×
刘江;蔡白根;王云鹏

基于鲁棒容积卡尔曼滤波的粒子群优化车辆定位。 （英语） Zbl 1332.93351号

亚洲J.控制 17，第2期，648-663（2015）.
摘要：本文研究基于粒子群优化（PSO）的鲁棒立方卡尔曼滤波器（RCKF）自适应解，用于陆地车辆定位中的数据融合。采用容积卡尔曼滤波器中的容积规则来解决系统和测量模型中的非线性问题。根据有界误差协方差原理，导出了鲁棒滤波解，以提供对模型不确定性和非线性近似误差的容差。在此基础上，采用粒子群优化算法辅助原RCKF算法，通过调整约束系数来提高估计性能，约束系数被设计为关键参数。因此，提出了一种新的PSO辅助鲁棒卡尔曼滤波方案，以提高自适应性能和鲁棒性。通过仿真分析和讨论，说明了所提出的滤波解决方案的能力和优势。

引用于6文件

MSC公司：

93E11号机组 随机控制理论中的滤波
93E10型 随机控制理论中的估计与检测
93E20型 最优随机控制
93甲14 分散的系统
93立方厘米 控制理论中的非线性系统
93C55美元 离散时间控制/观测系统

关键词：

鲁棒容积卡尔曼滤波器;粒子群优化;非线性滤波器;车辆定位;多传感器信息融合
PDF格式BibTeX公司 XML格式引用
\textit{J.Liu}等人，《亚洲期刊控制》17，第2期，648--663（2015；Zbl 1332.93351）
全文： 内政部

参考文献：

[1] 马，使用车辆基础结构集成（VII）和人工智能（AI）的实时公路交通状况评估框架，IEEE Trans。智力。运输。系统。10（4）第615页–（2010年）
[2] Toulminet，G.J.Boussuge C.Laurgrau三个主要欧洲合作系统项目（CVIS、SAFESPOT和COOPERS）的比较综合以及COOPERS示范点4程序的描述。IEEE Conf.智能。运输。系统。809 814 2008
[3] Syed，S.M.Cannon基于三维模糊逻辑的地图匹配算法，用于城市峡谷中基于位置的服务应用程序Proc。ION GNSS会议。1 12 2004
[4] Dao，使用车间通信的基于Markov的车道定位，IEEE Trans。智力。运输。系统。第8（4）页，第641页–（2007年）·doi:10.1109/TITS.2007.908574
[5] Betaille，为车道级车辆导航创建增强地图，IEEE Trans。智力。运输。系统。11（4）第786页–（2010年）·doi:10.10109/TITS.2010.2050689
[6] Skog，In-car定位和导航技术——调查，IEEE Trans。智力。运输。系统。10（1）第4页–（2009）·doi:10.1109/TITS.2008.2011712
[7] 托莱多，基于新型神经模糊动态结构机器人的道路车辆机动预测。自动。系统。第58（12）页，第1316页–（2010年）·doi:10.1016/j.robot.2010.09.002
[8] Gruyer，D.S.Pechberti D.Gingras F.Dupin CVIS项目安全应用中的稳健定位。IEEE智能。车辆。交响乐团。262 268 2010
[9] Vu，用于车道级车辆导航的实时计算机视觉/DGPS辅助惯性导航系统，IEEE Trans。智力。运输。系统。13（2）第899页–（2012年）·doi:10.1109/TITS.2012.2187641
[10] Toledo-Moreo，基于IMM-EKF的高集成道路车辆导航，带低成本GPS/SBAS/INS，IEEE Trans。智力。运输。系统。第8（3）页，第491页–（2007年）·doi:10.1109/TITS.2007.902642
[11] Liu，城市中心精确INS/GPS陆地车辆导航的双滤波器平滑，IEEE Trans。智力。运输。系统。第4256页第59（9）页–（2010年）
[12] Toledo-Moreo，R.D.Gruyer A.Lambert《车辆定位程序中用于数据融合的扩展卡尔曼滤波器的理论分析》。确认ITS Telecommun。305 310 2011
[13] 巴蒂斯塔，自动车辆的最佳位置和速度导航滤波器，Automatica 46（4），第767页–（2010）·Zbl 1193.93171号 ·doi:10.1016/j.automatica.2010.02.004
[14] Wen，具有随机非线性和乘性噪声的混合时滞系统的可靠H滤波，亚洲控制杂志15（2），第583页–（2013）·Zbl 1327.93389号 ·doi:10.1002/asjc.571
[15] 陈Z贝叶斯滤波：从卡尔曼滤波器到粒子滤波器，以及2003年以后
[16] Lefebvre，《非线性系统的卡尔曼滤波器：性能比较》，《国际控制杂志》77（7），第639页–（2004）·Zbl 1062.93039号 ·doi:10.1080/00207170410001704998
[17] Jwo，用于GPS导航的粒子群优化卡尔曼滤波器自适应，Aircr。工程航空公司。Technol公司。81（4）第343页–（2009）·数字对象标识代码：10.1108/00022660910967336
[18] 谢，关于未知输入系统的两阶段卡尔曼滤波的最佳性，亚洲J.Control 12（4），第510页–（2010）
[19] 白，非线性时滞系统H鲁棒故障检测滤波器的设计，浙江大学学报，SCI A 7（10），pp 1733–（2006）·Zbl 1103.93027号 ·doi:10.1631/jzus.2006.A1733
[20] Seo，非线性约束不确定系统的扩展鲁棒H滤波器，IEEE Trans。信号处理。54（11）第4471页–（2006）·Zbl 1373.93110号 ·doi:10.1109/TSP.2006.880308
[21] 熊，非线性不确定系统的鲁棒无迹卡尔曼滤波，亚洲J.Control 12（3）pp 426–（2010）·doi:10.1002/asjc.190
[22] Chandra，K.D.Gu I.Postlethwaite扩展H滤波器和体积卡尔曼滤波器的融合程序。IFAC世界大会9091 9096 2011
[23] Arasartnam，Cubature Kalman过滤器，IEEE Trans。自动。对照54（6）pp 1254–（2009）·Zbl 1367.93637号 ·doi:10.1109/TAC.2009.2019800
[24] Pesonen H.R.Piche基于立方的卡尔曼滤波器，用于定位过程。车间位置导航。Commun公司。45 49 2010
[25] Eberhart，R.J.Kennedy使用粒子群理论的新优化器。交响乐团。微马赫数。人类科学。39 43 1995
[26] Parsopulos，《通过粒子群优化解决全局优化问题的最新方法》，自然计算。1（2-3）第235页–（2002）·Zbl 1018.68063号 ·doi:10.1023/A:1016568309421
[27] Gaing，AVR系统PID控制器优化设计的粒子群优化方法，IEEE Trans。能量转换。第19（2）页，第384页–（2004）·doi:10.1109/TEC.2003.821821
[28] Akashi，粒子群优化算法的衰减率和l2增益分析，亚洲J.Control 14（1）pp 125–（2010）
[29] Arasartnam，《连续离散系统的Cubature Kalman滤波：理论和仿真》，IEEE Trans。信号处理。58（10）第4977页–（2010年）·Zbl 1391.93223号 ·doi:10.1109/TSP.2010.2056923
[30] Mu，J.Yu。蔡迭代容积卡尔曼滤波器及其应用程序。IEEE Conf.网络技术自动化。控制智能。系统。33 37 2011
[31] 史，细胞粒子群优化，信息科学。181（20）第4460页–（2011）·Zbl 1242.68295号 ·doi:10.1016/j.ins.2010.05.025
[32] Trelea，粒子群优化算法：收敛性分析和参数选择，Inform。过程。莱特。85（6）第317页–（2003）·Zbl 1156.90463号 ·doi:10.1016/S0020-0190（02）00447-7
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。