一种用于流量测量的卡尔曼滤波方法技术

本发明专利技术公开了一种用于流量测量的卡尔曼滤波方法，卡尔曼滤波输入的参数一般有测量噪声R，预测噪声Q，当前测量值Z三个，其中测量噪声R，预测噪声Q都是固定值，本发明专利技术的改进型卡尔曼滤波将预测噪声Q变为动态值，可以根据本次预测值与上次预测值的差值来进行动态调整，能够过滤系统中的背景噪声或白噪声，解决了输出的数据波形不平滑的问题，当预测噪声Q自动变化时，滤波后的数据既能滤去背景噪声与白噪声的干扰，也能实时体现出真实信号的波动性。因此既能拥有极快的响应速度，又能拥有稳定的静态平衡。

【技术实现步骤摘要】
一种用于流量测量的卡尔曼滤波方法
本公开涉及滤波
和流量测量
，具体涉及一种用于流量测量的卡尔曼滤波方法。
技术介绍
在流量测量领域中，测量的数值会因传感器噪声，白噪声等因素的影响而上下波动，因此会引入卡尔曼滤波。通过引入卡尔曼滤波，卡尔曼滤波(Kalmanfiltering)是一种利用线性系统状态方程，对系统状态进行最优估计的算法，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。传统的卡尔曼滤波无法兼顾响应速度与输出稳定性(静态平衡)的问题,会有响应慢，输出不平滑的缺点。
技术实现思路
为解决上述问题，本公开提供一种用于流量测量的卡尔曼滤波方法的技术方案，卡尔曼滤波输入的参数一般有测量噪声R，预测噪声Q，当前测量值Z三个，其中测量噪声R，预测噪声Q都是固定值。本专利技术的改进型卡尔曼滤波将预测噪声Q变为动态值，可以根据本次预测值与上次预测值的差值来进行动态调整。为了实现上述目的，本公开提供一种用于流量测量的卡尔曼滤波方法本文档来自技高网...

【技术保护点】
1.一种用于流量测量的卡尔曼滤波方法，其特征在于，所述方法包括以下步骤：/n步骤1，获取流量测量系统中本次测量值和上次预测值；/n步骤2，计算卡尔曼滤波的增益；/n步骤3，计算初始的预测值和预测噪声；/n步骤4，计算本次预测误差；/n步骤5，计算本次增益；/n步骤6，计算本次预测值；/n步骤7，更新预测噪声；/n步骤8，输出本次预测值。/n

【技术特征摘要】
1.一种用于流量测量的卡尔曼滤波方法，其特征在于，所述方法包括以下步骤：
步骤1，获取流量测量系统中本次测量值和上次预测值；
步骤2，计算卡尔曼滤波的增益；
步骤3，计算初始的预测值和预测噪声；
步骤4，计算本次预测误差；
步骤5，计算本次增益；
步骤6，计算本次预测值；
步骤7，更新预测噪声；
步骤8，输出本次预测值。


2.根据权利要求1所述的一种用于流量测量的卡尔曼滤波方法，其特征在于，在步骤1中，获取流量测量系统中本次测量值和上次预测值的方法为：
构建流量测量系统的状态方程为：
X(k)＝φ(k/k-1)X(k-1)+Γ(k/k-1)w(k-1)；
构建流量测量系统的测量方程为：
Z(k)＝H(k)X(k)+v(k)；
其中，X(k)是k时刻的系统状态，X(k-1)是k-1时刻的系统状态，φ(k/k-1)和Γ(k/k-1)是k-1时刻到k时刻的状态转移矩阵，Z(k)是k时刻的测量值，H(k)是测量系统的参数，w(k)表示k时刻的协方差矩阵为Q(k)的状态噪声，w(k-1)表示k-1时刻的状态噪声，v(k)表示k时刻的协方差矩阵为R(k)的测量噪声；
构建状态预测方程为：



其中是系统上一状态的预测结果，是系统上一状态预测结果中的最优值；通过流量测量系统的测量方程获取本次测量值Z(k)，如果为首次测量则上次预测值为通过状态预测方程获取的预测值如果不是首次测量则上次预测值为系统上一状态的预测值。


3.根据权利要求2所述的一种用于流量测量的卡尔曼滤波方法，...

【专利技术属性】
技术研发人员：毛祖宾，袁振宇，邓海平，
申请(专利权)人：广东艾科技术股份有限公司，
类型：发明
国别省市：广东;44