[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

摘要

本发明公开一种基于强跟踪滤波算法的轨道车辆悬吊系统参数估计方法，它包括建立轨道车辆系统垂向动力学模型，给定初始值，状态预测，计算残差归一值，计算渐消因子，渐消因子自适应调整，状态估计更新。本发明通过强跟踪滤波器算法，能够根据实际情况更新渐消因子，通过在渐消因子的计算过程中对残差的归一化处理，消除了由于残差本身数值差异造成的信息不对称，使得残差中的信息能尽可能的被提取，并加快了信息被提取的速度，即避免初值盲目性，可以快速收敛。

主权项

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,λo≥1λ(k+1)＝1,λ0＜1引入对角阵η＝diag(η1，η2...，ηm)其中，η1：η2：...：ηm≈y1：y2：...：ym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)·HT‑β·R(k+1)M(k+1)＝H·A·P(k|k)·AT·HTγ’(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λn(k+1)＝λ(k+1)+Δλ，进而求得增益矩阵：P(k+1|k)＝λn(k+1)·A·P(k|k)K(k+1)＝P(k+1|k)·HT·[H·P(k+1|k)·HT+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。