一种基于卡尔曼滤波提高双套站传感器数据质量的方法技术

本发明专利技术公开了一种基于卡尔曼滤波提高双套站传感器数据质量的方法，包括数据准备、通用数据质量控制、建立数据预测模型、数据融合四个步骤，本发明专利技术可以在不需要增加硬件设施的基础上将双套站传感器数据由两组变为四组，将这四组数据通过数据融合算法进行融合，择优选取能够达到数据质量最高标准的一组数据作为真值，实验结果证明，该方法以变相提高传感器冗余的方式能够有效的提高传感器数据质量，对基于双套站提高数据质量的研究工作具有非常重要的意义。重要的意义。重要的意义。

【技术实现步骤摘要】
一种基于卡尔曼滤波提高双套站传感器数据质量的方法


[0001]本专利技术涉及双套站传感器数据质量领域，尤其是一种基于卡尔曼滤波提高双套站传感器数据质量的方法。

技术介绍

[0002]双套站，即采用双套设备采集数据的站点，其应用目的是为了保障数据的可靠性、稳定性与可用性，应用领域十分广泛，其原理是通过构建两套相同传感器系统来提高原始数据质量，众所周知，通过提升传感器的数量可以从很多方面提升传感器数据质量，但是增加的设备冗余越多其硬件成本与计算复杂度就会越高，因此既要降低成本又要在很大程度上为数据质量保驾护航，就需要在双套站的应用基础上，继续研究数据质量提升的方法。根据调研发现，当前双套站的应用模式主要是一个作为基准站另一个则为备用站，在基准站数据出现问题的时候才使用备用站的数据，这种模式虽然大体解决了如数据缺失、严重失真等问题，同时在不增加数据处理的重复度的基础上大大提高数据质量，但是仍存在些许不足，主要体现在：1）主站出现故障才启用备用站的数据，备用站的数据利用率不高；2）在现实运行中主站的数据判断并不智能且很多时候得不到真实的反馈，固这时候备用站的数据起不到提升数据质量的作用；3）基于双套设备数据，可使用的数据整合算法单一，数据质量提升算法得不到提高。

技术实现思路

[0003]本专利技术的专利技术目的在于：提供一种基于卡尔曼滤波提高双套站传感器数据质量的方法，通过卡尔曼滤波，创新双套站数据融合算法，解决双套站数据利用率不高、双套站传感器数据质量提升效果不充分、算法单一、数据错误识别不智能、数据质量稳定度与容错能力不高等问题。
[0004]为了解决上述问题，本申请提出了一种基于卡尔曼滤波提高双套站传感器数据质量的方法，本方法采用的技术方案如下：包括数据准备、通用数据质量控制、建立数据预测模型、数据融合四个步骤，具体为：S1：数据准备：各站点通过上位机软件定时向采集器发送命令获取传感器数据，然后对采集器端传上来的数据进行解析，以此获取传感器测量数据值。
[0005]S2：通用数据质量控制：对所述数据准备所获取到的传感器测量数据值进行数据质量控制。
[0006]S3：建立数据预测模型：对每个站点同类元素建立数据模型，然后结合实际修改卡尔曼滤波方程，综合建立数据预测模型，经过数据训练得到当前时刻元素的预测值。
[0007]S4：数据融合：双套站数据分别依次经过所述数据准备、所述数据质量控制、所述数据预测模型过后所得到的四套数据（A站实测值，A站预测值、B站实测值、B站预测值），根据改进的数据融合算法进行数据融合。
[0008]可供选择的，所述S1中，各站点通过上位机软件定时向采集器发送命令通过串口
或Zigbee等无线网络获取传感器数据，把采集器发送过来的数据进行处理，或按数据字典进行截取，并将当前传感器各数据值进行存储。
[0009]可供选择的，所述S2中，对所述数据准备所获取到的传感器测量数据值进行格式一致性、时间一致性、极值检测等数据质量控制，排除错误与粗差大的值、标记缺测值。
[0010]可供选择的，所述S3中，通过对某元素建立数据模型，然后结合元素特点改进卡尔曼滤波方程组，两者相结合，再依据每个站点分别获取依据S1数据准备与S2通用数据质量控制后的分钟数据作为数据建模与卡尔曼滤波方程训练数据源，每个传感器数据经此预测模型获得预测数据值。
[0011]可供选择的，所述对某元素建立数据模型为：当前要素系统描述：其中代表当前时间当前要素实际值，代表上一时刻当前要素实际值，系数A为观测的状态转移矩阵，为外部作用（比如蒸发、日照海拔等），T表示温度，为上时刻测量过程误差。
[0012]测量值建立模型：基中代表当前时刻要素的测量值，为测量仪器自身误差，H为一系数矩阵。
[0013]可供选择的，所述结合元素特点改进卡尔曼滤波方程组为：上式中为基于上一个温度值的不确定估计，为当前时刻确定的估计值，为误差协方差估计值，为误差协方差，为当前时刻测试值，K为卡尔曼增益，Ｑ为测量过程中误差的方差值，Ｒ为测量仪器自身误差方差。
[0014]可供选择的，所述数据模型与卡尔曼滤波方程结合后，再依据每个站点分别获取依据所述S1数据准备与S2通用数据质量控制后，取该元素二个小时分钟数据即至少120条数据作为数据预测模型训练数据源，每个传感器数据经此预测模型可获得预测数据值，此时可以获得当前设备的预测值与观测值，双套站就可以分别获得两套设备的预测值与观测值共四组数据。
[0015]可供选择的，所述S4数据融合的具体步骤为：A1、计算两站点实测值与预测值差：(z=1,2）其中X代表某传感器元素，z代表不同站点，表示某站点某元素实测值，表示某站点某元素实测值，表示某站点某元素实测值与预测值的差。
[0016]A2、标记怀疑值，数据融合预处理，根据传感器精度确定误差范围Range（i，j），此
处定义传感器两两之间的允许误差范围为Range（i，j），i与j表示不同的两个传感器，Range（i，j）下文称为标定域值：其中Acc为传感器精度，也可近似等价于测量误差，Ti与Tj表示传感器所处温度。
[0017]A3、计算某元素两两传感器数据值之差，进行数据融合：Dij=|Xi
‑
Xj|,其中i与j均可取1、2、3、4，X1与X2表示如前所述A站传感器实测值与预测值，X3与X4表示表示如前所述B站中传感器实测值与预测值，然后根据Dij的值与上述步骤Range(i,j)进行比较，进一步确定传感器数据值，再根据结果分类进行数据融合。
[0018]进一步，所述步骤A1中与所述步骤A2中标定域Range(i,j)进行比较，进行数据预处理步骤为：B1、判定ΔXz与Range(i,j)关系，如果ΔXz>Range(i,j),此时将Z站的数据标记为怀疑值，并对怀疑值进行连续计数NZ加1，并直接进入下一步B2，如果ΔXz≤Range(i,j),则Z站数据作为正常值，直接进入所述步骤A3，求Dij。
[0019]B2、判定NZ值，如果NZ=1则与上一步B1步骤中将Z站数据值作为正常值处理相同,直接进入所述步骤A3，求Dij，如果不为1，则进入下一步B3。
[0020]B3、判定NZ的值是否在区间[2,5]既（5≥NZ≥2），如果某一个站点数据值被怀疑连续次数超过5次，即NZ>5,则需要判断另一个站点连续计数N值是否大于5，反之另一种情况如果某一个站点数据值被怀疑连续次数区间[2,5]次即（5≥NZ≥2），也需要做进一步判断是两个站都出现问题还是只有一个站出现问题。
[0021]进一步的，所述步骤B3对两种情况还需要做进一步处理的步骤为：情况一：如果NA>5,继续判断是否NB>5步骤为：C1、如果NB>5,则继续对此元素值进行相关要素、空间一致性等判断，如果判断没有问题，则直接进入所述步骤A3，求Dij；如果判断有此元素数据值有问题，则证明两站数据都出现问题，此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卡尔曼滤波提高双套站传感器数据质量的方法，其特征在于：包括数据准备、通用数据质量控制、建立数据预测模型、数据融合四个步骤，具体为：S1：数据准备：各站点通过上位机软件定时向采集器发送命令获取传感器数据，然后对采集器端传上来的数据进行解析，以此获取传感器测量数据值；S2：通用数据质量控制：对所述数据准备所获取到的传感器测量数据值进行数据质量控制；S3：建立数据预测模型：对每个站点同类元素建立数据模型，然后结合实际修改卡尔曼滤波方程，综合建立数据预测模型，经过数据训练得到当前时刻元素的预测值；S4：数据融合：双套站数据分别依次经过所述数据准备、所述数据质量控制、所述数据预测模型过后所得到的四套数据（A站实测值，A站预测值、B站实测值、B站预测值），根据改进的数据融合算法进行数据融合。2.根据权利要求1所述的一种基于卡尔曼滤波提高双套站传感器数据质量的方法，其特征在于：所述S1中，各站点通过上位机软件定时向采集器发送命令通过串口或Zigbee等无线网络获取传感器数据，把采集器发送过来的数据进行处理，或按数据字典进行截取，并将当前传感器各数据值进行存储。3.根据权利要求1所述的一种基于卡尔曼滤波提高双套站传感器数据质量的方法，其特征在于：所述S2中，对所述数据准备所获取到的传感器测量数据值进行格式一致性、时间一致性、极值检测等数据质量控制，排除错误与粗差大的值、标记缺测值。4.根据权利要求1所述的一种基于卡尔曼滤波提高双套站传感器数据质量的方法，其特征在于：所述S3中，通过对某元素建立数据模型，然后结合元素特点改进卡尔曼滤波方程组，两者相结合，再依据每个站点分别获取依据S1数据准备与S2通用数据质量控制后的分钟数据作为数据建模与卡尔曼滤波方程训练数据源，每个传感器数据经此预测模型获得预测数据值。5.根据权利要求4所述的一种基于卡尔曼滤波提高双套站传感器数据质量的方法，其特征在于：所述对某元素建立数据模型为：当前要素系统描述：X(k)=AX(k
‑
1)+BU(k)+TW(k
‑
1）其中X(k)代表当前时间当前要素实际值，X(k
‑
1)代表上一时刻当前要素实际值，系数A为观测的状态转移矩阵，BU(k)为外部作用，T表示温度，W(k
‑
1)为上时刻测量过程误差；测量值建立模型：Z(k)=H*X(k)+V(k)基中Z(k)代表当前时刻要素的测量值，V(k)为测量仪器自身误差，H为一系数矩阵。6.根据权利要求4所述的一种基于卡尔曼滤波提高双套站传感器数据质量的方法，其特征在于：所述结合元素特点改进卡尔曼滤波方程组为：上式中为基于上一个温度值的不确定估计，为当前时刻确定的估计值，
为误差协方差估计值，为误差协方差，为当前时刻测试值，K为卡尔曼增益，Ｑ为测量过程中误差的方差值，Ｒ为测量仪器自身误差方差。7.根据权利要求4所述的一种基于卡尔曼滤波提高双套站传感器数据质量的方法，其特征在于：所述数据模型与卡尔曼滤波方程结合后，再依据每个站点分别获取依据所述S1数据准备与S2通用数据质量控制后，取该元素二个小时分钟数据即至...

【专利技术属性】
技术研发人员：宋美蓉，贾正松，李国，谢伟，梁高丽，雷浩，关浩，
申请(专利权)人：成都华微电子科技股份有限公司，
类型：发明
国别省市：