基于容积卡尔曼滤波(CubatureKalmam Filter, CKF)的车辆状态观测器 Carsim与Simulink联合 可生成C代码 ?CKF算法使用子函数形式编程，在定义好状态方程和观测方程的前提下，可以方便的进行二次开发 可估计车辆纵向车速，质心侧偏角（或侧向车速，默认发质心侧偏角），横摆角速度和四个车轮侧向力(效果见图) Carsim2018 兼容Carsim2019 带有详细注释和说明文档 Carsim与Simulink联合估计难度与单纯的Simulink模型估计难度不同 用Carsim做状态估计的难度在于carsim的车辆模型完全是黑箱状态，为了获得较好的估计结果需要不断的调整车辆模型参数 估计的参数较多也增加了估计难度，比如估计侧向车速需要用到轮胎侧向力，但轮胎侧向力也是需要通过估计获得的，这样就会存在误差的累积，因此估计的参数越多难度越大

微型燃气轮机Simulink建模下的参数分析与控制策略优化研究,100kW微型燃气轮机Simulink建模，微燃机包括压缩机模块、容积模块、回热器模块、燃烧室模块、膨胀机模块、转子模块以及控制单元模块。 考虑微燃机变工况特性下的流量、压缩绝热效率、膨胀绝热效率、压缩比、膨胀比等参数的变化，可以观察变负载情况下微燃机转速、燃料量、发电效率、排烟温度等等参数的变化情况。 控制器主要包括转速控制、温度控制和加速度控制。 每一个控制环节输出一个燃料基准，经过最小值选择器后作为燃料供给系统的输入信号。 ,核心关键词： 1. 100kW微型燃气轮机 2. Simulink建模 3. 微燃机模块 4. 变工况特性 5. 流量参数 6. 绝热效率 7. 膨胀比 8. 转速 9. 燃料量 10. 发电效率 11. 排烟温度 12. 控制器 13. 转速控制 14. 温度控制 15. 燃料基准,"基于Simulink建模的微型燃气轮机多模块协同控制研究"

基于MATLAB的自适应容积卡尔曼滤波(ACKF_Q)源代码：优化状态协方差Q的估计误差降低技术,【ACKF_Q】基于MATLAB的自适应ckf（容积卡尔曼滤波）源代码，通过自适应状态协方差Q来实现，得到了比传统方法更低的估计误差。 适用于Q无法获取、估计不准、变化不定的情况。 只有一个m文件，方便运行，包运行成功 ,基于MATLAB; 自适应ckf; 容积卡尔曼滤波; 自适应状态协方差Q; 估计误差; 无法获取Q; 估计不准确; 变化不定的Q情况; m文件实现。,自适应容积卡尔曼滤波(ACKF)源码：误差更低，状态协方差Q自适应调整

该程序介绍了一种用于多传感器的平方根容积卡尔曼滤波（SRCKF）算法。结合一个实例和matlab程序对算法的具体实现过程进行了讲解。从仿真图中可以看出，滤波误差不断减小，说明滤波收敛。并且单个滤波的误差小于观测数据误差，证明滤波算法有效。同时融合后的滤波误差小于单个滤波器的误差，证明融合算法有效。仿真结果表明，所提融合滤波算法能够实现有效滤波跟踪。

简述了容积式空压机流量测量的基本原理,并以连续性方程和伯努利方程为基础,推导出以ASME喷嘴为节流元件的装置流量基本方程,进而根据空气的性质得出容积式空压机的流量计算公式。

建立了往复式压缩机膨胀过程的数学模型与求解的边界条件。论述了运用Simulink进行膨胀过程建模与仿真的方法。以IIZA-1.5/8型往复压缩机为研究对象,建立了可视化的模型,得出余隙容积对膨胀热力过程的影响。该模型可作为往复压缩机设计与优化的工具。

针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.

根据 NovAtel OEM6 接收机接收的星历参数，计算在轨卫星位置；联 合实测的卫星伪距数据，用 C 语言建立解算模型，分别用最小二乘法以及卡尔曼 滤波求解用户位置。结果表明，这两种方法算出的定位精度不高。为了提高精度， 本文将容积卡尔曼滤波算法引入用户位置求解流程。结果证明，用 C 语言建立的 容积卡尔曼滤波解算模型，能够提供比最小二乘法和卡尔曼滤波更高的定位精度。

从一系列 CT 影像中对肺部影像进行分割，并识别估计肺部容积量。

实现了平方根容积卡尔曼滤波，十分好用，效果很好