基于Sage-Husa自适应卡尔曼滤波的时差处理方法技术

本发明专利技术公开了一种基于Sage

【技术实现步骤摘要】
基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法


[0001]本专利技术涉及流量测量时差法的滤波处理方法，尤其涉及一种基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法。

技术介绍

[0002]采用时差法测流量是在采用超声波测量流量时，通过换能器传递超声波信号来实现测量。在超声波的时差法测量中，接收到时差信号之后，由于测量过程中会由于产生的一些外部误差和噪声的干扰，从而时差数据出现轻微的波动，在流量变化时也出现轻微的波动，使得测量结果产生偏差。偏差值的大小与流体中的气泡和流体的状态、温度补偿、超声波声速的大小，时间测量芯片的精确度有关。
[0003]在时差法测量过程中，为了提高测量系统的精确度，引入数据处理算法来得到滤波效果较好的波形。在保证数据真实性的基础上进行数据滤波。数据滤波处理是为了去掉原始数据中的随机误差，以提高数据质量的一种方法，保证得到的数据用来计算流量时更加切合真实流量的数据。
[0004]目前时差法流量测量的数据处理中，卡尔曼滤波和一阶低通滤波能有效地防止脉冲干扰，使数据波动变缓，从而使数据稳定可靠。如果出现了数据变化大的情况，该方法的实时跟踪数据方面不占优势。
[0005]现有技术中存在一阶低通滤波的滤波算法，滤波算法使用一阶线性滤波的时候，通过对最新得到的数据与上次数据进行分配得到更新之后的值，也需要合适的控制量来实现滤波的，往往由于参数选取得不合适而导致只适用一种情况的滤波方法。
[0006]滤波算法公式为Y(n)＝αX(n)+(1
‑
α)Y(n
‑
1)。由一阶滤波的原理得出，通过对上一次滤波输出值与本次采样值进行加权。滤波系数越小，滤波结果越平稳，但灵敏度越低；滤波系数越大，灵敏度越高，但滤波结果越不稳定。
[0007]一阶滤波的变化从图1中看出作为静态滤波的效果是优于传统的卡尔曼滤波的。一阶滤波器的控制由于它的滤波系数α来控制的，良好的滤波效果通过改变不同的α值来调节。在滤波的过程中，不实时的改变滤波系数以达到合适的滤波效果。虽然经过对比加权值α取exp(
‑
1/10)取得了图1中的效果。但是一阶低通滤波时的灵敏度与平稳度不能兼得。
[0008]目前，时差法流量测量的数据处理在于卡尔曼滤波的改进，在超声波测流量的过程中由于干扰产生误差，使得到的时差信号不准确。相较于传统的卡尔曼滤波在时差法测流量中的表现，传统卡尔曼为常数和固定值，在滤波时遇到不同的情况需要进行调节误差协方差和状态协方差来达到改进的目的。
[0009]传统卡尔曼滤波由于前一段数据的影响，而造成数据跟随不准确的情况，无法满足时差滤波的实时效果，对用时差流量测量效果造成影响。如图2所示，在传统卡尔曼中如果初值不确定时，即设置为0时，滤波效果出现跟随不到真实值的情况，在图中在第15个数据才跟随到真实值，传统卡尔曼滤波在此情况下极大的影响了数据的真实性，这时传统卡尔曼往往更需要手动输入合适的初值才能得到合适的滤波效果。

技术实现思路

[0010]专利技术目的：针对现有技术中存在的不足之处，本专利技术提出一种基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法，该方法应用在不同流量流速的情况下，解决了传统卡尔曼滤波的初值的相关问题，同时也解决了传统卡尔曼滤波的数据变化过快，数据跟随不准确的相关问题。
[0011]技术方案：本专利技术基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法包括以下步骤：
[0012](1)对管道内的流量进行时差采集；
[0013](2)对时差数据建立Sage
‑
Husa自适应卡尔曼滤波模型方程；
[0014](3)引入加权系数d(t)，0<d(t)<1；
[0015](4)进行噪声协方差、系统噪声协方差和状态协方差更新及预测；
[0016](5)Sage
‑
Husa自适应卡尔曼的残差增益更新及协方差更新；
[0017](6)数据状态更新，将处理后的时差信息在matlab中显示滤波效果，通过得到的时差进行流量的计算。
[0018]其中，步骤(1)包括以下步骤：
[0019](1.1)采集通过第一个换能器F1产生超声波信号通过顺流流动的液体经第二个换能器F2接收的时间值t1；
[0020][0021]式中，C为超声波在流体中的传播速度；θ为超声波换能器与管道的夹角；L为两个换能器之间的距离。
[0022](1.2)采集第二个换能器F2产生超声波通过逆流流动的液体之后经第一个换能器F1接收的时间值t2；
[0023][0024]式中，C为超声波在流体中的传播速度；θ为超声波换能器与管道的夹角；L为两个换能器之间的距离。
[0025](1.3)由于超声波通过稳定流体时的速度是相同的，在流动的流体中将出现上述的时间差，通过两次时间的差值得到需要滤波的时差数据Δt：
[0026][0027]式中，v为流体的速度；L为管道的长度；C为超声波在流体中的传播速度；θ为超声波换能器与管道的夹角；L为两换能器之间的距离。
[0028]步骤(2)包括以下步骤：
[0029](2.1)在超声波的测量过程中，由于噪声的干扰对数据产生影响，造成数据失真。在时差信号采集后需要上一步采集到的时差数据进行滤波。数据量采集多个为一组，然后将时差数据代入步骤(2.3)中的Y(t),对时差数据进行滤波。
[0030](2.2)选取Sage
‑
Husa自适应卡尔曼的模型方程，确定系统状态方程，首先确定当前测量X的初始值，在开始测量时设置为0，在后续的更新过程中使用更新后的值；
[0031]X(t)＝A*X(t
‑
1)+q(t)
[0032]式中，X(t)为状态量；A表示为t
‑
1时刻的状态转移矩阵；q(t)为系统噪声；X(t
‑
1)为更新之前的状态量。
[0033](2.3)选取Sage
‑
Husa自适应卡尔曼的模型方程，用Y(t)表示时刻t时时差Δt的测量值，则时差的观测方程如下；
[0034]Y(t)＝D*X(t)+v(t)
[0035]式中，D为k时刻的测量系统参数，v(t)为t时刻的测量噪声；X(t)为状态量；Y(t)为系统测量的时差值。
[0036]步骤(3)中，b是遗忘因子，通过代入d(t)来动态的控制更新过程。本自适应是基于帧数的自适应调节测量Q和观测R的，根据设计的不同把b用相关参考量表示，从而周期调节d(t)，0<d(t)<1。
[0037][0038]式中，b为遗忘因子，取值在0.95～0.99。
[0039]步骤(4)包括以下步骤：
[0040](4.1)将步骤(3)得到的加权系数d(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法，其特征在于：包括以下步骤：(1)对管道内的流量进行时差采集；(2)对时差数据建立Sage
‑
Husa自适应卡尔曼滤波模型方程；(3)引入加权系数d(t)；(4)进行噪声协方差、系统噪声协方差和状态协方差更新及预测；(5)Sage
‑
Husa自适应卡尔曼的残差增益更新及协方差更新；(6)数据状态更新，将处理后的时差信息在matlab中显示滤波效果，通过得到的时差进行流量的计算。2.根据权利要求1所述的基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法，其特征在于：步骤(1)包括以下步骤：(1.1)采集通过第一个F1换能器产生超声波信号通过顺流流动的液体经第二个换能器F2接收的时间值t1；式中，C为超声波在流体中的传播速度；θ为超声波换能器与管道的夹角；L为两个换能器之间的距离；(1.2)采集第二个换能器F2产生超声波通过逆流流动的液体之后经第一个换能器F1接收的时间值t2；式中，C为超声波在流体中的传播速度；θ为超声波换能器与管道的夹角；L为两个换能器之间的距离；(1.3)通过两次时间的差值得到需要滤波的时差数据Δt：式中，v为流体的速度；L为管道的长度；C为超声波在流体中的传播速度；θ为超声波换能器与管道的夹角；L为两换能器之间的距离。3.根据权利要求1所述的基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法，其特征在于：步骤(2)包括以下步骤：(2.1)采集时差信号；(2.2)选取Sage
‑
Husa自适应卡尔曼的模型方程，确定系统状态方程；X(t)＝A*X(t
‑
1)+q(t)式中，X(t)为状态量；A表示为t
‑
1时刻的状态转移矩阵；q(t)为系统噪声；X(t
‑
1)为更新之前的状态量。(2.3)选取Sage
‑
Husa自适应卡尔曼的模型方程，确定系统测量的模型Y(t)：Y(t)＝D*X(t)+v(t)式中，D为t时刻的测量系统参数，v(t)为t时刻的测量噪声；X(t)为状态量；Y(t)为时刻t时时差Δt的测量值。
4.根据权利要求1所述的基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法，其特征在于：步骤(3)中的加权系数d(t)为：式中，b为遗忘因子，取值在0.95～0.99之间。5.根据权利要求1所述的基于Sage
‑
Husa自适应卡尔曼滤波的时差处理方法，其特征在于：步骤(4)包括以下步骤：(4.1)将步骤(3)得到的加权系数d(t)代入到系统噪声协方差q(t)、过程协方差Q(t)及传感器噪声协方差R(t)：式中，为t时噪声协方差的更新；为上一时刻的噪声协方差；为t时刻的状态估计；为上一时刻的状态估计；式中，为t时过程协方差的更新；为上一时刻的过程协方差；P(t|t)为t时刻的误差协方差更新，P(t
‑
1|t
‑
1)为上一时刻的误差协方差更新；K(t)为残差增益；式中，为t时传感器噪声的更新；为上一时刻的传感器噪声，C为协方差转移系数；d(t
‑
1)为上一时刻的加权系数；A为系统参数；∈(t)为残差；C为[1,0]。(4.2)将更新后的噪声协方差q(t)代入状态预...

【专利技术属性】
技术研发人员：洪利，尹晓琦，杨航，陈嘉雪，李晨雪，张兴宇，姜坤，彭跃清，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：