文档介绍：椭员粼学位论文数据集学位论文评阅及答辩委员会情况注::⊙⒀,强跟踪,极大后验估计,经验模态分解,》查询。《学科分类与代码》。论文编号密级公开号课题来源纵向项目研究方向及应用论文题目态估计姓名职称讲师刘振娟研究员张金会查询。.
自适应鲁棒滤波算法研究及其在发酵过程中的应用摘要声统计特性的自适应估计方法,该方法基于极大后验估计恚统噪声统计特性的无偏估计;基于经验模态分解惴ǎ迪至寺瞬非线性滤波算法广泛应用于飞行器制导、目标跟踪和过程状态估计等科学研究与工程应用领域,随着理论研究的深入与工程技术的进步,迫切需要具有较好滤波性能的非线性滤波算法。传统的非线性滤波要求准确的系统数学模型和已知的噪声统计特性,且算法鲁棒性较差,滤波过程易受非线性系统模型不确定性或噪声的影响,从而导致滤波稳定性降低、发散甚至算法失效;发酵过程是一个复杂的典型的非线性过程,自适应鲁棒滤波算法是实现发酵过程状态估计的关键。因此,研究自适应鲁棒滤波算法及其在发酵过程中的应用具有重要的理论意义和工程实用价值。本文在研究分析各非线性滤波算法性能和滤波中自适应鲁棒技术的基础上,提出了一种自适应强跟踪平方根容积卡尔曼滤波算法盟惴ㄒ胗糜谄椒礁莼ǘ瞬的强跟踪渐消因子,增强了算法的鲁棒性;同时结合了次优有偏噪声统计估计器使算法具有应对噪声的自适应能力;在此基础上,提出了一种算法对噪出用于下的次优无偏肷臣乒兰破鳎迪至寺瞬ü痰南过程量测噪声统计特性的准确估计。最后将自适应鲁棒滤波算法应用于发酵过程的状态估计中。实验测试结果表明,所提出的惴ň哂薪锨康穆嘲粜院陀
对噪声的白适应能力,能有效解决滤波算法在非线性系统模型不确定性和噪声统计时变未知等导致非线性滤波性能下降甚至算法失效的问题;所提出的噪声统计特性的自适应估计方法能有效实现滤波过程的系统噪声和量测噪声的统计特性的同时准确估计;自适应鲁棒算法在发酵过程状态估计中有良好的估计效果,为解决发酵过程的状态估计提供了一种新的方法。关键词:平方根容积卡尔曼滤波,强跟踪,极大后验估计,经验模态分解,状态估计北京化工大学硕士学位论文
甌甒甌琭,琲,,,.—籸Ⅱ
..瑃琣..
篠,,,,瓜
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第二章自适应鲁棒非线性滤波算法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯弓浴非线性滤波算法的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...W勇瞬ā滤波算法的鲁棒性和自适应方法研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..瞬ㄋ惴嘲粜匝芯俊非线性滤波算法在发酵过程中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.课题的研究意义和主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..翁獾难芯恳庖濉非线性滤波算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..┱?⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⒔?Ⅵ
第三章算法噪声统计特性的白适应估计方法研究⋯⋯⋯⋯⋯⋯⋯第四章自适应鲁棒滤波算法在发酵过程状态估计中的应用⋯⋯⋯⋯⋯.第五章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.参考文献⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。研究成果及发表的学术论文⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..作者简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.非线性滤波算法在发酵过程中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯