为进一步提高UWB技术在室内移动机器人定位方面的定位精度与可靠性,设计了一种基于UWB与里程计融合的定位系统。针对UWB测距过程中产生的随机误差问题,采用卡尔曼滤波算法进行抑制。针对UWB非视距误差问题,引入NLOS误差鉴别方法鉴别现场环境,借助里程计航迹推演算法获得机器人定位数据进行补偿。针对里程计定位过程中由于长时间、长距离所产生的累积误差问题,采用UWB高精度的定位数据进行误差矫正。实验结果表明,融合UWB与里程计的定位系统有效地抑制了UWB定位的随机误差与非视距误差,尤其在UWB信号受到障碍物的严重遮挡时,移动机器人仍能获得精确可靠地定位数据。

准确可靠的车辆行驶状态信息对于车辆路径跟踪和稳定性控制都十分重要。针对车辆质心侧偏角软测量问题,提出了一种基于自适应容积卡尔曼滤波(Adaptive Cubature Kalman Filter,ACKF)的车辆质心侧偏角耦合估计方法。建立了三自由度车辆动力学模型、轮胎模型和轮速耦合模型,基于ACKF设计了智能车行驶状态估计方法,其中在ACKF中设计了含自适应渐消矩阵的滤波增益,用来提高估计结果对于测量噪声的自适应性。此外,将轮速耦合关系应用到ACKF的测量更新中,利用传感器测量信息的冗余度提高估计结果的精度与可靠性。进行了基于CarSim/Simulink联合仿真模型的仿真试验,结果表明,所提出的估计方法在实际应用中整体估计精度相比EKF分别提升了9.83%和7.12%。

为了实现手术机器人的主从控制,设计了一款基于多传感器的六自由度主手,包含手臂机构与手腕机构,其结构简单、操作灵活,具有较高的控制精度。建立了主手运动学模型并进行了工作空间分析,阐述了主手的主从映射策略。采用卡尔曼滤波方法消除了操作者手部抖动对主手信号采集的影响。最后搭建了实验平台,基于主手实现了对虚拟机器人的控制。

针对输电线路杆塔在周围环境发展的情况下导致杆塔基础被埋或者导线跨越下方物体距离不足的情况,提出利用液压杆提升输电塔的作业方案,其过程中需要时刻监测塔的倾斜角度与状态,而传统的目视方法不够精确。提出一种通过毫米级载波相位差分技术(RTK)和惯性测量单元(IMU)作为传感器来测量倾角并控制液压升塔的方法,对于传感器采集数据采用卡尔曼滤波算法进行去噪和更新,后用于辅助检测虚撑、风偏以及地基沉降等可能造成的偏转问题,并采用PID控制算法来控制液压杆上升。经过模型仿真数据检测证明,对数据采用卡尔曼滤波后可以使数据更加精确,其控制算法能够有效安全地使杆塔提升,从而提高升塔过程的安全性。

针对GF-INS中加速度计降噪的实际同题，提出了一种非零均值观测噪声小波卡尔曼滤波算法，在非标准观测噪声条件下，利用滑动数据窗内的小渡变换实肘在线估计出观测噪声的方差和均值，作为标准卡尔曼滤波的修正信息，从而实现了标准卡尔曼滤波算法的扩展，实验结果表明，在观测噪声为非标准噪声且统计规律未知的条件下，该自适应降噪方法能获得较好的滤波效果，加速度计信号的噪声方差强度减少了3个数量级。

针对目前所采用的消除动平衡机测量偏倚的定期重新标定方法将造成生产线不必要的停工，从而提高制造企业的生产成本问题，提出基于卡尔曼滤波的动平衡测量过程在线调节方法．利用泰勒展开方法对振动响应测量值进行坐标变换以消除观测方程的非线性．结合多变量统计过程控制（MSPC）对测量过程进行监控以检测测量偏倚，提出通过追踪状态参数变化对测量偏倚进行补偿的方法．通过对样机长期的状态监控数据对该方法进行验证．结果证明，该方法能够快速诊断出测量偏倚并对其进行准确的补偿，在保证测量系统精度的同时，最大限度地缩短停工时间．

针对陀螺稳定平台的漂移问题,建立了陀螺稳定跟踪装置在不同工作模式下陀螺漂移的数学模型,指出稳定模式下包含常值漂移和相关漂移的陀螺低频噪声是影响稳定精度的主要原因。提出一种自适应实时估计算法,采用卡尔曼滤波框架和滤波器收敛判据,结合Sage-Husa滤波和加权Sage-Husa滤波算法,利用跟踪器跟踪静止目标时输出的脱靶量信号对陀螺常值漂移和相关漂移进行估计。实验结果表明：该算法能够在系统模型和噪声特性均不准确的情况下使用,收敛时间小于3s,估计均方差小于0.02（°）/s,具有良好的鲁棒性和自适应能力。

为了提高动态定位精度,将卡尔曼（KF）算法应用到GPS非线性动态定位解算中,提出加权最小二乘-卡尔曼滤波（WLS-KF）算法。通过加权最小二乘（WLS）算法得到近似的线性化模型,再将KF算法应用到这个线性化模型进行校正。因此既保持了KF算法能够对系统状态进行最优估算的优点,同时对各个测量值进行了联系制约,具有更高的精度。结果表明,这种方法精度介于EKF和UKF之间,且实现容易,预测可靠,具有实际应用价值。

针对轮式里程计误差随时间累积和UWB数据抖动以及非视距问题导致的粗大误差,提出一种基于卡尔曼滤波的数据融合方法,有望在单片机上实现长时高精度定位。该方法使用里程计对UWB数据进行非视距情况判断,然后使用卡尔曼滤波算法对里程计和UWB数据进行不同信赖度下的融合,再使用融合后的数据对里程计数据进行累计误差修正以提高系统长时间运行的精度和稳定性。仿真和实验结果表明:系统可以检测到UWB的视距状态,同时能对里程计数据进行修正,在具

针对分布式驱动电动汽车直驱轮毂电机系统电流、转速传感器故障问题,研究传感器鲁棒故障检测与定位方法.考虑电机模型中含有未知输入和噪声,通过系统降阶的方式对未知输入进行解耦,采用卡尔曼滤波器（Kalman filter, 简称KF）滤除解耦后子系统的白噪声,并设计最优未知输入观测器（unknown input observer, 简称UIO）实现系统状态估计,得到了一种较强鲁棒性的残差产生器.采用极大似然比（generalized likelihood ratio, 简称GLR）的方法评估残差信号并确定阈值,提出了一种传感器故障定位方法.台架实验结果表明,提出的基于最优UIO的传感器故障诊断方法能够实现电动汽车直驱电机系统传感器故障辨识与定位.