利用加速度信号测量位移是油田抽油井光杆位移测量的主要方法 而加速度信号的随机噪声和趋势项是影响 测量精度的主要因素 本文提出了一种基于学习的实时消噪和剔除趋势项方法 学习时先获取一段时间的加速度信 号 再通过时间序列分析技术得出 ARIMA 模型及其参数 最后基于 FFT 变换的 Rife-Jane 频率估计方法求出加速度 信号的周期 在线实时消噪和剔除趋势项方法是基于学习阶段所得模型参数 运用卡尔曼滤波技术消除加速度信号 随机噪声 按周期两次积分得到光杆位移 用加窗递推最小二乘

气动参数辨识是检验飞行器的真实气动特性与设计值的匹配性的重要方法。研究分 析基于理论计算的方法和基于增广的扩展卡尔曼滤波算法，通过实测数据，对比 2 种辨识方法的 估计结果，得到了扩展卡尔曼滤波法可以有效降低实测数据中的噪声影响，获取更加精确的估计 结果的结论

涉及一种分布式驱动电动汽车惯性 参数估计方法，首先考虑载荷参数不确定导致车 辆惯性参数的变化，建立三自由度整车动力学模 型，并选择魔术公式的非线性轮胎模型，设计双 自适应无迹卡尔曼滤波器的状态和参数估计系 统，再确定双自适应无迹卡尔曼滤波观测器的具 体步骤，从而实现对车辆车辆纵向速度、车辆质 心侧偏角等车辆状态及整车质量、横摆转动惯 量、质心到车辆前轴的距离等车辆惯性参数估 计。本发明基于考虑载荷参数变化的车辆动力学 估计模型，采用自适应无迹卡尔曼滤波方法可以 有效抑制车辆状态参数滤波器的发散影