争中承担着举足轻重的角色,而导航系统在实现精确打击中发挥着关键的作用,高精度、高可......
为了提高无迹卡尔曼滤波器(UKF)在非线性随机系统中的抗干扰性和状态跟踪性能,提出了一种自适应无迹卡尔曼滤波算法(AUKF)。该算法......
在世界范围内能源紧缺和环境污染的背景下,新能源汽车已经成为国际汽车工业的发展方向。动力电池作为新能源汽车尤其是纯电动汽车......