自识别自校准Kalman滤波方法

傅惠民; 杨海峰; 文歆磊

doi:10.15982/j.issn.2095-7777.2019.04.013

中文核心期刊

中国科技核心期刊

中国科学引文数据库（CSCD）来源期刊

中国高校百佳科技期刊

中国宇航学会深空探测技术专业委员会会刊

高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

自识别自校准Kalman滤波方法

傅惠民, 杨海峰, 文歆磊

文章导航 > 深空探测学报(中英文） > 2019 > 6(4): 398-402

傅惠民, 杨海峰, 文歆磊. 自识别自校准Kalman滤波方法[J]. 深空探测学报(中英文）, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013

引用本文:

傅惠民, 杨海峰, 文歆磊. 自识别自校准Kalman滤波方法[J]. 深空探测学报(中英文）, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013

FU Huimin, YANG Haifeng, WEN Xinlei. Self-Recognition and Self-Calibration Kalman Filtering Method[J]. Journal of Deep Space Exploration, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013

Citation:

FU Huimin, YANG Haifeng, WEN Xinlei. Self-Recognition and Self-Calibration Kalman Filtering Method[J]. Journal of Deep Space Exploration, 2019, 6(4): 398-402. doi: 10.15982/j.issn.2095-7777.2019.04.013

自识别自校准Kalman滤波方法

doi: 10.15982/j.issn.2095-7777.2019.04.013

北京航空航天大学小样本技术研究中心, 北京 100191

基金项目: 国家重点基础研究发展计划资助项目（2012CB720000）；工信部2018年智能制造综合标准化《基于数字仿真的机械产品可靠性测试方法标准研究与试验验证》资助项目

Self-Recognition and Self-Calibration Kalman Filtering Method

Research Center of Small Sample Technology, Beihang University, Beijing 100083, China

摘要: 在导航滤波、故障诊断等许多工程领域中，受环境因素影响、模型和参数的选取不当等原因，系统状态方程中往往含有未知输入（系统误差），传统的Kalman滤波方法无法消除这种未知输入的影响，导致产生较大的滤波误差。为此，提出一种自识别自校准Kalman滤波方法，并分别对线性系统和非线性系统进行了详细讨论，给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入，当有未知输入时，则能自动估计未知输入，并对它进行补偿和修正。大量实例计算和仿真模拟表明，与传统方法相比，本文方法能够有效提高状态估计精度，且计算简单，便于工程应用。
- Kalman滤波 /
- 未知输入 /
- 自识别 /
- 自校准 /
- 深空探测 /
- 故障诊断 /
- 导航
Abstract: In many engineering fields,such as deep space exploration,navigation,fault diagnosis and so on,due to the influence of environmental factors, improper selection of models and parameters, the system state equation often contains unknown inputs (systematical errors). Traditional Kalman filters cannot eliminate the influence of unknown inputs, resulting in larger filtering errors. In this paper,a self-recognition and self-calibration Kalman filtering method is proposed. The linear and nonlinear systems are discussed, and the corresponding formulas and filtering steps are given. This method can automatically recognize whether there are unknown inputs in the state equation. When there are unknown inputs, they can beautomatically estimated, compensated and corrected them. A large number of examples and simulation results show that compared with the traditional method,the proposed method can effectively improve the accuracy of state estimations,and the calculation is simple, which is convenient for engineering application.
- Kalman filter /
- unknown inputs /
- self-recognition /
- self-calibration /
- deep space exploration /
- fault diagnosis /
- navigation

[1]	KALMAN R E. A new approach linear filtering and prediction problems[J]. Journal of Fluids Engineering, 1960, 82(1):35-45.
[2]	SUNAHARA Y. An approximate method of state estimation for nonlinear dynamical systems[J]. Journal of Basic Engineering, 1970, 92(2):385-393.
[3]	FUJIMOTO O, OKITA Y, OZAKI S. Nonlinearity compensation extended Kalman filter and its application to target motion[J]. Oki Technical Review, 1997, 63(159):1-12.
[4]	JULIER S J, UHLMANN J K. A new extension of Kalman filter to nonlinear systems[C]//Proceedings of 11th International Symposium Aerospace/Defense Sensing.Simulation and Controls. Orlando:SPIE, 1997.
[5]	JULIER S J, UHLMANN J K, DURRANT-WHYTE H F. A new method for the nonlinear transformation of means and covariances in filters and estimators[J]. IEEE Transactions on Automatic Control, 2000, 45(3):477-482.
[6]	JULIER S J, UHLMANN J K. Unscented filtering and nonlinear estimation[J]. Proceedings of the IEEE, 2004, 92(3):401-423.
[7]	SIMON D. Optimal state estimation Kalman H∞ and nonlinear approaches[M]. Hoboken, US:John Wiley & Sons, 2006.
[8]	PITT M, SHEPHARD N. Filtering via simulation:auxiliary particle filters[J]. Journal of the American Statistical Association, 1999, 94(446):590-599.
[9]	傅惠民, 肖强, 吴云章, 等. 秩滤波方法[J]. 机械强度, 2014, 36(4):521-526. FU H M, XIAO Q, WU Y Z, et al. Rank filter method[J]. Journal of Mechanical Strength, 2014, 36(4):521-526.
[10]	傅惠民, 肖强, 娄泰山, 等. 非线性非高斯秩滤波方法[J]. 航空动力学报, 2015, 30(10):2318-2322. FU H M, XIAO Q, LOU T S, et al. Nonlinear and non-Guassian rank filter method[J]. Journal of Aerospace Power, 2015, 30(10):2318-2322
[11]	BLANLE M, KINNAERT M, LUNZE J, et al. Diagnosis and faulttolerant control[M]. Berlin, Germany:Springer, 2006.
[12]	CHEN J,PATTON R. Robust model-based fault diagnosis for dynamic systems[M]. Norwell, MA, US:Kluwer Academic Publishers, 1999.
[13]	GILLIJNS S, MOOR B D. Unbiased minimum variance input and state estimation for linear discrete-time systems[J]. Automatic, 2007, 43(1):111-116.
[14]	傅惠民, 吴云章, 娄泰山, 等. 自校准Kalman滤波方法[J]. 航空动力学报, 2014, 29(6):1363-1368. FU H M, WU Y Z, LOU T S, et al. Self-calibration Kalman filter method[J]. Journal of Aerospace Power, 2014, 29(6):1363-1368.
[15]	傅惠民, 娄泰山, 肖强, 等. 自校准扩展Kalman滤波方法[J]. 航空动力学报, 2014, 29(11):2710-2715. FU H M, LOU T S, XIAO Q, et al. Self-calibration extended Kalman filter method[J]. Journal of Aerospace Power, 2014, 29(11):2710-2715.

[1]	陈春亮, 张正峰, 盛瑞卿, 杨孟飞. 深空探测跳跃式再入返回任务设计 . 深空探测学报(中英文）, 2021, 8(3): 269-275. doi: 10.15982/j.issn.2096-9287.2021.20210016
[2]	谢浩然, 詹亚锋, 王晓伟, 陈曦. 卫星通导一体化技术及其在探月中的应用 . 深空探测学报(中英文）, 2021, 8(2): 154-162. doi: 10.15982/j.issn.2096-9287.2021.20200087
[3]	武达亮, 吴谨, 刘劲, 宁晓琳, 康志伟. 复合测速Ｘ射线脉冲星导航方法 . 深空探测学报(中英文）, 2021, 8(6): 632-640. doi: 10.15982/j.issn.2096-9287.2021.20210114
[4]	陈昶文, 武荣. 宽范围输入输出离子电推进屏栅电源的设计 . 深空探测学报(中英文）, 2020, 7(4): 407-416. doi: 10.15982/j.issn.2095-7777.2020.20200051
[5]	牛厂磊, 罗志福, 雷英俊, 王文强, 郑见杰, 乔学荣, 罗洪义, 胡文军, 钟武烨. 深空探测先进电源技术综述 . 深空探测学报(中英文）, 2020, 7(1): 24-34. doi: 10.15982/j.issn.2095-7777.2020.20200002
[6]	蔡明辉, 杨涛, 韩建伟. 载人深空探测磁场主动辐射防护技术研究 . 深空探测学报(中英文）, 2019, 6(2): 165-172. doi: 10.15982/j.issn.2095-7777.2019.02.008
[7]	陈莉丹, 谢剑锋, 刘勇, 陈明. 中国深空探测任务轨道控制技术综述 . 深空探测学报(中英文）, 2019, 6(3): 210-218. doi: 10.15982/j.issn.2095-7777.2019.03.002
[8]	马辛, 宁晓琳, 刘劲, 刘刚. 一种平面约束辅助测量的深空探测器自主天文导航方法 . 深空探测学报(中英文）, 2019, 6(3): 293-300. doi: 10.15982/j.issn.2095-7777.2019.03.014
[9]	李永, 丁凤林, 周成. 深空探测推进技术发展趋势 . 深空探测学报(中英文）, 2018, 5(4): 323-330. doi: 10.15982/j.issn.2095-7777.2018.04.002
[10]	朱安文, 刘磊, 马世俊, 李明. 空间核动力在深空探测中的应用及发展综述 . 深空探测学报(中英文）, 2017, 4(5): 397-404. doi: 10.15982/j.issn.2095-7777.2017.05.001
[11]	张国万, 李嘉华. 冷原子干涉技术原理及其在深空探测中的应用展望 . 深空探测学报(中英文）, 2017, 4(1): 14-19. doi: 10.15982/j.issn.2095-7777.2017.01.002
[12]	徐照钱, 赵方方, 陈翠桥. 模糊灰色聚类评估方法在导航滤波中的应用 . 深空探测学报(中英文）, 2017, 4(4): 379-384. doi: 10.15982/j.issn.2095-7777.2017.04.0011
[13]	杨永章, 李金岭, 平劲松, 李文潇. NASA历表在深空导航中的发展和比较 . 深空探测学报(中英文）, 2017, 4(1): 89-98. doi: 10.15982/j.issn.2095-7777.2017.01.014
[14]	刘瑞霞, 张剑桥. 基于测速测角敏感器的火星探测器自主导航方法研究 . 深空探测学报(中英文）, 2016, 3(3): 219-224. doi: 10.15982/j.issn.2095-7777.2016.03.004
[15]	汪梁, 赵方方, 陈翠桥, 徐照钱. 粒子滤波在自主天文导航系统中的性能评估和应用 . 深空探测学报(中英文）, 2016, 3(3): 246-252. doi: 10.15982/j.issn.2095-7777.2016.03.008
[16]	王伟, 马彦涵, 周易倩, 方宝东. 深空探测磁动力技术研究进展 . 深空探测学报(中英文）, 2015, 2(3): 203-207. doi: 10.15982/j.issn.2095-7777.2015.03.002
[17]	傅惠民, 娄泰山, 肖强. 火星进入段探测器自校准状态估计 . 深空探测学报(中英文）, 2015, 2(3): 224-228. doi: 10.15982/j.issn.2095-7777.2015.03.006
[18]	程瑶, 王日新, 徐敏强. 基于非线性未知输入观测器的航天器故障诊断 . 深空探测学报(中英文）, 2015, 2(3): 278-282. doi: 10.15982/j.issn.2095-7777.2015.03.015
[19]	张大鹏, 雷勇军. 深空探测返回舱着陆冲击动力学分析 . 深空探测学报(中英文）, 2014, 1(2): 150-155.
[20]	吴伟仁, 于登云. 深空探测发展与未来关键技术 . 深空探测学报(中英文）, 2014, 1(1): 5-17.

点击查看大图

计量

文章访问数: 1101
HTML全文浏览量: 33
PDF下载量: 412
被引次数: 0

自识别自校准Kalman滤波方法

doi: 10.15982/j.issn.2095-7777.2019.04.013

北京航空航天大学小样本技术研究中心, 北京 100191

收稿日期: 2019-06-13
修回日期: 2019-07-09
刊出日期: 2019-08-01

关键词:

Kalman滤波 /

未知输入 /

自识别 /

自校准 /

深空探测 /

故障诊断 /

导航

摘要: 在导航滤波、故障诊断等许多工程领域中，受环境因素影响、模型和参数的选取不当等原因，系统状态方程中往往含有未知输入（系统误差），传统的Kalman滤波方法无法消除这种未知输入的影响，导致产生较大的滤波误差。为此，提出一种自识别自校准Kalman滤波方法，并分别对线性系统和非线性系统进行了详细讨论，给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入，当有未知输入时，则能自动估计未知输入，并对它进行补偿和修正。大量实例计算和仿真模拟表明，与传统方法相比，本文方法能够有效提高状态估计精度，且计算简单，便于工程应用。