改进粒子群算法优化扩展卡尔曼滤波器电机转速估计
摘要 一种基于粒子群算法优化扩展卡尔曼滤波器的电池SOC估算方法,包括如下步骤:先对粒子的位置和速度随机初始化,然后对粒子的适应度进行计算,找到最佳粒子的速度和位置并进行更新,并对粒子适应度再次进行计算,判断粒子个体极值和粒子全局极值是否进行了更新。重复执行上述步骤,直到执行完预设的迭代次数或达到了所需要...
因此,本文提出了一种基于粒子群算法的改进卡尔曼滤波方法来预测运动目标的快速跟踪。本文在研究了卡尔曼滤波的基础上,引入粒子群优化算法,对卡尔曼滤波方法进行改进,提出基于粒子群优化的卡尔曼滤波器模型,从而提高目标跟踪的精度和传感器测量数据的处理精度,降低系统噪声和量测噪声所带来的误差。本文的主要研究内容如下:...
基于卡尔曼滤波和粒子群优化算法的灰色神经网络预测模型
2O14DOI:10.7500/AEPS20130331006基于蚁群粒子群优化的卡尔曼滤波算法模型参数辨识张旭辉,林海军,刘明珠,高豹江(哈尔滨理工大学测控技术与通信工程学院,黑龙江省哈尔滨市150080)摘要:针对复杂的低压配电网通信环境,提出一种基于蚁群粒子群融合的无先导卡尔曼滤波(UKF)算法的模型参数辨识方法。对于电力线多径信道传输模型,...