[发明专利]基于卡尔曼算法的压力变送器压力预测方法

摘要

本发明提出了一种基于卡尔曼算法的压力变送器压力预测方法，本发明使用卡尔曼算法，来评估压力变送器压力采集值，将加权平均滤波算法与卡尔曼算法进行结合，在牺牲少量时间的基础上保留了二者的优点，不仅具备卡尔曼算法的精度，误差不会累积，也能通过加权平均算法提高初值的精确度，预测精度高，实现了通过准备的预估采集值，不为反馈卡尔曼滤波器参数调整，无论是运行初期还是运行中后期，都具有很高的精度，方法简单，实用性强，抑制了误差的积累，数据处理精度更高。

主权项

1.一种基于卡尔曼算法的压力变送器压力预测方法，其特征在于，包括：步骤a，从程序系统控制开始采集压力变送器压力所转换为的电压数据；步骤b，初始启动取得前n次的电压采集值Z(n)，首次得到X(0)为n次采集值的加权平均为预估初值；步骤c，取预估偏差为最优测量值偏差此处取定值为R取0.01；步骤d，前n+1次采集后，电压采集次数从1开始重计，实际测量值为Z(1)，假设测量值是恒定的，则第1次采集的预估值X(1/0)＝X(0),预估偏差为D(1/0)＝(P(0)^2+R^2)^0.5，卡尔曼增益Kg(1/0)＝D(1/0)^2/(D(1/0)^2+R^2)则第一次的最优预估值为：E(1)＝Z(1)+Kg(1/0)*(X(1/0)‑Z(1))，下次的预估值X(1)＝E(1)，最优评估偏差P(1)＝((1‑Kg(1/0))*D(1/0)^2)^0.5；输出最优预估预估值E(1)，供压力变送器电压数据预警或经转换算法得到压力值后输出；步骤e，前n+k次采集时，实际电压测量值为Z(k)，假设测量值是恒定的，则第k次采集的预估值X(k/k‑1)＝X(k‑1),预估偏差为：D(k/k‑1)＝(P(k‑1)^2+R^2)^0.5，卡尔曼增益Kg(k/k‑1)＝D(k/k‑1)^2/(D(k/k‑1)^2+R^2),则第k次的最优预估值为：E(k)＝Z(k)+Kg(k/k‑1)*(X(k/k‑1)‑Z(k))，下次的预估值X(k)＝E(k)，最优评估偏差P(k)＝((1‑Kg(k/k‑1))*D(k/k‑1)^2)^0.5；输出最优预估预估值E(k)，供传压力变送器电压数据预警或经转换算法得到压力值后输出。