基于UHF的受限状态估计研究与应用.pdfVIP

摘要

针对传统算法对非线性非高斯系统受限状态估计处理不佳的问题，本文对非线性非

高斯系统的状态估计、状态约束和参数优化等问题进行了深入探究，并基于UHF算法

提出了新的解决方案。本文主要工作内容如下：

首先与传统状态估计算法相比，UHF算法能更好地完成对非线性非高斯系统的状

态估计，可以有效抵抗噪声对状态估计的影响。本文首先对这一结论进行了仿真验证。

其次，本文研究了非线性系统状态估计中典型的状态约束类型及其处理方法，并在

此基础之上，结合UHF算法特点，提出了基于投影和边界收缩的优化方法，分别对生

成的sigma点进行约束优化。算法的基本思路是在每次迭代过程中，将约束条件施加于

sigma点集，通过投影或边界收缩方法，将不满足约束条件的sigma点映射到约束边界

上，从而完成UHF算法在非线性系统中受限状态估计的前期准备。实验结果表明，优

化后的两种UHF状态估计算法性能均好于常规UHF算法。

第三，本文进一步研究了UHF算法中sigma点集分布对状态估计性能的影响，并

引入粒子群优化算法（ParticleSwarmOptimization，PSO）实现对sigma点集生成参数的

自适应学习，从而获得最佳sigma点集。实验结果表明该方法可提升UHF算法的状态

估计精度。

本文自行搭建了电动汽车锂电池剩余电量(StateOfCharge，SOC)硬件平台，测试并

提取多种电池原始数据集，应用该数据集和杭州万向集团提供的磷酸铁锂电池数据集，

对改进的UHF算法在SOC估计中的应用进行了测试与性能评估。实验结果证明，基于

改进UHF算法的SOC估计均方误差可以达到9.1608e-6，比常规算法提升了两个数量

级，从而验证了优化算法的有效性。

关键词：卡尔曼滤波，状态约束，投影法，边界收缩法，粒子群优化算法

ABSTRACT

Thetraditionalalgorithmscannothandletheconstrainedstateestimationproblemof

nonlinearnon-Gaussiansystemswell.Therefore,theproblemsofstateestimation,state

constraintsandparameteroptimizationofnonlinearnon-Gaussiansystemsaredeeplyexplored

inthispaper,andnewsolutionsbasedonUHFalgorithmareproposed.Themaincontentsof

thispaperareasfollows:

Firstly,comparedwithtraditionalstateestimationalgorithms,UHFalgorithmcanrealize

thebetterstateestimationofnonlinearnon-Gaussiansystems,andeffectivelyresistthe

influenceofnoiseonstateestimation.Thepaperverifiesthisconclusionatfirst.

Secondly,thispaperdiscussesthetraditionaltypesofstateconstraintsinthestate

estimationofnonlinearsystemsandtheirprocessingmethods.Thentheprojectionmethodand

theboundaryshrinkagemethodareproposedfortheUHFalgorithm.Theprojectionmethod

alwaysprojectsthesigmapointsthatviolateth