一种基于改进容积粒子滤波的电液联合舵机状态估计方法技术

一种基于改进容积粒子滤波的电液联合舵机状态估计方法其包括按顺序进行的下列步骤：容积粒子滤波的预测过程；改进的容积粒子滤波更新过程；精细变化重采样过程。本发明专利技术优点：①解决了容积粒子滤波在应用过程中的所面临的鲁棒性问题，实现了当噪声不服从高斯分布时，滤波精度依然能够维持在一个较高水平的目标。②引入了最新的量测信息作为评判粒子重要性的标准，从而保证了中等权值粒子输出，缓解粒子的退化现象，避免了粒子的贫化现象。

An improved electro-hydraulic combined actuator state estimation method based on improved volume particle filter

An electro-hydraulic joint actuator state estimation method based on improved volume particle filter (VPF) includes the following steps in sequence: prediction process of VPF; update process of improved VPF; resampling process of fine variation. The invention has the advantages of: (1) solving the robustness problem faced by the volume particle filter in the application process, realizing the goal that the filtering accuracy can still be maintained at a higher level when the noise does not obey the Gaussian distribution. (2) The latest measurement information is introduced as the criterion to judge the importance of particles, which ensures the output of medium weight particles, alleviates the degeneration of particles and avoids the dilution of particles.

【技术实现步骤摘要】
一种基于改进容积粒子滤波的电液联合舵机状态估计方法
本专利技术属于故障预测与健康管理(PHM)
，特别是涉及粒子滤波的舵机状态预测方法。
技术介绍
自动飞行控制系统(AFCS)是机载电子系统的核心部件，对AFCS进行状态监控能够有效减少飞机故障造成的危害。舵机作为AFCS的核心执行部件，实现对升降舵、副翼和方向舵三大主控舵面的驱动，一旦舵机在飞行中发生故障，就可能会造成十分严重的后果。因此，飞机舵机的状态监控是减少可能导致致命事故风险的关键性技术，近年来成为许多研究的焦点。机载电液联合舵机系统一般都具有非常强的非线性特性，寻找一种针对舵机系统的状态估计方法尤为重要。粒子滤波作为一种解析模型和数据驱动结合的方法对非线性非高斯问题的处理显示出明显的优越性。一般来讲，粒子滤波算法性能的改进方向有两个，一是重要性概率密度函数的设计，另一个是重采样过程的设计。在标准粒子滤波中，为了方便计算而选取状态转移先验分布函数作为重要性概率密度函数，很明显这样估计出的后验概率密度函数因为没有包含最新的量测信息而不易达到所需的精度。为粒子滤波设计合适的重要性概率密度函数，研究人员提出了扩展卡尔曼粒子滤波(ExtendedKalmanParticleFilter，EKPF)和无迹卡尔曼粒子滤波(UnscentedParticleFilter，UPF)，以上方法都引入不同高斯分布作为重要性概率密度函数以缩短算法执行时间，但随着系统复杂度的提高，粒子集收敛不及时的问题便会暴露出来，此时从重要性概率密度函数采样得到的粒子与从真实后验概率密度函数中得到的粒子不处于相近的区域。使得重要性权值的方差最小是选择重要性概率密度函数的准则，近年来，将容积卡尔曼滤波作为重要性概率密度函数的容积粒子滤波(CubatureParticleFilter，CPF)被提出了，大量的实验证明CPF的精度要高于EKPF和UPF，CPF利用一组权值相等的容积点来转换滤波中的积分问题，相比于传统的高斯型的粒子滤波算法有着更佳的滤波稳定性以及非线性逼近性能。但是CPF仍然有一些缺点，它和UPF一样都属于递归最小方差估计技术，当量测噪声偏离高斯分布时算法的性能会急剧下降。因此，提高CPF的鲁棒性是当前一个势在必行的研究目标。粒子退化是标准粒子滤波算法的主要缺陷。粒子退化是指随着迭代次数的增加，粒子逐渐丧失多样性的现象，即信息集中在少数权值较大的粒子上，而重采样过程的目的是减少权值较小的粒子数目，只将注意力集中在具有大权值的粒子上，因此粒子的退化是一个必然的过程，为了缓解退化现象对状态估计精度的影响，研究学者提出了多种改进重采样过程，包括多项式重采样过程(MultinomialResampling)、系统重采样过程(SystematicResampling)、残差重采样过程(ResidualResampling)、分层重采样过程(StratifiedResampling)等，它们的基本思想都是通过对粒子和相应权值表征的后验概率密度重新抽样产生新的支撑点集，区别在于产生随机数的方式不一样。同时过度的重采样会导致粒子贫化，即权值越大的粒子子代越来越多，而权值较小的粒子被剔除，最糟糕的情形是新的粒子集实际都是一个权值最大的粒子的子代，从而导致粒子集的多样性变差，不足以近似表征后验概率密度。随着研究的深入，研究人员又提出了一些基于权值选择的重采样过程，依据权值或似然值的大小来选择性地剔除不处于高似然区的粒子，但是这种方法在剔除小权值粒子和复制大权值粒子并补全总粒子数的处理上很粗糙。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供基于改进容积粒子滤波的的电液联合舵机状态估计方法。该方法使得在量测噪声不符合高斯分布时仍然具有较好的精度，同时能够有效缓解粒子的退化现象，避免了粒子的贫化现象。为了达到上述目的，本专利技术提供的基于改进容积粒子滤波的的电液联合舵机状态估计方法包括按顺序进行的下列步骤：(1)改进的容积粒子滤波更新过程；(2)精细变化重采样过程；在步骤(1)中，所述的改进的容积粒子滤波更新过程的设计方法是：定义k时刻的状态预测误差为其中xk为k时刻的状态，为一步预测状态，此时量测方程可近似为其中量测矩阵Hk由下式得出其中Pk/k-1为一步预测状态方差，Pxz，k/k-1为一步预测状态的协方差将公式(1)和公式(2)合并成矩阵的形式，使之成为一个线性方程的形式，同时定义如下4个变量Dk＝diag([RkPk|k-1])(6)其中diag为对角阵，将以上定义变量带入公式(4)可得到一个线性回归方程Πk＝Mkxk+ηk(9)求解该方程，即当误差矩阵ηk最小时xk的值，等同于代价函数J(xk)最小其中θi是误差矩阵ηk的第i个分量，ρ(θi)为l1范数混合l2范数的代价函数其中μ为可调节参数，如果公式(10)中的ρ(θi)可导，求解下式其中可以看出，通过代价函数求导得到的最终滤波状态具有期望的鲁棒特性，定义函数和矩阵Ψ＝diag[ψ(θi)]，则公式(12)可以转换为对上式中的xk求解，得到迭代解其中l为迭代次数，其假设是可逆的，迭代初始值为将公式(15)的收敛值作为滤波的更新值状态误差的方差矩阵为最后，将得到的最终状态估计值和状态误差的方差Pk|k作为重要性概率密度函数的均值和方差，并从中采样得到新的粒子集，同时该分布用以计算粒子的权值，然后归一化，公式如下接下来执行重采样步骤得到新的粒子集。在步骤(2)中，所述的精细变化重采样过程是步骤(1)所述的基于改进的容积粒子滤波更新过程之后进行的重采样步骤，首先在随机数up和累积归一化粒子权值ci间定义一个距离比较过程其中up为0到1之间的均匀分布up～U(0，1)，α为根据实际情况提前设定的一个定值为归一化后的粒子权值，取N个随机数，在随机数集中取最接近ci的值，将满足公式(19)的粒子统称为中等权值的粒子的个数记为Nc，然后复制这些粒子，复制的次数根据下式计算其中cos为余弦函数，将复制之后的粒子记为其个数记为NB，为了增加粒子的多样性，将每个粒子进行小范围调整，并遵从小权值的粒子变化要比大权重的粒子变化要大的原则，调整后的粒子为其中o(1)为标准正态分布，此时粒子仍然高于初始的粒子数量，在不减少粒子多样性的条件下对粒子做距离比较，将距离过近的粒子(即满足其中δ为可调参数)进行剔除。本专利技术提供的基于改进容积粒子滤波的电液联合舵机状态估计方法与现有技术相比具有以下优点：①改进之后的使得容积粒子滤波在量测噪声不符合高斯分布时仍然具有较好的精度；②引入了最新的量测信息作为评判粒子重要性的标准，从而保证了中等权值粒子输出，缓解粒子的退化现象，避免了粒子的贫化现象。附图说明图1为本专利技术提供的基于改进容积粒子滤波的电液联合舵机状态估计方法流程图。图2为精细变化重采样过程流程图。图3为改进容积粒子滤波的电液联合舵机状态估计方法详细流程图图4为实验1中方案1情况下各算法与HCPF状态估计轨迹图图5为实验1中方案1情况下各算法与HCPF状态估计轨迹图(局部放大图)。图6为实验1中各算法与HCPF的均方误差对比图图7为实验2中方案1情况下各算法与HCPF状态估计轨迹图图8为实验2中方案1情况下各算法与HCPF状态估计轨迹图(局部放大图)。本文档来自技高网...

【技术保护点】
1.一种基于改进容积粒子滤波的电液联合舵机状态估计方法，其包括按顺序进行的下列步骤：(1)改进的容积粒子滤波更新过程；(2)精细变化重采样过程；其特征在于：在步骤(1)中，所述的改进的容积粒子滤波更新过程的设计方法是：定义k时刻的状态预测误差为

【技术特征摘要】
1.一种基于改进容积粒子滤波的电液联合舵机状态估计方法，其包括按顺序进行的下列步骤：(1)改进的容积粒子滤波更新过程；(2)精细变化重采样过程；其特征在于：在步骤(1)中，所述的改进的容积粒子滤波更新过程的设计方法是：定义k时刻的状态预测误差为其中xk为k时刻的状态，为一步预测状态，此时量测方程可近似为其中量测矩阵Hk由下式得出其中Pk/k-1为一步预测状态方差，Pxz,k/k-1为一步预测状态的协方差将公式(1)和公式(2)合并成矩阵的形式，使之成为一个线性方程的形式，同时定义如下4个变量Dk＝diag([RkPk/k-1])(6)其中diag为对角阵，将以上定义变量带入公式(4)可得到一个线性回归方程Πk＝Mkxk+ηk(9)求解该方程，即当误差矩阵ηk最小时xk的值，等同于代价函数J(xk)最小其中θi是误差矩阵ηk的第i个分量，ρ(θi)为l1范数混合l2范数的代价函数其中μ为可调节参数，如果公式(10)中的ρ(θi)可导，求解下式其中可以看出，通过代价函数求导得到的最终滤波状态具有期望的鲁棒特性，定义函数和矩阵Ψ＝diag[ψ(θi)]，则公式(12)可以转换为对上式中的xk求解，得到迭代解其中l为迭代次数，其假设是可逆的，迭代初始值为将公式(15)...

【专利技术属性】
技术研发人员：郭润夏，刘正华，殷文，王佳琦，甘泉，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津,12