多模型自校准扩展Kalman滤波方法

基于扩展Kalman滤波方法（EKF）、自校准扩展Kalman滤波方法（SEKF）和多模型估计理论（MME），针对工程实际中非线性系统状态方程受未知输入（如突风、故障和未知系统误差等）影响的问题，提出了一种多模型自校准扩展Kalman滤波方法（MSEKF），将多模型自校准Kalman滤波方法（MSKF）的适用范围扩展到了非线性领域。该方法同时采用EKF与SEKF进行计算，根据贝叶斯定理实时分配两者先验估计值的权重，通过加权融合进而得到最终的状态估计。本文方法不仅解决了非线性系统状态方程受未知输入影响时EKF滤波发散的问题，而且在未知输入为零时的滤波精度与SEKF相比也更高，大量数值仿真结果表明该方法精度提升可达4%，具有更强的适应性和鲁棒性。