期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卡尔曼滤波的倒立摆控制系统噪声抑制
被引量：
10
1
作者
祁虔
李祖枢
+2 位作者
谭智
但远宏
肖琳
《控制与决策》
EI
CSCD
北大核心
2010年第8期1144-1148,共5页
在二级倒立摆稳摆控制中,摆杆的角度信号受到测量噪音污染,通过差分获取角速度时,该噪音被放大,导致稳摆控制器的输出产生较大的随机波动,同时电机作为执行器,也混入了较大的过程噪音.这两种噪音使系统出现较强抖动,既不利于摆杆稳定,...
在二级倒立摆稳摆控制中,摆杆的角度信号受到测量噪音污染,通过差分获取角速度时,该噪音被放大,导致稳摆控制器的输出产生较大的随机波动,同时电机作为执行器,也混入了较大的过程噪音.这两种噪音使系统出现较强抖动,既不利于摆杆稳定,也缩短了电机寿命.对此,将稳态卡尔曼滤波器与渐消记忆法结合起来,找到了确定稳态卡尔曼滤波器增益矩阵的有效方法,既克服了模型误差,又满足实时性要求,减小了电机抖动,取得了较好的效果.
展开更多
关键词
倒立摆
噪音
稳态卡尔曼滤波
渐
消
记忆法
原文传递
微机控制物料称量提前量的研究
被引量：
1
2
作者
杨雷
赵元黎
+1 位作者
郑国恒
张逸民
《河南科学》
2002年第4期378-380,共3页
通过对微机称量系统提前量控制的两种方法———渐消记忆法和Grubbs准则法的讨论 ,指出将Grubbs准则应用于提前量的控制 ,可有效的剔除偶然误差 ,实现精确称量。
关键词
微机控制
物料称量
提前量
Grubbs准则
法
渐
消
记忆法
微机称量系统
称量控制
下载PDF
职称材料
基于自适应四元数卡尔曼滤波的姿态估计方法
被引量：
5
3
作者
苏义鑫
朱敏达
+1 位作者
唐正霜
顾文磊
《武汉理工大学学报》
CAS
北大核心
2015年第7期95-100,共6页
使用四元数卡尔曼滤波器进行姿态估计的性能与加速度噪声协方差R有很大的相关性。以四元数卡尔曼滤波器递推计算的新息协方差与测量的新息协方差的差值尽可能小为条件,采用基于新息的自适应算法,在线估计加速度计噪声的协方差R,得到符...
使用四元数卡尔曼滤波器进行姿态估计的性能与加速度噪声协方差R有很大的相关性。以四元数卡尔曼滤波器递推计算的新息协方差与测量的新息协方差的差值尽可能小为条件,采用基于新息的自适应算法,在线估计加速度计噪声的协方差R,得到符合实际加速度噪声水平的卡尔曼滤波器增益K,对微小型飞行器进行姿态估计。为了减少由新息引入自适应计算的测量噪声,使用渐消记忆的方法对测量的新息协方差进行处理。仿真结果表明,基于新息的自适应四元数卡尔曼滤波器在加速度计噪声协方差R难以测量时或R变化时,相对于四元数卡尔曼滤波器能更准确地获得姿态的估计,减小了滤波器对模型参数的依赖,增加了滤波器的鲁棒性。
展开更多
关键词
姿态估计
四元数卡尔曼滤波
自适应估计算
法
微小型飞行器
渐
消
记忆法
原文传递
时变参数估计的递推Householder变换渐消记忆法
被引量：
1
4
作者
刘整社
《信号处理》
CSCD
北大核心
1991年第4期220-228,共9页
就利用衰减因子通过指数加权对历史数据进行渐消记忆的时变参数估计问题,提出基于正交变换的递推最小二乘法,避免了传统方法因求解法方程而导致的病态加剧问题.同时降低了运算量,改善了收敛性,节省了存贮空间.此外,以本文递推最小二乘...
就利用衰减因子通过指数加权对历史数据进行渐消记忆的时变参数估计问题,提出基于正交变换的递推最小二乘法,避免了传统方法因求解法方程而导致的病态加剧问题.同时降低了运算量,改善了收敛性,节省了存贮空间.此外,以本文递推最小二乘法为基础,还可构成相应的递推广义最小二乘.多级最小二乘、增广矩阵法、极大似然法等一系列时变参数渐消记忆估计方法.
展开更多
关键词
时变参数估计
递推Householder变换
信号估计
渐
消
记忆法
全文增补中
题名
基于卡尔曼滤波的倒立摆控制系统噪声抑制
被引量：
10
1
作者
祁虔
李祖枢
谭智
但远宏
肖琳
机构
重庆大学自动化学院
西南大学计算机与信息科学学院
出处
《控制与决策》
EI
CSCD
北大核心
2010年第8期1144-1148,共5页
基金
国家自然科学基金项目(60574076)
文摘
在二级倒立摆稳摆控制中,摆杆的角度信号受到测量噪音污染,通过差分获取角速度时,该噪音被放大,导致稳摆控制器的输出产生较大的随机波动,同时电机作为执行器,也混入了较大的过程噪音.这两种噪音使系统出现较强抖动,既不利于摆杆稳定,也缩短了电机寿命.对此,将稳态卡尔曼滤波器与渐消记忆法结合起来,找到了确定稳态卡尔曼滤波器增益矩阵的有效方法,既克服了模型误差,又满足实时性要求,减小了电机抖动,取得了较好的效果.
关键词
倒立摆
噪音
稳态卡尔曼滤波
渐
消
记忆法
Keywords
Inverted pendulum
Noise
Steady-state Kalman filter
Disappearing memory method
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
原文传递
题名
微机控制物料称量提前量的研究
被引量：
1
2
作者
杨雷
赵元黎
郑国恒
张逸民
机构
郑州大学
出处
《河南科学》
2002年第4期378-380,共3页
文摘
通过对微机称量系统提前量控制的两种方法———渐消记忆法和Grubbs准则法的讨论 ,指出将Grubbs准则应用于提前量的控制 ,可有效的剔除偶然误差 ,实现精确称量。
关键词
微机控制
物料称量
提前量
Grubbs准则
法
渐
消
记忆法
微机称量系统
称量控制
Keywords
weigh
data of advance
grubbs criterion
gradually weakened memory method
分类号
TB932 [一般工业技术—计量学]
TP273.5 [机械工程—测试计量技术及仪器]
下载PDF
职称材料
题名
基于自适应四元数卡尔曼滤波的姿态估计方法
被引量：
5
3
作者
苏义鑫
朱敏达
唐正霜
顾文磊
机构
武汉理工大学自动化学院
出处
《武汉理工大学学报》
CAS
北大核心
2015年第7期95-100,共6页
基金
湖北省自然科学基金(2015cfb586)
文摘
使用四元数卡尔曼滤波器进行姿态估计的性能与加速度噪声协方差R有很大的相关性。以四元数卡尔曼滤波器递推计算的新息协方差与测量的新息协方差的差值尽可能小为条件,采用基于新息的自适应算法,在线估计加速度计噪声的协方差R,得到符合实际加速度噪声水平的卡尔曼滤波器增益K,对微小型飞行器进行姿态估计。为了减少由新息引入自适应计算的测量噪声,使用渐消记忆的方法对测量的新息协方差进行处理。仿真结果表明,基于新息的自适应四元数卡尔曼滤波器在加速度计噪声协方差R难以测量时或R变化时,相对于四元数卡尔曼滤波器能更准确地获得姿态的估计,减小了滤波器对模型参数的依赖,增加了滤波器的鲁棒性。
关键词
姿态估计
四元数卡尔曼滤波
自适应估计算
法
微小型飞行器
渐
消
记忆法
Keywords
attitude estimation
quaternion Kalman filter
adaptive estimation algorithm
micro air vehicle
fading memory
分类号
TP13 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
时变参数估计的递推Householder变换渐消记忆法
被引量：
1
4
作者
刘整社
机构
北京航空航天大学自动控制系
出处
《信号处理》
CSCD
北大核心
1991年第4期220-228,共9页
文摘
就利用衰减因子通过指数加权对历史数据进行渐消记忆的时变参数估计问题,提出基于正交变换的递推最小二乘法,避免了传统方法因求解法方程而导致的病态加剧问题.同时降低了运算量,改善了收敛性,节省了存贮空间.此外,以本文递推最小二乘法为基础,还可构成相应的递推广义最小二乘.多级最小二乘、增广矩阵法、极大似然法等一系列时变参数渐消记忆估计方法.
关键词
时变参数估计
递推Householder变换
信号估计
渐
消
记忆法
分类号
TN911.23 [电子电信—通信与信息系统]
全文增补中
题名
作者
出处
发文年
被引量
操作
1
基于卡尔曼滤波的倒立摆控制系统噪声抑制
祁虔
李祖枢
谭智
但远宏
肖琳
《控制与决策》
EI
CSCD
北大核心
2010
10
原文传递
2
微机控制物料称量提前量的研究
杨雷
赵元黎
郑国恒
张逸民
《河南科学》
2002
1
下载PDF
职称材料
3
基于自适应四元数卡尔曼滤波的姿态估计方法
苏义鑫
朱敏达
唐正霜
顾文磊
《武汉理工大学学报》
CAS
北大核心
2015
5
原文传递
4
时变参数估计的递推Householder变换渐消记忆法
刘整社
《信号处理》
CSCD
北大核心
1991
1
全文增补中
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
