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%。

介绍了单轴捷联姿态系统的原理，在对系统误差进行分析的基础上，采用卡尔曼滤波建立了姿态算法。介绍基于MEMS陀螺仪和加速度计的单轴捷联姿态测量装置系统构成，并对其工作过程进行了仿真。通过仿真表明在考虑多种误差因素的情况下，该系统的角度测量误差小于0．1°，能够满足工程应用的需要。

新一代大射电望远镜（LT）粗调系统是通过6根索长的协调变化驱动馈源舱跟踪射电源的六自由度运动，其工作特点类似Stewart平台，因此被看作大柔性Stewart平台。针对该系统变结构、非线性、大滞后、强耦合等特点，提出一种卡尔曼滤波和基于优化神经网络结构的PID控制器（PID-NNC）相结合的控制算法来实现馈源轨迹跟踪控制。这种新方法通过构造卡尔曼滤波来抑制随机干扰对系统的影响，同时采用PID-NNC来实现馈源舱轨迹跟踪。理论分析和仿真实验表明，该控制算法不仅能满足对轨迹跟踪精度要求，而且具有较强的鲁棒性。

为了能有效地补偿MEMS（微电子机械系统）陀螺仪的随机漂移，提高载体姿态估计的精度，基于小波理论与多尺度分析方法，使用db4小波，将MEMS陀螺仪随机漂移进行深度为4的多尺度分解，得到5组小波系数。根据分解后的各尺度系数进行信号重建，得到5组多尺度陀螺仪漂移数据。对重建后的各尺度漂移数据进行时间序列建模，可以得到MEMS陀螺仪随机漂移的多尺度时间序列模型．在多尺度时间序列模型的基础之上，建立多尺度离散系统的系统模型，使用卡尔曼滤波方法，对个尺度陀螺随机噪声进行滤波，可以有效地滤除MEMS陀螺仪的随机漂移。试验结果表明本方法能有效降低信噪比。

对惯性／天文组合导航系统在运动载体上的应用进行了研究。在分析天文导航系统测姿原理的基础上，建立了组合导航系统的数学模型，介绍了一种姿态角误差转换矩阵的求取方式，针对运动载体姿态相对变化较快而存在的输出延迟问题，研究一种在采用卡尔曼滤波进行信息融合过程中，进行延迟误差补偿的数据处理方法。基于建立的数学模型，运用卡尔曼滤波方法对延迟补偿前后的系统进行了仿真比较，仿真结果表明文中所设计算法可以较好地满足运动载体的定姿定位要求。

介绍了卡尔曼滤波的算法,给出了一套递推计算公式,将此算法应用于短期负荷预测,并针对负荷预测本身的特点对算法进行了改进,用两种算法进行了实际的负荷预测计算,取得了比较准确的预测结果.

风场参数的测量是气象无人机领域的重要研究方向.本文基于空速、地速和风速的矢量三角形理论，引入无人机的迎角和侧滑角，补偿转弯过程的风速，计算得出实时的三维风速和风向，建立ARMA模型，并进行滤波处理，提高风速测量精度.

为了提高时栅转台控制系统的位置检测精度,提出了一种以卡尔曼滤波和PI控制融合的控制方法,并在此基础上设计了高精度伺服控制系统。该方法利用卡尔曼滤波预测实现PI控制器的参数预测自适应整定,控制系统以则采用以电流环作为内环、位置环为外环的双闭环控制结构和时栅传感器为转台位移反馈部件,同时,以ARM(LPC2124)为控制核心,结合电源电路、SP3232串口通信等硬件电路实现卡尔曼滤波和PI控制相融合的控制方法。经实验测试,设计的时栅转台伺服系统具有运动稳定可靠性,位置检测精度在-0.8″~1.2″范围内,满足高精度时栅转台控制系统的精度要求。

为实现电动振动台振动输出力的高精度跟随控制,对电动振动测试实验系统的数学模型和速度估计方法进行实验研究。运用机理法建立了系统数学模型,并通过递推最小二乘法算法辨识出模型中的未知参数。采用基于输出力、位移和速度的三参量控制器作为控制算法。由于速度信号缺乏有效的传感元件,采用基于加速度和位移的卡尔曼滤波器来估计三参量反馈信号中的速度信号,以此克服直接用位移差分获得速度信号所产生的量化噪声。构建以Twin CAT实时控制软件为基础的振动输出力跟随控制实验系统,实验结果证明采用卡尔曼滤波器能有效消除系统的量化噪声。