XiaoMi-AI文件搜索系统
World File Search System卡尔曼滤波
使用库仑计数方法和自适应的无气味卡尔曼过滤器
摘要：本文建立了一项准确且可靠的研究，用于估计锂离子电池的充电状态（SOC）。准确的状态空间模型用于确定电池非线性模型的参数。非洲秃鹰优化器（AVOA）用于解决识别电池参数以准确估算SOC的问题。一种混合方法由具有自适应无知的卡尔曼过滤器（AUKF）的库仑计数法（CCM）组成，以估计电池的SOC。在不同的温度下，对电池进行了四种方法，在包括负载和电池褪色之间有所不同。数值模拟应用于2.6 AHR松下锂离子电池，以证明混合方法对电荷估计的有效性。与现有的混合方法相比，建议的方法非常准确。与其他策略相比，所提出的混合方法实现了不同方法的最小误差。
圆滑的双重扩展卡尔曼过滤器，用于电池状态...
TATE估计是电动汽车（EV）电池的关键任务。要估计的两个最重要的状态是电荷状态（SOC），与剩余练习范围以及健康状况（SOH）相关的情况（SOH）在其一生中相关的电池降解。SOC和SOH都是不可衡量的数量，其价值对于通知用户，控制动力总成和热管理系统，防止损坏和电池组过早老化至关重要。此外，尽管它们通常在非常不同的时间尺度上发生变化，但两个数量密切相互关联，因为充电状态是电池剩余容量的函数[1]。在数据驱动和基于模型的方法下都开发了几种联合SOC和SOH估计算法。基于模型的方法的优势是它们提供了对电池的见解
锂离子电池建模和 BMS 的自适应扩展卡尔曼滤波器实现
摘要- 为单引擎双座滑翔机上的有效载荷系统制造了定制锂离子电池。在形成电池管理系统的软件开发阶段，为了在充电和放电过程中提供安全性，需要一些参数来指示电池的状况。因此，在本研究中，在 42 Ah 锂离子电池中进行了电等效电路方法和自适应扩展卡尔曼滤波器中使用的充电状态估计过程。结果，平均绝对误差和均方根误差的值小于 1%。在实际过程中，从未发现过真正的误差值。给出噪声以确定扩展卡尔曼滤波器和自适应扩展卡尔曼滤波器 (AEKF) 算法之间的自适应能力。此外，将主 SoC 设置为某个值以查看估计精度。研究表明，该方法可以应用于有效载荷系统的 BMS 软件的开发。
IBM TrueNorth 中的神经形态卡尔曼滤波器实现
摘要。随着后摩尔定律计算领域的出现，新的架构不断涌现。借助 IBM 的 TrueNorth 等复合、数百万连接的神经形态芯片，神经工程现在已成为这种新型计算范式中的可行技术。高能物理实验正在不断探索新的计算和数据处理方法，包括神经形态，以支持该领域日益增长的挑战并为未来的商品计算趋势做好准备。这项工作详细介绍了 IBM 的神经形态架构 TrueNorth 中用于并行和串行脉冲序列的卡尔曼滤波器实现的第一个实例。在多个模拟系统上测试了实现，并根据等效非脉冲卡尔曼滤波器评估了其性能。在改变权重和阈值寄存器的大小、用于编码状态的脉冲数量、用于空间编码的神经元块的大小以及神经元电位重置方案的同时，探索了实现的极限。
扩展的卡尔曼滤波器具有最佳控制登革热模型
摘要：在现实生活中，由于各种测量局限性，登革热流行模型中的所有变量都可以测量。因此，需要一个工具来估计具有已知相关变量的未测量变量。估计非线性系统中变量的一种方法是扩展的卡尔曼滤波器（EKF）。接下来，使用这些估计的结果，将以疫苗接种的形式寻求最佳控制，以减少感染的数量。从仿真结果中可以得出结论，登革热模型的EKF状态估计足以估计在所选的干扰协方差范围内被随机变量干扰的状态。然后，发现干扰的标准偏差越小，开始时所需的最佳控制越小。因此，破坏越大，所花费的成本越大。
自动化 ASW 融合 - 国土安全数字图书馆
本论文研究了 ASW eFusion，这是一种反潜战 (ASW) 战术决策辅助 (TDA)，它利用卡尔曼滤波通过简化和自动化反潜战 (ASW) 值班行动中涉及的轨迹管理过程来提高战场意识。虽然这个程序目前可以帮助 ASW 指挥官管理不确定性并做出更好的战术决策，但它有几个局限性。美国第三舰队反潜战部队指挥官/特遣部队 THREE FOUR (CTF-34) 指挥官试图利用 ASW eFusion 的回放功能重新分析 ASW 任务，方法是将友军 (蓝方) 潜艇探测结果纳入其他 ASW 传感器生成的历史目标轨迹中。问题是，当操作员尝试插入时间延迟的观察数据时，该程序会出现几个系统定时问题。本论文将评估 ASW eFusion 处理延迟报告的问题能力、规定工作解决方案以及研究改进程序用户界面以供战术值班使用的方法。14. 主题术语卡尔曼滤波、反潜战、论文、融合
基于XGB-AKF方法的储能锂离子电池健康状态评估研究
锂离子电池具有能量密度高、循环寿命长、稳定性高等优点，被广泛应用于电动汽车、电网储能等领域。为保证电池系统安全可靠运行，准确快速地估计锂离子电池的健康状态（SOH）具有重要意义。锂离子电池是一个复杂的非线性动态系统，实际工作条件下锂离子电池的健康状态无法直接测得，只能通过反映电池老化程度的外特性参数来间接估计。基于单一老化特征或模型的方法难以保证可靠性。因此，本文提出了一种数据驱动的XGBoost与卡尔曼滤波相结合的多特征SOH估计方法。首先，采用主成分分析算法基于数据重构多种电池老化特征，并基于重构的特征数据构建融合多种特征的XGBoost在线估计模型。最后，该方法通过引入基于XGBoost模型实时校正的时域卡尔曼滤波实现了锂离子电池SOH的联合优化估计。结果表明，该方法提高了估计模型的准确性和鲁棒性，实现了锂离子电池SOH的高精度联合估计。
使用扩展卡尔曼滤波器对声呐浮标进行主动物体跟踪
使用扩展卡尔曼滤波器对声纳浮标进行主动物体跟踪 1 Ch.Lakshmi Sravya、2 G.Mahesh、3 S.Koteswara Rao、4 B.Omkar Lakshmi Jagan 1,2,3 电子与计算机工程系、4 电子与电气工程系，K L 大学，贡土尔，印度 1 lakshmi.sravi7@gmail.com、2 mahesh88088@gmail.com、3 skrao@kluniversity.in、4 lakshmijagan@kluniversity.in 摘要：在水下，声纳浮标接收物体信息。声纳浮标生成物体距离和方位测量值。扩展卡尔曼滤波器用于处理噪声破坏的测量值，以生成物体运动参数 (OMP)。OMP通过超高频链路与飞机进行进一步处理。给出了模拟结果。关键词-全球定位系统、声纳浮标、物体运动分析、随机处理、统计随机处理
使用扩展卡尔曼滤波器对声呐浮标进行主动对象跟踪
使用扩展卡尔曼滤波器对声纳浮标进行主动物体跟踪 1 Ch.Lakshmi Sravya、2 G.Mahesh、3 S.Koteswara Rao、4 B.Omkar Lakshmi Jagan 1,2,3 电子与计算机工程系、4 电子与电气工程系，K L 大学，贡土尔，印度 1 lakshmi.sravi7@gmail.com、2 mahesh88088@gmail.com、3 skrao@kluniversity.in、4 lakshmijagan@kluniversity.in 摘要：在水下，声纳浮标接收物体信息。声纳浮标生成物体距离和方位测量值。扩展卡尔曼滤波器用于处理噪声破坏的测量值，以生成物体运动参数 (OMP)。OMP通过超高频链路与飞机进行进一步处理。给出了模拟结果。关键词-全球定位系统、声纳浮标、物体运动分析、随机处理、统计随机处理