[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

摘要

本发明公开了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，该方法构建自组织卡尔曼滤波结构，利用硬故障检测阈值、软故障检测因子增减率和变化率实现故障检测，并设计补偿因子。同时根据各传感器感知信号的精度，设计信息分配系数，实现各传感器间的融合最优估计及其主动容错补偿。主要步骤包括：构建并行卡尔曼滤波子系统和参考卡尔曼滤波系统；基于自组织卡尔曼滤波的多传感器硬故障检测；基于软故障因子增减性与变化率的传感器软故障检测，并实现软故障的校正；获得最优估计值X(k)。该基于自组织卡尔曼滤波的多传感器主动容错估计方法能有效解决多传感器系统冗余信号故障检测与主动容错问题，提高多传感器系统的融合精度与容错性能。

主权项

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)；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；A和B是系统参数，对于多模型系统，A和B为矩阵；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：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：${\mathrm{Kg}}_i\left(k\right)=\frac{{\hat{P}}_i\left(k\right)H_i^{,}}{\left(H_i{\hat{P}}_i\right(k)H_i^{,}+R_i)};$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，A_i’为A_i的转置矩阵；H_i是第i个传感器测量系统参数；H_i’为H_i的转置矩阵；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)输入到参考卡尔曼滤波系统中；步骤2中的参考卡尔曼滤波系统中，设计虚拟量测值Z_vir(k)由下式确定：$Z_{vir}\left(k\right)=H\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i(k-1)X_i(k-1);$并定义补偿因子其中，为参考卡尔曼滤波系统的预测值X_g(k‑1)为k‑1时刻利用基于信息分配的主动容错补偿方法计算出的最优估计值，初值设置为各子传感器的最优估计平均值；U_g(k‑1)为上一时刻输入控制状态量；最后，将FT(k)存入主动容错系统中，再将X_g(k)和U(k)作为上一时刻X_g(k‑1)和U(k‑1)反馈到参考卡尔曼滤波系统中，使得参考卡尔曼滤波系统实现自回归的循环工作；步骤3中的基于自组织卡尔曼滤波的多传感器硬故障检测的过程为：先定义卡尔曼滤波器的硬故障检测因子r_i(k)为：$r_i\left(k\right)=|Z_i\left(k\right)-H_i{\hat{X}}_i\left(k\right)|;$其中，Z_i(k)表示第i个传感器量测值，为第i个传感器预测值，H_i是第i个传感器测量系统参数；再定义硬故障检测标准为若超过阈值ζ，将视该传感器为硬故障，该阈值ζ由先验求得；步骤4中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，并实现软故障校正的过程为：定义软故障检测因子err_i(k)，其中H_g为参考卡尔曼滤波系统测量系统参数，若满足err_i(k)＞err_i(k‑1)＞err_i(k‑2)且Δerr_i(k)≥Δerr_i(k‑1)≥0，则判定传感器信号出现软故障；若该传感器判定为软故障，则对其信号进行校正，校正值若判定为无异常，则