基于扩展卡尔曼滤波实现的锂电池SOC估算
上传时间： 2017-05-10
上传用户：到底奚不奚
PMSM入门必看！！！！！！！！！！1，卡尔曼滤波无位置传感器控制
上传时间： 2017-07-18
上传用户：MIAOMAOYU
无迹卡尔曼滤波UKF在组合导航中应用的MATLAB仿真代码
上传时间： 2017-12-29
上传用户：007amw
飞思卡尔485通讯源码，适用于大部分芯片，基本的源码编写，格式简单、准确。
上传时间： 2019-05-10
上传用户：zengoal
第十届飞思卡尔智能车源码，曾经杀入华东赛区决赛。现在毕业了，开放源码给大家参考，希望对大家有帮助。
上传时间： 2019-06-20
上传用户：weihe
该书由美国Charles.K.Chui,中国GuanRong Chen 著,清华大学出版社出版。
标签： 卡尔曼滤波
上传时间： 2021-01-27
上传用户：
MC33886电机驱动，大功率，飞思卡尔
上传时间： 2021-11-01
上传用户：
一种通用微型飞行控制器设计 105页摘 要 微小型无人机(Micro／Mini UnmannedAerial Vehicle，M【，AV)在现代军事和国民经济中发 挥着越来越重要的作用。飞行控制器是无人机系统的核心，它自动采集无人机的各种飞行参数， 输出舵面／油门指令以控制无人机的姿态和轨迹，使无人机能在没有人工操纵干预的情况下自主 飞行，完成预定的任务。因此，研制高性能的飞行控制器对改善无人机的飞行性能以及提高任 务完成效率都具有重要的意义。 本文着重研究一种通用微型飞行控制器(General Micro Flight Controller，GMFC)，以适用 于小型／微型固定翼飞行器、旋翼飞行器、飞艇以及移动机器人的控制。论文的主要工作涉及 GMFC的硬件设计与软件实现，具体内容包括： 1)分析了微型飞行控制器在国内外的研究现状和发展趋势，根据任务需求和设计指标确定 一种通用型、微型化、低功耗、高性能、低成本的嵌入式微型飞行控制器的整体方案。 2)设计了基于ARM的通用微型飞行控制器的硬件系统，包括主控模块、惯性测量单元、 静压高度计、遥控信号接收单元、数据通信模块、电源模块、附加传感器模块等；完成了整个 控制器的PCB制作以及对所有电路的调试工作，使得系统运作正常。 3)研究了基于卡尔曼滤波算法的姿态参考系统，并对姿态参考系统的静态性能和动态性能 进行测试。 4)设计了小型四旋翼飞行器本体平台并对其进行动力学建模仿真； 5)在此基础上，结合四旋翼飞行器试验平台设计了飞行控制律，开发了GMFC的软件系 统，并开展物理实验验证。
标签： 飞行控制器
上传时间： 2022-03-15
上传用户：zhaiyawei
在工业应用中常用一组传感器对问一个被测量目标在一个过程的不同位置进行测量，然而由于每个传感器位于过程的不同位置，它们将不问程度的受到嗓声的干扰，为了从被嗓声干扰的多传感器测量值中获得更准确的测量结果，霱要进“步研究多传感器的融合理论多传感器数据融合系统的关键在于如何充分利用各个传感器的信息，得到对被测参数的最优估计，本文主要研究了以加权的方式进行多传感器数据融合的方法，即研究如何对每个传感器进行加权，从而得到对被测参数最优佑计的方法为此本文在介绍了多传感器数据融合技术的基础上，首先研究了基于奇异值分解的数据融合算法，通过对传感器测量值构成的矩阵进行奇异值分解，利用每个传感器测量值所对应的奇异值，可以估计出对每个传感器权值的最优估计，从而在不要任何先验知识的条件下，可仅由多传感器的测量值，利用提出的算法得到在最小均方误差意义下的被测参数的最优估计，此外，在许多工业过程中，人们利用多传感器测量同一过程参数以控制该参数在过程中的不同位置能根据需要进行合理分布，此时人们希望利用多传感器融合的测量结果，对每一个传感器的测量数据进行重建，以获得对每一个传感器的测量结果进行更为准确的估计。为此，本文进一步研究了基于小波降噪和数据融合的传感器数据重建算法，仿真和实验结果都说明提出算法是有效的，最后，研究了非线性动态系统的状态融合问题，研究了加权无气味卡尔曼滤波（UKF）方法，研究表明无气味卡尔曼波波能克服了扩展卡尔曼滤波（EKF）在状态融合估计中的不足，可以得到了更准确的状态融合估计结关键词多传感器系统，数据融合，奇异值分解，UKF
上传时间： 2022-03-16
上传用户：aben
目前电动汽车主要以锂电池作为动力来源,为了提高锂电池的使用时间和安全性,为锂电池提供安全良好的运行环境,电池管理系统应运而生。BMS主控单元基于S32K144汽车级单片机,通过主从式网络控制结构能够对锂电池的各个参数进行采集与分析。采用扩展卡尔曼滤波对电池的荷电状态(SOC)进行估算,克服普通估算方法无法避免电池内阻误差的缺点,通过Matlab/Simulink软件仿真验证可使估算误差达到2%以内。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%.
上传时间： 2022-03-26
上传用户：XuVshu
