1) Kalman DFE
卡尔曼均衡器
2) Kalman filter
卡尔曼滤波器
1.
Fault diagnosis for gas turbine engines based on Kalman filter and neural networks;
基于卡尔曼滤波器及神经网络的发动机故障诊断
2.
Algorithm design of digital strapdown attitude and head reference system based on Kalman filter;
基于卡尔曼滤波器的数字式捷联航姿系统算法设计
3.
Aeroengine fault diagnosis using dual Kalman filtering technique;
基于双重卡尔曼滤波器的发动机故障诊断
3) a bank of Kalman filters
卡尔曼滤波器组
1.
Based on a bank of Kalman filters,an aircraft engine sensor fault diagnostics system was developed,thus enabling fault detection,isolation and accommodation(FDIA) of individual sensor faults and safe operation of engine control system even in the case of sensor failure.
基于卡尔曼滤波器组,建立了航空发动机控制系统传感器故障诊断系统,实现了对单个传感器故障的检测、隔离与重构(FDIA),确保了发动机控制系统即使在传感器故障发生的情况下,依然能安全可靠地工作。
2.
Using a bank of Kalman filters,an aircraft engine sensor fault diagnostics system is developed.
本文针对航空发动机控制系统的传感器故障诊断进行研究,利用卡尔曼滤波器组,设计出传感器故障诊断系统。
4) Kalman filtering
卡尔曼滤波器
1.
Extension of Kalman filtering when noise could be non-additive;
非加性噪声情形下卡尔曼滤波器的推广
2.
We could easy get ship motion attitude and use the dependence of measuring state variable to estimate wave disturbance by means of Kalman filtering.
利用卡尔曼滤波器对横向受海浪扰动力与力矩进行估计,以便于掌握船舶受力状况及可能产生的运动姿态。
5) unscented Kalman filter
Unscented卡尔曼滤波器
1.
This paper proposes a new particle filter which is based on the extended Kalman filter and the Unscented Kalman filter.
首先用Unscented卡尔曼滤波器产生系统的状态估计,然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计。
2.
In this paper,Unscented Kalman filter was proposed to estimate the unknown parameters and the unobservable state variables simultaneously.
该文采用Unscented卡尔曼滤波器估计信号转导通路未知参数与模型不可观测状态。
6) kalman filters
卡尔曼滤波器
1.
Firstly,math model is built for the system and the design principles and applying areas of kalman filters,H-infinity filters and extended kalman filters is theoretically analyzed.
以卡尔曼滤波器为研究基点,进一步研究分析了动态系统运动状态最优化估计方法。
补充资料：卡尔曼滤波器
分子式：
CAS号：
性质：它是随机系统中一种最著名的最优状态估计器。估计的要求是滤去随机分量使状态估计值x与真实状态值x尽量接近。其结构与状态估计器相似，由模型输出估计值y与实测输出相比较所得的误差，通过校正矩阵来对状态估计值x进行在线校正。但因卡尔曼滤波器的目标函数是状态估计值和真实值误差的二次型函数，从而可求得其最优估计的校正矩阵。
CAS号：
性质：它是随机系统中一种最著名的最优状态估计器。估计的要求是滤去随机分量使状态估计值x与真实状态值x尽量接近。其结构与状态估计器相似，由模型输出估计值y与实测输出相比较所得的误差，通过校正矩阵来对状态估计值x进行在线校正。但因卡尔曼滤波器的目标函数是状态估计值和真实值误差的二次型函数，从而可求得其最优估计的校正矩阵。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条