[发明专利]基于强跟踪滤波算法的轨道车辆悬吊系统参数估计方法

权利要求书

1.基于强跟踪滤波算法的轨道车辆悬吊系统参数估计方法，其特征在于，所述方法包括以下步骤：

步骤一，建立轨道车辆系统垂向动力学模型，得到系统状态方程以及观测方程：

x(k+1)＝A·x(k)+B·u(k+1)+w(k+1)

y(k+1)＝H·x(k)+v(k)

其中，x(k+1)是k+1时刻的系统状态，u(k+1)是k+1时刻对系统的控制量，y(k+1)是k+1时刻的测量值，w(k+1)和v(k+1)分别是过程噪声和测量噪声，A和B是系统参数，H是测量系统的参数；

步骤二，初始化，在采样区间内进行均匀采样，得到初始粒子集、初始状态和初始状态方差，根据系统状态初值以及系统状态方程进行轨道车辆悬吊系统状态估计：

步骤三，计算测量值与估计值的残差，从而计算渐消因子：

其中，y(k+1)是测量值，是估计值，γ(k+1)是残差；

步骤四，计算时变渐消因子λ(k+1)，并对残差进行归一化处理：

λ(k+1)＝λ₀,λ_o≥1

λ(k+1)＝1,λ₀＜1

引入对角阵η＝diag(η₁，η₂...，η_m)

其中，η₁：η₂：...：η_m≈y₁：y₂：...：y_m为根据系统输出值大小的先验知识确定的比例关系，

令

S₀’(k+1)＝γ’(1)γ’^T(1),k＝0

其中，N(k+1)＝S₀’(k+1)-H·Q(k)·H^T-β·R(k+1)

M(k+1)＝H·A·P(k|k)·A^T·H^T

γ’(k+1)是残差的归一值，P(k|k)是对应状态x(k|k)的协方差矩阵，Q(k)是系统的过程噪声参数，R(k+1)是系统的观测噪声协方差矩阵，0＜ρ≤1是遗忘因子，β≥1是一个选定的弱化因子；

步骤五，由实际情况下的残差变化和悬吊系统参数大小计算得到渐消因子调整值，由模糊控制算法得到的渐消因子调整值是Δλ；

步骤六，得到渐消因子新值λ_n(k+1)＝λ(k+1)+Δλ，进而求得增益矩阵：

P(k+1|k)＝λ_n(k+1)·A·P(k|k)

K(k+1)＝P(k+1|k)·H^T·[H·P(k+1|k)·H^T+R(k+1)]^-1

其中，P(k+1|k)是更新的协方差矩阵，K(k+1)是增益矩阵；

步骤七，更新悬吊系统参数估计状态：

其中，是系统状态更新值，是系统状态预测值。

2.根据权利要求1所述的基于强跟踪滤波算法的轨道车辆悬吊系统参数估计方法，其特征在于，所述方法还包括：

步骤八，通过自适应滤波算法估计测量噪声协方差矩阵：

c1＝H·P(k+1|k)·H^T+R(k+1)

c＝S2(k)/c1

R(k+2)＝c·R(k+1)

其中，S2(k)是实际噪声方差，c1是理论噪声方差，R(k+1)是原测量噪声协方差矩阵，R(k+2)是更新后的测量噪声协方差矩阵。