自识别自校准Kalman滤波方法

在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。     

幂函数退化曲线快速测试方法

针对工程中常见的“先快后慢”的退化曲线,提出一种幂函数退化曲线快速测试方法,能够通过快速退化阶段试验数据或加上少量缓慢退化阶段试验数据对整条退化曲线进行拟合和外推。大量工程实例计算和Monte Carlo模拟结果表明:即使只有快速退化阶段试验数据,该方法得到的整条曲线也能很好地逼近退化曲线真值或偏于保守,工程上安全可用。分别对三参数幂函数退化曲线(橡胶老化曲线、S -N曲线、ε -N曲线、LED光强衰减曲线等)和四参数幂函数退化曲线(应力松弛曲线、蠕变持久曲线等)快速测试方法进行了详细讨论,给出相应的中值退化曲线和高置信度、高可靠度退化曲线。从所给两个实例对比可以看到,所提方法可以比传统方法节省2/3左右的试验时间和成本。      

量测数据自校准融合方法

提出了一种量测数据自校准融合方法,给出量测数据系统误差(未知输入)的自识别自校准公式与计算步骤,能够自动对量测数据中事先无法校准的系统误差进行识别、估计、补偿和修正,从而减小系统误差的影响。建立多传感器的数据融合公式与计算步骤,进而降低偶然误差的影响。分别对线性系统和非线性系统进行了详细讨论,并进行了大量实例计算和仿真模拟验证。从两个算例计算结果可以看出:该方法的相对误差至少要比传统方法减小45%,且计算简单,便于工程应用。