亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

ekf

  • 目標(biāo)跟蹤算法

    各種目標(biāo)跟蹤算法,有ekf, ukf,pf等,內(nèi)容詳盡,資料全面,附有文檔說明

    標(biāo)簽: ekf ukf pf maltlab實(shí)現(xiàn)

    上傳時(shí)間: 2020-03-02

    上傳用戶:peak9527

  • RTKLIB完整手冊

    本文檔主要是對 RTKLIB Manual中關(guān)于GUI的使用、開源代碼定位所用的模型以及ekf,嚴(yán)格按照手冊的解釋,并添加了一些自己的見解;同時(shí),還包括如何在Visual Studio 中進(jìn)行調(diào)試、如何進(jìn)行單點(diǎn)定位、差分定位,做了詳盡的說明!

    標(biāo)簽: RTKLIB

    上傳時(shí)間: 2021-10-16

    上傳用戶:默默

  • 同源多傳感器加權(quán)數(shù)據(jù)融合算法的研究

    在工業(yè)應(yīng)用中常用一組傳感器對問一個(gè)被測量目標(biāo)在一個(gè)過程的不同位置進(jìn)行測量,然而由于每個(gè)傳感器位于過程的不同位置,它們將不問程度的受到嗓聲的干擾,為了從被嗓聲干擾的多傳感器測量值中獲得更準(zhǔn)確的測量結(jié)果,霱要進(jìn)“步研究多傳感器的融合理論多傳感器數(shù)據(jù)融合系統(tǒng)的關(guān)鍵在于如何充分利用各個(gè)傳感器的信息,得到對被測參數(shù)的最優(yōu)估計(jì),本文主要研究了以加權(quán)的方式進(jìn)行多傳感器數(shù)據(jù)融合的方法,即研究如何對每個(gè)傳感器進(jìn)行加權(quán),從而得到對被測參數(shù)最優(yōu)佑計(jì)的方法為此本文在介紹了多傳感器數(shù)據(jù)融合技術(shù)的基礎(chǔ)上,首先研究了基于奇異值分解的數(shù)據(jù)融合算法,通過對傳感器測量值構(gòu)成的矩陣進(jìn)行奇異值分解,利用每個(gè)傳感器測量值所對應(yīng)的奇異值,可以估計(jì)出對每個(gè)傳感器權(quán)值的最優(yōu)估計(jì),從而在不要任何先驗(yàn)知識的條件下,可僅由多傳感器的測量值,利用提出的算法得到在最小均方誤差意義下的被測參數(shù)的最優(yōu)估計(jì),此外,在許多工業(yè)過程中,人們利用多傳感器測量同一過程參數(shù)以控制該參數(shù)在過程中的不同位置能根據(jù)需要進(jìn)行合理分布,此時(shí)人們希望利用多傳感器融合的測量結(jié)果,對每一個(gè)傳感器的測量數(shù)據(jù)進(jìn)行重建,以獲得對每一個(gè)傳感器的測量結(jié)果進(jìn)行更為準(zhǔn)確的估計(jì)。為此,本文進(jìn)一步研究了基于小波降噪和數(shù)據(jù)融合的傳感器數(shù)據(jù)重建算法,仿真和實(shí)驗(yàn)結(jié)果都說明提出算法是有效的,最后,研究了非線性動態(tài)系統(tǒng)的狀態(tài)融合問題,研究了加權(quán)無氣味卡爾曼濾波(UKF)方法,研究表明無氣味卡爾曼波波能克服了擴(kuò)展卡爾曼濾波(ekf)在狀態(tài)融合估計(jì)中的不足,可以得到了更準(zhǔn)確的狀態(tài)融合估計(jì)結(jié)關(guān)鍵詞多傳感器系統(tǒng),數(shù)據(jù)融合,奇異值分解,UKF

    標(biāo)簽: 傳感器 數(shù)據(jù)融合

    上傳時(shí)間: 2022-03-16

    上傳用戶:aben

  • S32K144的主從式BMS主控單元設(shè)計(jì)

    目前電動汽車主要以鋰電池作為動力來源,為了提高鋰電池的使用時(shí)間和安全性,為鋰電池提供安全良好的運(yùn)行環(huán)境,電池管理系統(tǒng)應(yīng)運(yùn)而生。BMS主控單元基于S32K144汽車級單片機(jī),通過主從式網(wǎng)絡(luò)控制結(jié)構(gòu)能夠?qū)︿囯姵氐母鱾€(gè)參數(shù)進(jìn)行采集與分析。采用擴(kuò)展卡爾曼濾波對電池的荷電狀態(tài)(SOC)進(jìn)行估算,克服普通估算方法無法避免電池內(nèi)阻誤差的缺點(diǎn),通過Matlab/Simulink軟件仿真驗(yàn)證可使估算誤差達(dá)到2%以內(nèi)。At present,electric vehicles mainly use lithium batteries as the power source.In order to improve the running time and safety of lithium batteries,a safe and good operating environment for power batteries is provided,and a battery management system(BMS) has emerged.The BMS main control unit is based on the S32K144 automotive-grade control chip.Through the master-slave network control structure,it can collect and analyze the various parameters of the lithium battery.The Extended Kalman Filter(ekf) is used to estimate the state of charge(SOC) of the battery,which overcomes the shortcomings of the internal estimation method that cannot overcome the internal resistance error of the battery.It can be verified by Matlab/Simulink software simulation.The estimation error is within 2%.

    標(biāo)簽: s32k144 bms

    上傳時(shí)間: 2022-03-26

    上傳用戶:XuVshu

主站蜘蛛池模板: 万宁市| 澄江县| 丰顺县| 毕节市| 图片| 调兵山市| 陇川县| 定安县| 望江县| 山东省| 岗巴县| 阿城市| 长子县| 洪雅县| 凭祥市| 南阳市| 惠州市| 寿光市| 龙胜| 平南县| 安乡县| 杭锦旗| 綦江县| 黑河市| 义马市| 安平县| 射阳县| 长春市| 清涧县| 广州市| 梁平县| 合作市| 习水县| 乌拉特前旗| 呼图壁县| 尼勒克县| 宁国市| 开平市| 大理市| 吉木乃县| 垣曲县|