[发明专利]机舱污染物浓度的容错测量估计方法

摘要

本发明提供了一种机舱污染物浓度的容错测量估计方法，包括：在座舱的预设位置设置用于测量污染物浓度的传感器，并将所述传感器构成无线传感网络，所述传感器包括组成的测量节点的主传感器和辅传感器，所述座舱的预设位置包括窗口、座舱顶部、底部、座椅中的一个或多个位置，由主传感器和辅传感器所组成的测量节点用于对测量信息进行估计处理；获取无线传感网络中的传感器的测量结果，包括获取主传感器的测量结果和辅传感器的测量结果；使用容错测量估计方法得到实际污染物浓度的最优估计。本发明提供的机舱污染物浓度的容错测量估计方法，能够在出现干扰、路径损耗的情况下有较好的容错估计能力。

主权项

1.一种机舱污染物浓度的容错测量估计方法，其特征在于，包括：在座舱的预设位置设置用于测量污染物浓度的传感器，并将所述传感器构成无线传感网络，所述传感器包括主传感器和辅传感器，所述座舱的预设位置包括窗口、座舱顶部、底部、座椅中的一个或多个位置；获取无线传感网络中的传感器的测量结果，包括获取主传感器的测量结果z_Pi和获取辅传感器的测量结果z_Si；将主传感器的测量结果z_Pi和获取辅传感器的测量结果z_Si之差z_i通过一致性卡尔曼滤波器得到主传感器、辅传感器的误差的最优估计以所述误差的最优估计修正主传感器的测量值，得到实际污染物浓度的最优估计z_Oi；所述一致性卡尔曼滤波器，其滤波算法为：所述一致性卡尔曼滤波器，由事件触发机制触发；其中，事件触发机制触发所用的事件生成器函数为：其中，其中表示最近一次传播的估计值，g_i是一个预设的正标量；由事件触发机制触发的所述一致性卡尔曼滤波器，其误差估计方程为：其中γ_ij为节点i与节点j之间的路径损耗率，为最近一次传播的估计值，α_k为0或1的二项分布，其满足P{α_k＝1}＝μ，C_i,k为一致性增益矩阵；由事件触发机制触发的所述一致性卡尔曼滤波器，其最佳增益方程为：A_k为系统矩阵，为节点i在k时刻的估计值，N为连接矩阵，为N_i为节点i的邻居节点集合，为节点j在k时刻估计值，P_i,k为节点i在k时刻的估计误差协方差矩阵，R_i,k为节点i在k时刻的观测误差协方差矩阵，为节点i在k+1时刻的估计误差协方差矩阵，Q_i,k为节点i在k时刻的系统噪声协方差矩阵，Z_i,k为节点i在k时刻的观测值，H_i,k为观测矩阵，B_k和F_i,k为适当参数的矩阵，用于表征不同形式的噪声向量，v_k和w_k为相互独立的高斯白噪声信号；是节点j在k时刻的最近传播出去的状态估计γ_ir为节点i与节点r之间的路径损耗率，其中r∈N_i s∈N_jr属于i邻居的节点，s属于j的邻居其中当对于r和j时，即为当对于i和i时，即为由约定，缩写为当对于r和i时，即为P_ri,k是节点j在k时刻的最近传播出去的状态预测值。