亚星游戏官网-www.yaxin868.com

专利名称：：基于b样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法
技术领域：
：本发明涉及多功能传感器信号重构
技术领域：
，具体涉及一种基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法。
背景技术：
：信号重构技术是多功能传感技术不可缺少的一部分，如何在保证传感精度的前提下，简化模型、降低计算量、使其适合在微处理器上应用是其技术关键。常用的信号重构算法有查表法、移动最小二乘、支持向量机等。查表法(Look-uptable)是最简单也是最传统的一种信号重构方法，它将传感器的输入输出以表格的形式存储起来，使用时，直接在表中查出传感器输出信号对应的被测变量的值。查表法的精度完全依赖于表中数据的间隔，对存储空间的要求较高。对于多输入多输出的多功能传感器而言，查表法难以满足实际应用需要。移动最小二乘(MovingLeastSquares，MLS)的基本原理是，首先对全特性曲线在整个求解区域内分区，然后在不同的区域上用最小二乘拟合，即采用分区局部拟合。通过这样的处理，求解域内的每一个代测点都能够得到局部最优的结果，因此可以有效地提高信号重构的整体精度。支持向量机(SupportVectorMachine，SVM)是针对有限的样本信息的情况，在模型的复杂性和学习能力之间寻求最佳折中的学习方法，以期获得更好的推广能力。它利用结构风险最小化准则来代替传统的经验风险最小化准则，有效地避免了经典机器学习方法中的过拟合、局部极小化、维数灾难等问题。后两种方法均是基于逆模型的多功能传感器的信号重构方法，能达到较高的建模精度。然而，它们对建模复杂性问题考虑不足，计算模型参数需要花费较多的系统资源。
发明内容为了解决现有的多功能传感器信号重构方法建模复杂而占用系统资源较大的问题，本发明提供一种基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法。本发明的基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法，所述信号重构方法包括如下步骤步骤一利用B样条函数描述多功能传感器的逆模型结构权利要求基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法，其特征在于所述信号重构方法包括如下步骤步骤一利用B样条函数描述多功能传感器的逆模型结构<mrow><msub><mover><mi>x</mi><mo>^</mo></mover><mi>i</mi></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>j</mi><mn>1</mn></msub><mo>=</mo><mo>-</mo><mi>K</mi><mo>+</mo><mn>1</mn></mrow><msub><mi>L</mi><mn>1</mn></msub></munderover><munderover><mi>&Sigma;</mi><mrow><msub><mi>j</mi><mn>2</mn></msub><mo>=</mo><mo>-</mo><mi>K</mi><mo>+</mo><mn>1</mn></mrow><msub><mi>L</mi><mn>2</mn></msub></munderover><mo>.</mo><mo>.</mo><mo>.</mo><munderover><mi>&Sigma;</mi><mrow><msub><mi>j</mi><mi>n</mi></msub><mo>=</mo><mo>-</mo><mi>K</mi><mo>+</mo><mn>1</mn></mrow><msub><mi>L</mi><mi>n</mi></msub></munderover><mo>[</mo><msub><mi>c</mi><mrow><msub><mi>j</mi><mn>1</mn></msub><mo>,</mo><msub><mi>j</mi><mn>2</mn></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><msub><mi>j</mi><mi>n</mi></msub></mrow></msub><msub><mi>B</mi><mrow><msub><mi>j</mi><mn>1</mn></msub><mo>,</mo><mi>K</mi></mrow></msub><mrow><mo>(</mo><msub><mi>y</mi><mrow><mn>1</mn><mo>,</mo><mi>i</mi></mrow></msub><mo>)</mo></mrow><msub><mi>B</mi><mrow><msub><mi>j</mi><mn>2</mn></msub><mo>,</mo><mi>K</mi></mrow></msub><mrow><mo>(</mo><msub><mi>y</mi><mrow><mn>2</mn><mo>,</mo><mi>i</mi></mrow></msub><mo>)</mo></mrow><mo>.</mo><mo>.</mo><mo>.</mo><msub><mi>B</mi><mrow><msub><mi>j</mi><mi>n</mi></msub><mo>,</mo><mi>K</mi></mrow></msub><mrow><mo>(</mo><msub><mi>y</mi><mrow><mi>n</mi><mo>,</mo><mi>i</mi></mrow></msub><mo>)</mo></mrow><mo>]</mo><mo>,</mo></mrow>i＝1，...，m其中，Ln+2K为对应于第n个输出样本数据yn的节点向量的维数，并利用扩展卡尔曼滤波计算所述逆模型结构中的控制系数完成所述逆模型结构的建立，其中，所述逆模型结构为n输入单输出结构，L1，L2，…，Ln和m均为正整数，K表示所述B样条函数的阶数，表示多功能传感器的第n个输出样本数据yn下的B样条基函数；步骤二将被测数据输入至所述多功能传感器，以获取所述多功能传感器的输出数据，并将所述多功能传感器的输出数据作为所建立的逆模型结构的输入数据，以获取输入所述多功能传感器的被测数据的输入估计值，完成多功能传感器信号重构。FDA0000025436840000012.tif,FDA0000025436840000013.tif,FDA0000025436840000014.tif,FDA0000025436840000015.tif,FDA0000025436840000016.tif2.根据权利要求1所述的基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法，其特征在于在步骤一中，利用B样条函数描述多功能传感器的逆模型结构3.根据权利要求1或2所述的基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法，其特征在于在步骤一中，利用扩展卡尔曼滤波计算所述逆模型结构&中的控制系数{Cj,p,gt-Dl二的具体过程为首先，将控制系数"((^^‘^^^+-^^的初值选为1，作为扩展卡尔曼滤波的状态向量，并将所述扩展卡尔曼滤波的协方差矩阵的初值选为单位矩阵；然后，利用扩展卡尔曼滤波的更新方程4.根据权利要求2所述的基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法，其特征在于获取输出样本数据的B样条节点向量的方法为均勻节点法、累积弦长节点法或自由节点法。5.基于权利要求1中所建立的逆模型结构的多功能传感器的标定方法，其特征在于所述标定方法的具体过程为首先，采用多功能传感器对被测物理量进行测量，并获得此时多功能传感器的输出信号；其次，通过AD转换器将获得的多功能传感器的输出信号进行A/D转换，获得转换结果作为多功能传感器的逆模型结构&的输入信号，此时该逆模型结构&的输出信息即为被测物理量的估计值；最后，将获得的所述估计值作为对多功能传感器的标定结果，实现标定。全文摘要基于B样条和扩展卡尔曼滤波的多功能传感器信号重构方法及多功能传感器的标定方法，它涉及多功能传感器信号重构
技术领域：
。它解决了现有的多功能传感器信号重构方法建模复杂而占用系统资源较大的问题，本发明的信号重构方法包括先建立逆模型结构，再将被测数据输入至多功能传感器获取输出数据，并将其作为逆模型结构的输入数据，获取输入该多功能传感器的被测数据的输入估计值，完成多功能传感器信号重构；本发明的标定方法包括首先通过AD转换器将多功能传感器的输出信号采样后输入到所述逆模型中，则逆模型的输出即为被测物理量的估计值，再将获得的估计值作为采集的输出信号所对应的输入值，实现标定。本发明适用于多功能传感器信号重构。文档编号G01D18/00GK101968369SQ20101026832公开日2011年2月9日申请日期2010年8月31日优先权日2010年8月31日发明者孙金玮,王昕,魏国申请人:哈尔滨工业大学