[发明专利]基于卡尔曼布希滤波的连续时间状态估计方法

权利要求书

1.基于卡尔曼布希滤波的连续时间状态估计方法，其特征在于：

获得无功补偿装置白噪声干扰条件下的连续时间状态方程；并将此连续时间状态方程中的过程干扰噪声矩阵和测量噪声矩阵代入黎卡提方程中，通过求解黎卡提方程获得卡尔曼布希滤波器的卡尔曼布希滤波器增益系数；构造卡尔曼布希滤波器，获得无功补偿装置连续时间状态估计值。

2.根据权利要求1所述的基于卡尔曼布希滤波的连续时间状态估计方法，其特征在于：它具体包括以下步骤：

步骤1、采样无功补偿装置晶闸管控制角u(t)作为输入数据，采样无功补偿装置无功功率y(t)作为输出数据，利用模型辨识算法根据输入、输出数据获得无功补偿装置连续时间模型，具体模型描述为其中x(t)为测量得到的t时刻系统状态变量值，表示x(t)的微分，w(t)为1×1过程随机噪声，A、B、C、B_ω为系数矩阵，且A为n×n矩阵，B为n×1矩阵，C为1×n矩阵，B_ω为n×1矩阵，v(t)为测量随机噪声；

步骤2、计算过程随机噪声w(t)的方差即过程干扰噪声矩阵W，和测量随机噪声v(t)的方差即测量噪声矩阵V，其计算公式如下：

W=1LWΣt=tW0t=tWe(w(t)-w‾)2,]]>

其中为过程噪声的均值，L_W为w(t)的数据长度，t_W0为w(t)的起始时刻，t_We为w(t)的终止时刻；

V=1LWΣt=tV0t=tVe(v(t)-v‾)2,]]>

其中为过程噪声的均值，L_W为v(t)的数据长度，t_V0为v(t)的起始时刻，t_Ve为v(t)的终止时刻；

步骤3、根据步骤2得到的W和V，及步骤1中的系数矩阵A、C、B_ω，求解黎卡提方程获得正定对称矩阵P；其中符号“T”表示矩阵的转置运算，符号“-1”表示对矩阵进行求逆运算；

步骤4、通过步骤3求得的正定对称矩阵P，计算卡尔曼布希滤波器增益系数K＝P×C^T×V^-1；

步骤5、利用u(t)、y(t)构造卡尔曼布希滤波器，连续时间滤波器结构为如下形式：x^·(t)=Ax^(t)+Bu(t)+K(y(t)-Cx^(t)),]]>其中为x(t)的估计值，为的微分。