基于UT变换的在线电力系统动态状态估计.pdf

基于PMU数据的电力系统状态估计研究综述.pdf

针对利用平方根无极卡尔曼算法估算电池SOC时,因噪声协方差为常量带来的误差,在平方根无极卡尔曼滤波(SR-UKF)算法的基础,改进了算法,把每次测量的输出值残差的协方差作为噪声的协方差,得到自适应平方根无极卡尔曼滤波算法,使得噪声协方差随时间的更新而更新,解决了噪声协方差为常量带来的误差。实验表明,利用自适应平方根无极卡尔曼滤波算法对在常温下电池放电过程的SOC估计,精确度在总体上得到了提高,在电池工作区间0.2≤YSOC≤0.9内估计误差在1.5%以内。自适应平方根无极卡尔曼滤波算法对电池常温放电过程的SOC估计能满足电动汽车电池SOC估计的实际要求。

Optimal State Estimation - Kalman, Hoo and Nonlinear Approaches SOLUTION MANUAL 分为两部分这是习题部分；

#资源达人分享计划#

#资源达人分享计划#

行业分类-物理装置-一种无电流传感器的锂电池荷电状态估计方法.zip

为了提高末制导段雷达与红外复合导引头的跟踪精度，论文提出了一种融合跟踪方法。该方法首先将雷达与红外传感器观测到的目标距离、角度等信息进行融合，并将融合后的新观测信息作为雷达与红外传感器的输入，然后分别运用无迹卡尔曼粒子滤波算法对目标状态进行初估计，将各自得到的目标状态估计采用协方差加权融合的方法进行融合，最后得到目标最终的状态估计。结果表明，该方法能有效提高复合导引头对目标的跟踪精度。

作者：Timothy D. Barfoot ，最新2018高清资源，完整395页，持续更新。 版权归作者所有，任何形式转载请联系作者。 State Estimation for Robotics早已在SLAM领域广为流传，几乎是SLAM入门必读的经典书籍之一。本书深入讲解了状态估计的机理、三维几何学基础、矩阵李群以及位姿和点的估计方法等，尤其对基于滤波器的状态估计方法的介绍全面深刻。现在在高翔、颜沁睿、刘富强等十多位SLAM专家、爱好者的共同努力下，中文译本《机器人学中的状态估计》也终于得以面世。这对于国内广大SLAM爱好者来说，可谓一大福音，值得隆重推荐。 ——浙江大学教授，CAD & CG国家重点实验室计算机视觉团队带头人，章国锋 State Estimation for Robotics是加拿大多伦多大学Barfoot教授的名著，也是机器人方向的经典教材之一。该书侧重数学基础，先花了三分之二的篇幅来介绍概率、几何方面的基础知识，最后又回到应用问题，详细介绍了基于点云和图像的姿态估计。 这是一本难得的既注重基础又顾及前沿研究问题的教材。书的译者是一群对机器人技术富有激情的年轻人，他们中的许多人在计算机视觉、机器人等科研领域开始崭露头角。这本译作倾注了他们的满腔热忱和对国内技术发展的期望。 ——加拿大西蒙弗雷泽大学终身教授，谭平 本书介绍了机器人领域的重要核心技术——状态估计。这本书不只介绍了一些传统的经典算法，也涉及了最新的行业进展和应用，同时还传授了一些基础的数学工具。本书使用严谨的数学语言，同时又深入浅出，是初学者不可多得的良师益友。 ——自动驾驶公司AutoX创始人，原美国普林斯顿大学计算机视觉与机器人实验室主任，麻省理工学院博士 肖健雄

一种电池状态估计装置，包括存储单元和参数计算单元。存储单元与温度相关联地存储关于与扩散电阻模型的电阻分量有关的电阻参数、与扩散电阻模型的时间常数有关的时间常数参数和电荷转移电阻模型的电荷参数的信息二次电池的信息。参数计算单元基于二次电池的检测温度值和存储在存储单元中的信息计算与检测温度值对应的每个参数。参数计算单元依次识别用于使用卡尔曼滤波器估计状态的参数和计算的参数作为初始值。