| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第14-30页 |
| 1.1 课题研究的背景与意义 | 第14-16页 |
| 1.2 非线性滤波理论的研究现状 | 第16-22页 |
| 1.2.1 EKF算法 | 第16-17页 |
| 1.2.2 UKF算法 | 第17-18页 |
| 1.2.3 CKF算法 | 第18-20页 |
| 1.2.4 PF算法 | 第20-22页 |
| 1.3 基于传感器网络的状态估计 | 第22-24页 |
| 1.4 感应电机状态估计的发展现状 | 第24-28页 |
| 1.5 论文的主要内容 | 第28-30页 |
| 第2章 自适应容积卡尔曼滤波算法 | 第30-62页 |
| 2.1 引言 | 第30页 |
| 2.2 容积卡尔曼滤波算法 | 第30-35页 |
| 2.2.1 非线性高斯滤波算法的一般形式 | 第30-32页 |
| 2.2.2 容积卡尔曼滤波算法 | 第32-35页 |
| 2.3 基于极大后验估计的自适应容积卡尔曼滤波算法设计 | 第35-49页 |
| 2.3.1 噪声估计方法 | 第35-37页 |
| 2.3.2 自适应CKF算法 | 第37-39页 |
| 2.3.3 自适应CKF算法的稳定性分析 | 第39-42页 |
| 2.3.4 防止自适应CKF发散的改进算法 | 第42-43页 |
| 2.3.5 仿真实验及性能分析 | 第43-49页 |
| 2.4 自适应容积卡尔曼强跟踪滤波算法设计 | 第49-60页 |
| 2.4.1 强跟踪滤波理论 | 第49-50页 |
| 2.4.2 基于CKF的强跟踪滤波算法 | 第50-54页 |
| 2.4.3 自适应CKF强跟踪滤波算法 | 第54-55页 |
| 2.4.4 仿真实验及性能分析 | 第55-60页 |
| 2.5 本章小结 | 第60-62页 |
| 第3章 分布式容积卡尔曼滤波算法 | 第62-78页 |
| 3.1 引言 | 第62-63页 |
| 3.2 平均协同(一致性)策略 | 第63-65页 |
| 3.2.1 基础概念 | 第63-64页 |
| 3.2.2 一致性算法 | 第64-65页 |
| 3.3 信息滤波器 | 第65-69页 |
| 3.3.1 扩展信息滤波器 | 第65-67页 |
| 3.3.2 容积信息滤波器 | 第67-69页 |
| 3.4 分布式容积卡尔曼滤波算法设计 | 第69-73页 |
| 3.4.1 多传感器信息融合滤波算法 | 第69-71页 |
| 3.4.2 基于平均协同(一致性)策略的分布式CKF | 第71-73页 |
| 3.5 实例仿真及性能分析 | 第73-77页 |
| 3.6 本章小结 | 第77-78页 |
| 第4章 无直接反馈时含未知输入非线性离散系统的分布式滤波算法 | 第78-92页 |
| 4.1 引言 | 第78-79页 |
| 4.2 问题描述 | 第79-80页 |
| 4.3 无导数NRTSKF信息滤波器 | 第80-86页 |
| 4.4 基于ICF算法的非线性分布式滤波算法设计 | 第86-89页 |
| 4.5 实例仿真及性能分析 | 第89-91页 |
| 4.6 本章小结 | 第91-92页 |
| 第5章 有直接反馈时含未知输入非线性离散系统的分布式滤波算法 | 第92-106页 |
| 5.1 引言 | 第92页 |
| 5.2 问题描述 | 第92-93页 |
| 5.3 基于NERTSF的信息滤波器 | 第93-96页 |
| 5.4 基于DNERTSIF的分布式滤波算法设计 | 第96-102页 |
| 5.4.1 无导数NERTSIF算法 | 第96-100页 |
| 5.4.2 分布式DNERTSIF算法 | 第100-102页 |
| 5.5 实例仿真及性能分析 | 第102-105页 |
| 5.6 本章小结 | 第105-106页 |
| 第6章 多测量数据丢失下非线性传感器网络系统的分布式滤波算法 | 第106-126页 |
| 6.1 引言 | 第106-107页 |
| 6.2 问题描述 | 第107-109页 |
| 6.3 网络扩展信息滤波器 | 第109-114页 |
| 6.3.1 NEKF的基本框架 | 第109-110页 |
| 6.3.2 NEIF的递推公式 | 第110-114页 |
| 6.4 分布式网络容积信息滤波算法设计 | 第114-122页 |
| 6.4.1 NCIF的递推公式 | 第115-120页 |
| 6.4.2 分布式NCIF算法 | 第120-122页 |
| 6.5 实例仿真及性能分析 | 第122-125页 |
| 6.6 本章小结 | 第125-126页 |
| 第7章 容积卡尔曼滤波算法在电机状态估计中的应用 | 第126-141页 |
| 7.1 引言 | 第126页 |
| 7.2 感应电机数学模型 | 第126-132页 |
| 7.2.1 感应电机在三相静止坐标系上的数学模型 | 第126-128页 |
| 7.2.2 感应电机在两相坐标系上的数学模型 | 第128-130页 |
| 7.2.3 感应电机的全阶模型 | 第130-132页 |
| 7.3 磁场定向矢量控制基本原理 | 第132-134页 |
| 7.4 基于CKF改进算法的电机状态估计方法 | 第134-140页 |
| 7.4.1 基于自适应CKF算法的感应电机状态估计 | 第134-136页 |
| 7.4.2 基于自适应CKF强跟踪滤波算法的感应电机状态估计 | 第136-138页 |
| 7.4.3 自适应CKF强跟踪滤波算法对感应电机参数变化的鲁棒性 | 第138-140页 |
| 7.5 本章小结 | 第140-141页 |
| 总结与展望 | 第141-144页 |
| 1. 主要结论 | 第141-142页 |
| 2. 工作展望 | 第142-144页 |
| 致谢 | 第144-145页 |
| 参考文献 | 第145-157页 |
| 攻读博士期间的论文及科研情况 | 第157-158页 |
| 1. 论文情况 | 第157-158页 |
| 2. 科研项目 | 第158页 |
