基于蝙蝠算法的粒子滤波法研究

发布时间：2018-06-12 10:27

  本文选题：粒子滤波 + 蝙蝠算法　； 参考：《物理学报》2017年05期

【摘要】：标准粒子滤波容易出现粒子贫化问题,滤波精度不稳定,并且需要大量粒子才能对非线性系统进行准确估计,降低了算法的综合性能.针对该问题,本文提出了一种基于蝙蝠算法的新型粒子滤波算法.该算法用粒子表征蝙蝠个体,模拟蝙蝠群体搜索猎物的过程,粒子群体通过调整频率、响度、脉冲发射率,追随当前最优粒子在解空间中进行搜索,并可以动态控制全局搜索及局部搜索的相互转换,进而提氋粒子整体的质量和分布的合理性;此外,改进算法引入Levy飞行策略,从而避免局部极值的不良吸引.实验表明新型粒子滤波方法提高了粒子多样性和滤波预测精度,同时大大降低了对非线性系统进行状态预测所需的粒子数量.
[Abstract]:Standard particle filter is prone to particle dilution, and the filtering accuracy is unstable, and a large number of particles are needed to accurately estimate the nonlinear system, which reduces the comprehensive performance of the algorithm. To solve this problem, a new particle filter algorithm based on bat algorithm is proposed in this paper. The algorithm uses particles to represent bat individuals and simulate the search process of bat populations. Particle populations search in solution space by adjusting frequency, loudness, pulse emissivity, and following the current optimal particles. The global search and local search transformation can be dynamically controlled, and the rationality of particle mass and distribution can be raised. In addition, Levy flight strategy is introduced into the improved algorithm to avoid the bad attraction of local extremum. The experimental results show that the new particle filtering method can improve the particle diversity and filter prediction accuracy, and greatly reduce the number of particles needed for state prediction of nonlinear systems.
【作者单位】： 中国卫星海上测控部;南京理工大学自动化学院;
【基金】：国家自然科学基金(批准号:61501521,U1330133,61473153) 中国博士后科学基金(批准号:2015M582861)资助的课题~~
【分类号】：TP18;TN713

【相似文献】

相关期刊论文 前10条

1 谢小莉;电力系统遥测校正和状态估计的综合运用[J];电网技术;1996年05期

2 刘浩;电力系统状态估计、检测及辨识[J];电力系统及其自动化学报;1999年04期

3 张黎;;小议状态估计遥测合格率在地区电网中的调试和提高[J];电子世界;2014年01期

4 张黎;陆炜;;地区电网状态估计调试中典型问题分析[J];电子世界;2014年03期

5 陈子青,石增钧,林曙光;采用状态估计 提高监测质量[J];山东电力高等专科学校学报;2000年02期

6 应春晖;;提高清远地调状态估计软件运行率的措施[J];广东电力;2007年08期

7 赵红嘎,薛禹胜,高翔,潘勇伟,岑宗浩,李碧君;量测量的时延差对状态估计的影响及其对策[J];电力系统自动化;2004年21期

8 田江;钱科军;梁锋;;分布式状态估计技术在智能变电站的应用[J];电网与清洁能源;2013年09期

9 刘浩,顾一中;状态估计中不良数据的混合检测辨识程序设计[J];大电机技术;2001年01期

10 吴为麟,侯勇,方鸽飞;基于支路电流的配电网状态估计[J];电力系统及其自动化学报;2001年06期

相关会议论文 前10条

1 徐兴华;陈万里;;地调状态估计实用化探讨[A];华东六省一市电机工程（电力）学会输配电技术研讨会2002年年会山东电机工程学会交流论文集[C];2002年

2 郭金莲;范晓丹;赵洪山;;分布式状态估计算法的研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

3 刘耀年;郝静;;基于分布式抗差加权最小二乘法的状态估计[A];第十一届全国电工数学学术年会论文集[C];2007年

4 刘顺明;刘耀年;于贺;汤德海;;基于抗差加权最小二乘法的分布式状态估计[A];高效 清洁 安全 电力发展与和谐社会建设——吉林省电机工程学会2008年学术年会论文集[C];2008年

5 何青;欧阳红林;杨民生;童调生;;基于最优定界椭球的自适应集员状态估计[A];2004全国测控、计量与仪器仪表学术年会论文集（上册）[C];2004年

6 郭晓林;曹军海;贾小平;;模糊状态估计在机动目标跟踪中的应用[A];1997中国控制与决策学术年会论文集[C];1997年

7 林桂华;张艳军;周苏荃;;基于量测变换的混合量测状态估计算法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

8 景渤雯;赵璐;张雨生;;基于PMU的状态估计研究现状及发展展望[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

9 彭云辉;缪栋;刘云峰;;SR-UKF在状态估计中的应用[A];2006中国控制与决策学术年会论文集[C];2006年

10 王正志;肖齐英;;部分参数不准确的线性系统H_∞状态估计滤波问题[A];1993年控制理论及其应用年会论文集[C];1993年

相关博士学位论文 前10条

1 王吉华;多轴转向车辆状态估计与控制研究[D];南京航空航天大学;2013年

2 Sideig Abd elrhman Ibrahim Dowi;PMU测量单元对电力系统动态状态估计影响研究[D];华北电力大学;2015年

3 任江波;电力系统过程状态估计研究[D];哈尔滨工业大学;2007年

4 陈芳;电网状态估计及其扩展的理论研究[D];山东大学;2010年

5 畅广辉;基于混合量测的电力系统分布式状态估计研究[D];武汉大学;2009年

6 王永;互联电网分布式状态估计和混合量测状态估计研究[D];哈尔滨工业大学;2008年

7 白宏;基于PMU量测信息的面向过程状态估计研究[D];哈尔滨工业大学;2008年

8 黄彦全;电力系统状态估计若干问题的研究[D];西南交通大学;2005年

9 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年

10 李强;基于PMU量测的电力系统状态估计研究[D];中国电力科学研究院;2006年

相关硕士学位论文 前10条

1 王珊珊;利用支路信息进行电力网络拓扑辨识[D];郑州大学;2015年

2 张娜;电流推算法及其与新息图相结合的状态估计研究[D];哈尔滨工业大学;2015年

3 沈豪栋;一种基于参数修正的区域性电网状态估计改进方法[D];上海交通大学;2014年

4 胡晓艳;分布式平台下的配电网状态估计研究[D];华北电力大学;2015年

5 贾楠;基于WAMS的电力系统状态估计及其应用[D];华北电力大学;2015年

6 白铎;智能电网状态估计及性能分析[D];电子科技大学;2015年

7 安维亮;离散时间复杂网络的状态估计[D];南京邮电大学;2015年

8 沈超;自愈控制下电网状态估计的研究[D];南京邮电大学;2015年

9 邳浚哲;不良数据检测辨识及提高状态估计合格率的方法研究[D];华北电力大学;2015年

10 张鹏飞;离散时间随机系统的状态估计与最优控制器设计[D];青岛科技大学;2015年

，

本文编号：2009348