用于獲取運動對象的狀態(tài)估計的方法
【專利摘要】一種用于獲取運動對象的狀態(tài)估計的方法，包括：針對運動對象建立下述運動方程與測量方程；針對運動對象建立下述約束條件；獲取運動對象的測量信息，所述測量信息滿足測量方程；執(zhí)行系統(tǒng)變換執(zhí)行狀態(tài)擴(kuò)維，其中將降維狀態(tài)變量與未知輸入組合當(dāng)做新待估量；判斷狀態(tài)可估性；執(zhí)行濾波器設(shè)計；重構(gòu)獲取運動對象的狀態(tài)估計值，其中根據(jù)第五步驟得到的濾波結(jié)果得到降維狀態(tài)以及未知輸入的估計值。
【專利說明】用于獲取運動對象的狀態(tài)估計的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及目標(biāo)跟蹤【技術(shù)領(lǐng)域】，更具體地說，本發(fā)明涉及利用約束條件所提供的 先驗信息實現(xiàn)含輸入未知項動態(tài)系統(tǒng)的狀態(tài)估計方法。

【背景技術(shù)】
[0002] 狀態(tài)估計是指以非直接的方式，根據(jù)選取的估計準(zhǔn)則和可獲取的量測數(shù)據(jù)來推測 動態(tài)系統(tǒng)的內(nèi)部狀態(tài)，估計準(zhǔn)則確定了狀態(tài)估計最優(yōu)性的含義，量測數(shù)據(jù)提供了狀態(tài)估計 所必須的基本資料。由于系統(tǒng)內(nèi)部的動態(tài)規(guī)律通常需要用狀態(tài)變量來描述，而能夠直接得 到的測量數(shù)據(jù)僅僅只能反映系統(tǒng)的外部特性，因此狀態(tài)估計對于掌控系統(tǒng)內(nèi)部特性具有重 要意義。在狀態(tài)估計理論的實際應(yīng)用中，通過分析目標(biāo)所處的環(huán)境及運行的軌跡往往可挖 掘出有用的先驗信息，合理利用可達(dá)到提高估計精度的目的。
[0003] 近年來，基于約束信息和傳感器輸出信息的約束濾波取得了較多的研宄成果， D.Simon等人在文章Kalmanfilteringwithstateequalityconstraints(Trans. AES，2002, 38,pp. 128-136)中以約束信息經(jīng)常被忽略為切入點，構(gòu)造一個由約束條件張成 的約束空間，所得的濾波結(jié)果由卡爾曼濾波結(jié)果投影到約束空間生成；S.Maskell等人在 文章Trackingusingaradarandaproblemspecificproposaldistributionina particlefilter(IEEProceedings-Radar,SonarandNavigation, 2005,pp. 315 - 322) 闡述了有選擇的在卡爾曼濾波的框架下利用約束條件這一觀點，討論了約束信息合理利 用的具體條件，同時說明了約束噪聲水平的具體設(shè)置方法；Hewett等人在文章Arobust nullspacemethodforlinearequalityconstrainedstateestimation(Trans.SP 2010, 58, 3961 - 3971)給出了零空間的估計方法，通過把原系統(tǒng)轉(zhuǎn)化成一個降階系統(tǒng)，再對 新的系統(tǒng)狀態(tài)進(jìn)行估計得到原約束系統(tǒng)狀態(tài)的估計值。
[0004] 然而，上述的幾種方法雖然都能對約束系統(tǒng)實現(xiàn)有效估計，但它們的研宄對象都 是精確模型，且假設(shè)系統(tǒng)輸入為零或已知的確定量。若系統(tǒng)含有未知輸入量，則這幾類方法 都將不能直接應(yīng)用。事實上，實際系統(tǒng)中有時會存在輸入項未知的情況，含未知輸入的動態(tài) 系統(tǒng)的狀態(tài)估計問題廣泛出現(xiàn)在控制、通信、信號處理和故障診斷中，這些未知量包括無法 測量或未進(jìn)行測量的控制量，未知噪聲的影響或者系統(tǒng)不能建模的部分。例如在風(fēng)力發(fā)電 機(jī)組的控制中，風(fēng)葉主要由風(fēng)力驅(qū)動，然而高空風(fēng)速變化無常，很難用儀器實時測量。未知 輸入量的存在改變了原有的系統(tǒng)模型，若不加考慮，所得的狀態(tài)估計與實際狀態(tài)會有相當(dāng) 大的偏差，從而造成生產(chǎn)上的損失。由于約束系統(tǒng)的濾波問題仍然停留在精確模型上，未能 進(jìn)一步的擴(kuò)展，輸入項已知這一假設(shè)條件，限制了約束濾波的應(yīng)用范圍，而有關(guān)約束系統(tǒng)含 未知輸入的狀態(tài)估計問題的研宄還未見報道?；诖?，研宄約束系統(tǒng)含未知輸入項的狀態(tài) 估計方法，發(fā)展相應(yīng)的濾波器就成了急需解決的問題。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有約束濾波無法處理含未知輸入量的約束 系統(tǒng)這一缺陷，提供一種適用范圍廣的動態(tài)系統(tǒng)約束濾波器。
[0006] 為了實現(xiàn)上述技術(shù)目的，根據(jù)本發(fā)明，提供了一種用于獲取運動對象的狀態(tài)估計 的方法，包括：
[0007] 針對運動對象建立下述運動方程（1)與測量方程（2):
[0008] Xk=AkX1^rkUk-Jwk-I (1)
[0009] Zk=Hkxk+vk (2)
[0010] 其中k為對運動對象進(jìn)行采樣的采樣時刻值而且為正整數(shù)，xk是運動對象的狀態(tài) 向量；!^^是未知輸入項，Zk是測量輸出，過程噪聲Wk和Vk是均值為零的高斯白噪聲，Ak是 nXn的狀態(tài)轉(zhuǎn)移矩陣，rk是nXp的輸入矩陣，Hk是mXn的測量矩陣，
[0011] 針對運動對象建立下述約束條件（3):
[0012] DkXk=dk (3)
[0013] 其中Dk是sXn的行滿秩約束矩陣；
[0014] 隨后執(zhí)行下述步驟：
[0015] 第一步驟：獲取運動對象的測量信息，所述測量信息滿足測量方程（2);
[0016] 第二步驟：執(zhí)行系統(tǒng)變換，設(shè)置由Dk的前s列組成的以和由Dk的余下n-s列組成 的戌：
[0017]

【權(quán)利要求】
1. 一種用于獲取運動對象的狀態(tài)估計的方法，其特征在于包括： 針對運動對象建立下述運動方程（1)與測量方程（2):
其中k為對運動對象進(jìn)行采樣的采樣時刻值而且為正整數(shù)，xk是運動對象的狀態(tài)向量； 化^是未知輸入項，zk是測量輸出，過程噪聲wk和Vk是均值為零的高斯白噪聲，Ak是nXn 的狀態(tài)轉(zhuǎn)移矩陣，rk是nXp的輸入矩陣，Hk是mXn的測量矩陣， 針對運動對象建立下述約束條件（3):
其中Dk是sXn的行滿秩約束矩陣，dk是sXl的約束向量； 隨后執(zhí)行下述步驟： 第一步驟：獲取運動對象的測量信息，所述測量信息滿足測量方程（2); 第二步驟：執(zhí)行系統(tǒng)變換，設(shè)置由Dk的前s列組成的4和由Dk的余下n-s列組成的D：'
2. 根據(jù)權(quán)利要求1所述的用于獲取運動對象的狀態(tài)估計的方法，其特征在于還包括： 第三步驟：執(zhí)行狀態(tài)擴(kuò)維，其中由第二步驟的處理結(jié)果，將降維狀態(tài)變量與未知輸入組 合當(dāng)做新待估量，將矩陣rk寫做如下的分塊矩陣形式：
相應(yīng)的估計誤差協(xié)方差為
5. 根據(jù)權(quán)利要求4所述的用于獲取運動對象的狀態(tài)估計的方法，其特征在于還包括： 第六步驟：重構(gòu)獲取運動對象的狀態(tài)估計值，其中根據(jù)第五步驟得到的濾波結(jié)果得到 降維狀態(tài)以及未知輸入的估計值。
6. 根據(jù)權(quán)利要求5所述的用于獲取運動對象的狀態(tài)估計的方法，其特征在于，第六步 驟包括： 獲取降維狀態(tài)x2，k的估計值和估計誤差協(xié)方差分別如下
7. 根據(jù)權(quán)利要求1或2所述的用于獲取運動對象的狀態(tài)估計的方法，其特征在于，所述 運動對象是運動車輛。
8. 根據(jù)權(quán)利要求1或2所述的用于獲取運動對象的狀態(tài)估計的方法，其特征在于，所述 運動對象是風(fēng)力發(fā)電機(jī)組的風(fēng)葉。
【文檔編號】G01D21/00GK104482955SQ201410738053
【公開日】2015年4月1日 申請日期:2014年12月4日 優(yōu)先權(quán)日:2014年12月4日
【發(fā)明者】文傳博, 高羽, 張向鋒 申請人:上海電機(jī)學(xué)院