Real-Time Cubature Kalman Filter Parameter Estimation of Blood Pressure Response Characteristics Under Vasoactive Drugs Administration
对患者对血管活性药物输注的平均动脉血压(MAP)响应的数学建模和实时动态识别可以为自动化药物给药提供可靠的工具,并且因此降低紧急成本并且显著地有益于重症监护病房中患者的MAP调节。为此,一个动态的一阶线性变参数(LPV)模型与变化的参数和变化的输入延迟被认为是捕捉MAP响应动态。这种模型有效地解决了生理反应的复杂性以及患者内和患者间的可变性。我们离散的模型和增广的状态向量与模型参数作为未知状态的系统和基于贝叶斯的多模型平方根容积卡尔曼滤波(MMSRCKF)的方法被用来估计模型的时变参数。由于,与其他模型参数,输入延迟不能被捕获的随机游走过程中,一个多模型模块与后验概率估计实现提供的延迟识别。验证结果证实了所提出的识别算法的有效性,无论是在模拟场景中,也使用动物实验数据。
2019-09-29 cs.SY eess.SP eess.SY
Cubature Kalman Filter as a Robust State Estimator Against Model Uncertainty and Cyber Attacks in Power Systems
本文比较了容积卡尔曼滤波器(CKF)与扩展卡尔曼滤波器(EKF)在电力系统面对模型不确定性和网络攻击时的估计性能,证明CKF在精度和攻击检测上更优。
2025-03-27 cs.SY eess.SY
Do the Contemporary Cubature and Unscented Kalman Filtering Methods Outperform Always the Traditional Extended Kalman Filter?
CEMAT (Center for Computational and Stochastic Mathematics), Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等理工学院计算与随机数学中心)
本文探讨了在存在刚性行为的随机系统中,传统扩展卡尔曼滤波可能优于当代方法的问题。
2016-04-15 cs.SY eess.SY math.OC
Invariant Cubature Kalman Filter for Monocular Visual Inertial Odometry with Line Features
Shijiazhuang Tiedao University(石家庄铁道大学);Beijing Jiaotong University(北京交通大学)
为了实现机器人导航中鲁棒、精确的状态估计,在不变卡尔曼滤波和立方卡尔曼滤波器(CKF)理论的基础上,提出了一种新的基于线特征的视觉惯性里程(VIO)算法。与传统的CKF相比,滤波器的状态由高维矩阵李群构造,不确定性用李代数表示。为了提高系统在低纹理或光照变化等复杂场景中的鲁棒性,将线特征引入状态变量。该算法利用李代数的指数映射构造求积点,以直线的重投影误差作为状态更新的观测函数。该方法准确地描述了系统在旋转过程中的不确定性,减小了系统的线性化误差,将传统的CKF从欧氏空间推广到流形空间。它既继承了不变滤波在一致性方面的优点,又避免了高维矩阵复杂的雅可比运算。为了证明该算法的有效性,我们将其与Euroc数据集上最先进的基于过滤的VIO算法进行比较。仿真结果表明,该算法在提高估计精度和鲁棒性方面是有效的。
2019-12-26 cs.RO cs.SY eess.SY
Inverse Cubature and Quadrature Kalman filters
本文针对高度非线性系统提出逆容积、逆求积及逆容积-求积卡尔曼滤波器,并开发基于RKHS的版本,推导稳定性条件并证明一致性,实验验证其估计精度优于基准。
2024-04-19 cs.SY eess.SP eess.SY
A Lightweight Cubature Kalman Filter for Attitude and Heading Reference Systems Using Simplified Prediction Equations
Graduate School of Computer Science, Engineering, The University of Aizu(计算机科学与工程研究生院,宇土大学)
本文提出了一种改进的立方根卡尔曼滤波器(CKF),在保持估计精度的同时降低了计算成本,称为'Kaisoku立方根卡尔曼滤波器(KCKF)'。通过简化CKF的方程,保留等价的数学关系,推导出轻量级的预测方程。实验结果表明,KCKF相比CKF在浮点运算(FLOPs)上更少,计算时间减少了约19%(在高性能计算机上)和15%(在低成本单板计算机上),同时保持了姿态估计的准确性。
2026-01-12 cs.HC cs.RO cs.SY
Cubature Kalman Filter Based Training of Hybrid Differential Equation Recurrent Neural Network Physiological Dynamic Models
Northeastern University(东北大学);The United States Military Academy(美国军事学院);University of Missouri(密苏里大学);Florida International University(佛罗里达国际大学)
生物动力学系统的建模是具有挑战性的,由于不同的系统组件的相互依赖性,其中一些还没有完全理解。为了填补现有的差距,我们的能力,机械模拟生理系统,我们建议结合神经网络与基于物理的模型。具体来说,我们演示了如何近似丢失的常微分方程(ODE)加上已知的ODE使用贝叶斯滤波技术训练模型参数,同时估计动态状态变量。作为一个研究案例,我们利用一个很好理解的模型,在人类视网膜的血液循环,并取代其核心ODE之一的神经网络近似,代表的情况下,我们有不完整的知识的生理状态动态。结果表明,状态动态对应于丢失的常微分方程可以很好地近似使用神经网络训练使用递归贝叶斯滤波方法的方式与已知的状态动态微分方程。这表明,可以通过递归贝叶斯状态估计(RBSE)框架内的联合状态估计和模型参数估计来捕获缺失状态变量的动态和影响。结果还表明,这种RBSE方法来训练NN参数产生更好的结果(测量/状态估计精度)比训练神经网络与反向传播通过时间在相同的设置。
2021-10-12 cs.LG cs.SY eess.SY
The Geometric Unscented Kalman Filter
近几十年来,针对非线性状态估计问题提出了许多滤波器。基于线性化的扩展卡尔曼滤波器(EKF)广泛应用于非线性工业系统。由于扩展卡尔曼滤波在精度和可靠性方面受到限制,序贯蒙特卡罗方法或粒子滤波(PF)可以以大量随机样本为代价获得更高的精度。无迹卡尔曼滤波器(UKF)利用确定性样本可以更有效地获得足够的精度,但其权重可能为负,这可能导致不稳定的问题。对于高斯滤波器,体积卡尔曼滤波器(CKF)和高斯埃尔米特滤波器(GHF)分别采用体积和高斯埃尔米特规则来逼近随机变量的统计信息,在实际问题中表现出令人瞩目的性能。受此启发,本文提出了一种新的非线性估计方案,命名为几何无迹卡尔曼滤波器(GUF)。GUF选择CKF的过滤框架来更新数据,并开发了一种几何无迹采样(GUS)策略来逼近随机变量。与UKF和CKF相似,GUS的主要特点是根据概率和几何位置选择均匀分布的样本,并具有PF一样的正权值。通过这种方式,GUF可以保持GHF足够的精度,具有合理的效率和良好的稳定性。GUF不像PF那样受样本容量指数增长的影响,也不像高阶CKF和UKF那样受非正权值的影响而不能收敛。
2020-09-28 cs.SY eess.SY
Dynamic State Estimation of Generators Under Cyber Attacks
实时、准确、可靠地估计发电机的动态状态矢量是电力系统监测和控制的关键。针对网络攻击下发电机动态状态估计问题,提出了一种基于立方卡尔曼滤波器的鲁棒状态估计方法。首先,对虚假数据注入和拒绝服务攻击两种网络攻击进行建模,将攻击向量与测量数据混合引入发电机DSE中;其次,在不同复杂程度的网络攻击下,分别采用RCKF算法和立方卡尔曼滤波器(CKF)算法进行DSE,并对两种算法进行比较和讨论。这项研究的新颖性主要在于我们试图将网络攻击引入发电机的DSE。IEEE 9节点系统和新英格兰16机68节点系统的仿真结果验证了RCKF的有效性和优越性。
2019-08-30 cs.SY eess.SP eess.SY
Fault Diagnosis of Nonlinear Systems Using a Hybrid-Degree Dual Cubature-based Estimation Scheme
针对非线性系统的故障诊断问题,提出了一种新的基于容积规则和基于容积的非线性滤波器的混合度对偶估计方法。我们提出的双非线性滤波方案是基于情况相关的体积规则开发的,这些规则是由以下观察和事实激发的,即(i)非线性系统状态和参数的动态特性通常是不同的,并且具有不同程度的复杂性,以及(ii)体积规则的性能取决于系统动力学,并且由于处理高维积分近似而变化。为了提高我们提出的方法的鲁棒性,引入了改进的体积点传播方法。我们提出的双重估计策略的性能证明和评估的应用程序的非线性燃气涡轮发动机解决组件故障诊断问题的集成故障检测,隔离和识别框架内。鲁棒性分析的实施,以验证我们提出的方法来处理参数不确定性和未建模动态的能力。广泛的模拟案例研究和讨论方面的组件污垢,腐蚀或突然故障,以证实和证明我们提出的故障诊断方法的优越性相比,其他知名的替代诊断技术,如无迹卡尔曼滤波器(UKF)和粒子滤波器(PF),通常在文献中。
2021-11-13 cs.SY eess.SY
The Level Set Kalman Filter for State Estimation of Continuous-discrete Systems
针对具有非线性状态空间模型的连续-离散系统,提出了一种新的扩展卡尔曼滤波器,我们称之为水平集卡尔曼滤波器(LSKF)。LSKF假设概率分布可以近似为高斯分布,并通过时间更新步骤和测量更新步骤来更新高斯分布。与现有方法相比,LSKF改进了时间更新步骤,例如连续-离散体积卡尔曼滤波器(CD-CKF),其通过将基本的Fokker-Planck方程重新公式化为高斯的常微分方程,从而避免了时间上的扩展。与精心挑选的测量更新方法一起,数值实验表明,LSKF对于一系列参数具有比CD-CKF一致的性能改善,同时还简化了实现,因为不需要测量之间的用户定义的时间步长细分,并且不明确需要漂移函数的空间导数。
2021-12-13 cs.SY eess.SY
A false data injection attack method for generator dynamic state estimation
精确、可靠的发电机动态状态量对电力系统的实时监测和控制至关重要。信息攻击的出现给发电机状态估计带来了新的挑战。其中,虚假数据注入(FDI)攻击通过对量测装置注入虚假数据,恶化了状态估计的精度。为此,该文提出一种针对发电机动态状态估计的FDI攻击模型。首先,利用泰勒公式对发电机的测量方程进行线性化。其次,根据FDI攻击前后测量残差相等的原则,建立了攻击向量的表达式,并将其应用于测量量中,避免了传统的不良数据检测。因此,外国直接投资的攻击得以成功实施。然后,根据FDI攻击的严重程度设置3种攻击场景,分别采用容积卡尔曼滤波器(CKF)和鲁棒容积卡尔曼滤波器(RCKF)对3种攻击场景进行测试。最后,IEEE 9节点系统和新英格兰16机68节点系统的仿真结果验证了所提出的FDI攻击方法的有效性。
2019-08-18 cs.SY eess.SP eess.SY
Dynamic State Estimation under Cyber Attacks: A Comparative Study of Kalman Filters and Observers
Argonne National Laboratory(阿贡国家实验室);Purdue University(普渡大学)
本文研究了在存在未知输入和潜在攻击向量的情况下,利用同步相量测量数据进行实时智能电网监控的动态状态估计方法,比较了立方卡尔曼滤波器和动态观测器的性能。
2015-08-28 cs.SY eess.SY math.OC
Comparing Kalman Filters and Observers for Power System Dynamic State Estimation with Model Uncertainty and Malicious Cyber Attacks
University of Central Florida(中佛罗里达大学);the University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校);Southern Methodist University(南卫理公会大学)
本文比较了卡尔曼滤波器与观测器在处理电力系统动态状态估计中的模型不确定性及网络攻击问题,通过测试发现CKF和观测器在鲁棒性上更优。
2018-06-29 cs.SY eess.SY math.OC
SCKF-LSTM Based Trajectory Tracking for Electricity-Gas Integrated Energy System
本文提出一种结合平方根容积卡尔曼滤波与长短期记忆网络的轨迹跟踪方法,用于电-气综合能源系统,通过IEEE-39节点和GasLib-40节点测试,验证了其高精度优于传统方法。
2024-12-24 cs.SY eess.SY
Adaptive Adjustment of Noise Covariance in Kalman Filter for Dynamic State Estimation
Pacific Northwest National Laboratory(太平洋西北国家实验室);Binghamton University, State University of New York(纽约州立大学宾汉姆顿分校)
本文提出一种自适应方法,通过创新性和残差来适应性估计协方差矩阵,以提高扩展卡尔曼滤波器对同步机动态状态估计的准确性。
2017-02-03 cs.SY eess.SY
Mitigating Overconfidence in Nonlinear Kalman Filters via Covariance Recalibration
Department of Civil and Environmental Engineering, University of California, Berkeley(加州大学伯克利分校土木与环境工程系)
本文提出一种协方差重新校准框架,用于缓解非线性卡尔曼滤波器在非线性测量下的协方差低估问题,通过重新近似测量模型提升状态和协方差估计精度。
2026-09-22 cs.RO cs.SY eess.SP
Synchronising DER inverters to weak grid using Kalman filter and LQR current controller
本文提出用基于卡尔曼滤波器的高级角度估计和LQR电流控制器取代跟网型逆变器中的锁相环,以增强弱电网下的同步稳定性、精度和振荡阻尼性能。
2025-07-02 cs.SY eess.SY
Incorporating Bayesian Transfer Learning into Particle Filter for Dual-Tracking System with Asymmetric Noise Intensities
George Mason University(乔治梅森大学)
本文提出一种结合贝叶斯迁移学习的粒子滤波方法,用于改进双跟踪系统中噪声不对称情况下的跟踪性能。
2025-11-21 cs.SY eess.SP eess.SY
A robust extended Kalman filter for power system dynamic state estimation using PMU measurements
本文提出了一种鲁棒扩展卡尔曼滤波器,用于估计多机电力系统同步发电机的转子角和转速。使用批处理模式回归形式,过滤器处理预测的状态向量和PMU测量值,以跟踪系统动态比标准的扩展卡尔曼滤波器更快。我们提出的滤波器是基于一个强大的GM估计,边界的影响,垂直离群值和坏的杠杆点,这是通过投影统计。由于使用了Huber代价函数,在过程和观测噪声的高斯分布假设下实现了良好的统计效率,该代价函数通过迭代重加权最小二乘算法最小化。通过GM-估计器的总影响函数的协方差矩阵导出状态估计误差向量的渐近协方差矩阵。在IEEE 39节点测试系统上进行的仿真表明,该鲁棒扩展卡尔曼滤波器在高斯过程和观测噪声下具有良好的跟踪能力,即使在杠杆作用下也能抑制观测野值。只有在电力系统模型的线性近似有效的情况下,才能获得这些良好的性能。
2021-04-05 cs.SY eess.SY
Sensor Fault Detection, Isolation and Identification Using Multiple Model-based Hybrid Kalman Filter for Gas Turbine Engines
Concordia University(康科迪亚大学);Qatar University(卡塔尔大学)
本文提出一种基于多模型的新型传感器故障检测与隔离策略,通过混合卡尔曼滤波实现对燃气涡轮发动机全工况下传感器故障的检测与隔离,并利用改进的广义似然比方法进行故障识别,对比传统滤波方法验证了其有效性。
2015-08-27 cs.SY eess.SY
Adaptive Multi-Step Prediction based EKF to Power System Dynamic State Estimation
Binghamton University, State University of New York(纽约州立大学宾汉姆顿分校)
本文提出自适应多步预测方法改进EKF,用于同步机动态状态估计,通过定义非线性指数和多预测因子,提升估计精度与计算效率。
2017-02-01 cs.SY eess.SY nlin.AO
Robust delay-dependent LPV output-feedback blood pressure control with real-time Bayesian estimation
平均动脉压(MAP)动态估计及其自动调节对危重患者的临床和急救复苏具有重要意义。为了解决患者对血管活性药物输注的MAP响应的可变性和复杂性,考虑具有变化的时间延迟的参数变化模型来描述响应于药物的MAP动力学。通过基于贝叶斯的多模型平方根体积卡尔曼滤波方法进行的变化的参数和延迟的估计。利用采集的动物实验数据进行的估计结果验证了所提出的随机行走动力学辨识方法的有效性。根据估计算法,通过时间延迟线性参数变化(LPV)控制技术进行自动给药方案,以调节患者的MAP响应。在这方面,LPV增益调度输出反馈控制器的设计,以满足跟踪所需的参考MAP目标的MAP响应的要求,并保证对范数有界的不确定性和干扰的鲁棒性。在这种情况下,参数依赖的Lyapunov-Krasovskii泛函的任意变化的时间延迟的一般LPV系统的鲁棒镇定的充分条件,并提供了一个凸线性矩阵不等式(LMI)约束框架的结果。最后,为了评估所提出的MAP调节方法的性能,进行了闭环仿真,结果证实了所提出的控制方法对各种模拟临床场景的有效性。
2019-09-28 cs.SY eess.SY
Global Minimum Energy State Estimation for Embedded Nonlinear Systems with Symmetry
针对非线性系统状态估计中局部最优与全局稳定难以兼顾的问题,提出利用嵌入坐标和最小能量范式的全局最优观测器,在单位四元数姿态估计中验证了其始终最优且大初始误差下仍可收敛的性能。
2024-09-13 cs.SY eess.SY
Stability Analysis and Data-Driven State Estimation for Generalized Persidskii Systems with Time Delays: Theory and Experimental Validation on PMSM Drives
College of Engineering and Physical Sciences, Khalifa University(Khalifa大学工程与物理科学学院)
本文针对具有时变时滞和外部扰动的广义Persidskii系统,提出基于Lyapunov-Krasovskii泛函的ISS条件,通过LMI和鲁棒观测器实现状态估计,并利用Koopman提升过程处理系统不确定性,最终在PMSM驱动上验证了理论稳定性界。
2026-05-01 cs.SY eess.SY
Comparative Analysis on Inertia Estimation Algorithms (IEAs) in Providing Proper Frequency Response
The University of Hong Kong(香港大学);CLP Power Hong Kong(中华电力有限公司)
本文系统比较了多种惯性估计算法(滤波、拟合、RLS、KF)在频率响应中的应用,并探讨其对风能惯性仿真策略的影响,强调需鲁棒、自适应、数据驱动的估计框架以确保低惯性电网安全运行。
2026-09-16 cs.SY eess.SY