简介:针对传统多目标概率假设密度(PHD)滤波器在低检测概率情况下跟踪精度低和失跟率高的问题,提出了一种改进的概率假设密度滤波算法。该算法利用高斯混合PHD(GM-PHD)滤波器进行PHD预测和PHD更新,处理过程中通过修正上一拍权值大的高斯项,并在处理当前拍时保证其权值的稳定性,以保证算法的高精度。仿真结果表明,在低检测概率情况下,该算法可较好估计目标数和目标状态。与传统GM-PHD滤波器比,该算法跟踪精度大幅提高。
简介:各种各样的实际因素会导致永磁同步电机在求取转矩时很难绝对精确。比如转子温升会导致磁场强度降低并使得输出转矩减小。导致转矩减小的另一种情况是在过载时铁心出现饱和。针对这样的情况,现在比较行之有效的设计思路是使用一个快速叠加速度控制环或者使用转矩传感器。但是,像绞车和注塑成型机一类的设备需要很高的转矩精度,而使用转矩传感器有诸多缺陷。本文将介绍三种不吲的改进静态转矩精度的策略。第一种策略是基于对转矩常数和磁阻转矩常数的离线辨识。这一思想在第二种策略中得以扩展.即通过转矩与转距电流之间的关系来识别电机特性。这种策略通过采用多项式方程进行计算来补偿味开环控制的不足。第三种策略是一种在线自适应转矩常数控制技术,它基于对电机电参数的观测和对转速的洲量。试验结果证实了三种策略理论的有效性。