[发明专利]一种用于流量测量的卡尔曼滤波方法

说明书

本发明公开了一种用于流量测量的卡尔曼滤波方法，卡尔曼滤波输入的参数一般有测量噪声R，预测噪声Q，当前测量值Z三个，其中测量噪声R，预测噪声Q都是固定值，本发明的改进型卡尔曼滤波将预测噪声Q变为动态值，可以根据本次预测值与上次预测值的差值来进行动态调整，能够过滤系统中的背景噪声或白噪声，解决了输出的数据波形不平滑的问题，当预测噪声Q自动变化时，滤波后的数据既能滤去背景噪声与白噪声的干扰，也能实时体现出真实信号的波动性。因此既能拥有极快的响应速度，又能拥有稳定的静态平衡。

技术领域

本公开涉及滤波技术领域和流量测量技术领域，具体涉及一种用于流量测量的卡尔曼滤波方法。

背景技术

在流量测量领域中，测量的数值会因传感器噪声，白噪声等因素的影响而上下波动，因此会引入卡尔曼滤波。通过引入卡尔曼滤波，卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，对系统状态进行最优估计的算法，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。传统的卡尔曼滤波无法兼顾响应速度与输出稳定性(静态平衡)的问题,会有响应慢，输出不平滑的缺点。

发明内容

为解决上述问题，本公开提供一种用于流量测量的卡尔曼滤波方法的技术方案，卡尔曼滤波输入的参数一般有测量噪声R，预测噪声Q，当前测量值Z三个，其中测量噪声R，预测噪声Q都是固定值。本发明的改进型卡尔曼滤波将预测噪声Q变为动态值，可以根据本次预测值与上次预测值的差值来进行动态调整。

为了实现上述目的，本公开提供一种用于流量测量的卡尔曼滤波方法，所述方法包括以下步骤：

步骤1，获取流量测量系统中本次测量值和上次预测值；

步骤2，计算卡尔曼滤波的增益；

步骤3，计算初始的预测值和预测噪声；

步骤4，计算本次预测误差；

步骤5，计算本次增益；

步骤6，计算本次预测值；

步骤7，更新预测噪声；

步骤8，输出本次预测值。

所述流量测量系统为实时的监测水、电或供热的流量并获取相应物理量的系统，所述流量测量系统包括但不限于测量温度、热量、湿度、压力、磁力、电流、电压的物理量；所述流量测量系统至少包括温度、热量、湿度、压力、磁力、电流、电压中任意一种传感器。

进一步地，在步骤1中，获取流量测量系统中本次测量值和上次预测值的方法为：

构建流量测量系统的状态方程为：

X(k)＝φ(k/k-1)X(k-1)+Γ(k/k-1)w(k-1)                (1)；

构建流量测量系统的测量方程为：

Z(k)＝H(k)X(k)+v(k)                          (2)；

其中，X(k)是k时刻的系统状态，X(k-1)是k-1时刻的系统状态，φ(k/k-1)和Γ(k/k-1)是k-1时刻到k时刻的状态转移矩阵，Z(k)是k时刻的测量值，H(k)是测量系统的参数，H(k)用于调整误差大小，H(k)默认为1，H(k)取值范围[0.1,1]，w(k)表示k时刻的协方差矩阵为Q(k)的状态噪声，w(k-1)表示k-1时刻的状态噪声，v(k)表示k时刻的协方差矩阵为R(k)的测量噪声；所述流量测量系统为实时的监测水、电或供热的流量并获取相应物理量的系统，Q(k)＝E(w(k)w(k)^T)，R(k)＝E(v(k)v(k)^T)，E()为期望；