[发明专利]基于自组织卡尔曼滤波的多传感器主动容错估计方法

权利要求书

1.一种基于自组织卡尔曼滤波的多传感器主动容错估计方法，其特征在于，包括以下步骤：

步骤1：构建并行卡尔曼滤波子系统；

步骤2：构建参考卡尔曼滤波系统；

步骤3：基于自组织卡尔曼滤波的多传感器硬故障检测；

步骤4：在自组织卡尔曼滤波基础上，利用软故障因子的增减性及其变化率，采用多传感器软故障检测方法，并实现软故障校正；

步骤5：在并行子滤波和参考滤波系统结构的自组织卡尔曼滤波基础上，采用基于信息分配的主动容错估计方法，获得最优估计值X(k)。

2.根据权利要求1所述的基于自组织卡尔曼滤波的多传感器主动容错估计方法，其特

征在于，步骤1中，用以下方程描述并行滤波子系统：

X(k)=AX(k-1)+BU(k-1)+M(k-1)；

该并行滤波子系统的测量方程为Z(k)=HX(k)+V(k)；

其中，X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量，M(k)和V(k)分别表示过程噪声和测量噪声；Z(k)是k时刻的测量值，H是测量系统参数；

在该并行滤波子系统中含有n个子滤波器；定义第i个子滤波器在k时刻的精度因子α_i(k)为：αi(k)=1Pi(k)/Σi=1n1Pi(k);]]>

其中P_i(k)为第i个子滤波器的协方差；有

其中I为单位矩阵，kg_i(k)为第i个子滤波器的卡尔曼增益，有：

Kgi(k)=Pi^(k)Hi,(HiPi^(k)Hi,+Ri);]]>

是上一状态预测量对应的协方差；A_i是第i个传感器系统状态参数；H_i是第i个传感器测量系统参数；Q_i与R_i是系统过程噪声M(k)的协方差和测量噪声V(k)的协方差；

将各子滤波器中产生的状态量X_i(k)输入到参考滤波器中。