基于改进强跟踪无迹卡尔曼滤波的饵料动态称重算法

TH715%TN713%S969.31; 投饵是虾塘养殖中的重要环节,获取剩余饵料质量是实现精准投饵的关键.为解决在投饵过程中由环境、系统自身等因素引起的剩余饵料称重不准确问题,提出了一种适用于投饵船饵料动态称重的自适应强跟踪无迹卡尔曼滤波算法(SHFL-ASTUKF).首先,建立称重系统的二阶模型,并对量测结果进行滤波.然后,在渐消因子快速引入的基础上,使用奇异值分解替换Cholesky分解处理误差协方差问题.同时,结合模糊控制算法和Sage-Husa自适应滤波,自适应更新量测噪声协方差和系统噪声协方差,从而抑制滤波过程中的发散情况.对SHFL-ASTUKF进行实例数据仿真和实验验证,结果表...

Full description

Saved in:
Bibliographic Details
Published in上海海洋大学学报 Vol. 32; no. 5; pp. 967 - 977
Main Authors 张丽珍, 李旗明, 吴迪, 保冶君, 何睿杰, 李志坚
Format Journal Article
LanguageChinese
Published 上海海洋可再生能源工程技术研究中心,上海 201306%上海海洋大学 工程学院,上海 201306 01.09.2023
上海海洋大学 工程学院,上海 201306
上海海洋可再生能源工程技术研究中心,上海 201306
湖南大学机器人视觉感知与控制技术国家工程实验室,湖南 长沙 410082
Subjects
无迹卡尔曼滤波
fuzzy controls
precision baiting
dynamic weighing
模糊控制
data noise reduction
精准投饵
动态称重
unscented Kalman filter
数据降噪
Online AccessGet full text
ISSN1674-5566
DOI10.12024/jsou.20230604245

Cover

More Information
Summary:TH715%TN713%S969.31; 投饵是虾塘养殖中的重要环节,获取剩余饵料质量是实现精准投饵的关键.为解决在投饵过程中由环境、系统自身等因素引起的剩余饵料称重不准确问题,提出了一种适用于投饵船饵料动态称重的自适应强跟踪无迹卡尔曼滤波算法(SHFL-ASTUKF).首先,建立称重系统的二阶模型,并对量测结果进行滤波.然后,在渐消因子快速引入的基础上,使用奇异值分解替换Cholesky分解处理误差协方差问题.同时,结合模糊控制算法和Sage-Husa自适应滤波,自适应更新量测噪声协方差和系统噪声协方差,从而抑制滤波过程中的发散情况.对SHFL-ASTUKF进行实例数据仿真和实验验证,结果表明,与强跟踪无迹卡尔曼滤波相比,实例数据仿真中,RMSE提高了14.9%,投饵船剩余饵料称重实验中RMSE平均提高了15.15%,MAE提高17.27%,所提出的算法具有更高的动态测量精度和更好的降噪效果.
ISSN:1674-5566
DOI:10.12024/jsou.20230604245