[发明专利]一种基于可变渐消因子的卡尔曼滤波电流采集方法

权利要求书

1.一种基于可变渐消因子的卡尔曼滤波电流采集方法，其特征在于：包括多个传感器以及滤波器，其中标准的卡尔曼滤波为UKF，强跟踪无迹卡尔曼滤波方法为MSTUKF，强跟踪滤波器为STF，其步骤为：

1)、引入预测误差的协方差矩阵P_k|k-1，在引入矩阵时引入渐消因子，对标准的UKF进行改进；

2)、引入多重渐消因子来替代单一的标量渐消因子，以保证各个传感器通道具有不同的调节能力，提高滤波器的精度；

3)、设滤波器的残差序列为则强跟踪滤波器工作时须满足如下条件：

4)、其中，式一为滤波器实现最优估计的性能指标，式二要求不同时刻的残差向量保持正交关系，具有类似高斯白噪声的性质；

5)、将渐消因子λ_k引入到预测误差的协方差矩阵P_k|k-1，则得出：

6)、为了保证滤波器的残差序列能够正交，使得滤波器具有强跟踪性，须实时调整滤波增益矩阵K_k，使得成立；

7)、将减去可得：

8)、简化可得

9)、则成立的条件为：即将渐消因子λ_k以及弱化因子γ代入后，可得

10)、上述公式两边求迹可得渐消因子λ_k，表达式：其中其中ρ是遗忘因子，0.95<ρ<0.995，γ为弱化因子，起到改变状态估计平滑度的作用，当其越大时估计精度越高，其越小时跟踪能力越好。

2.根据权利要求1所述的基于加权最小二乘法的冗余电流采集方法，其特征在于：所述渐消因子可能小于1，此时系统状态跟踪能力反而更弱，为避免此情形的发生，渐消因子的表达式进一步完善为：λ_k＝max(1,λ_k)，多重渐消因子可表示为：将上述多重渐消因子代入可得为避免中的元素小于1，则，多重渐消因子的选取为：

3.根据权利要求1所述的基于加权最小二乘法的冗余电流采集方法，其特征在于：在系统滤波过程中，在进行新息计算后，对系统状态的发散性进行判断，若系统状态的发散程度达到一定值时，本文所提MSTUKF则对预测误差方差矩阵引入多重渐消因子自适应调整时变增益矩阵，使得残差序列依旧维持正交性，保持较强的跟踪性。