[发明专利]基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法有效
| 申请号： | 201811093396.3 | 申请日： | 2018-09-19 |
| 公开（公告）号： | CN109086247B | 公开（公告）日： | 2022-10-18 |
| 发明（设计）人： | 郁明;孙路路;王海;姜苍华;赵林峰 | 申请（专利权）人： | 合肥工业大学 |
| 主分类号： | G06F17/11 | 分类号： | G06F17/11;G06F17/16;G06F17/17;G06Q10/06 |
| 代理公司： | 合肥和瑞知识产权代理事务所(普通合伙) 34118 | 代理人： | 王挺 |
| 地址： | 230009 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法，包括：对电动代步车系统的系统状态空间方程进行离散化处理，得到时间离散的系统状态空间方程；将待估计参数添加到系统状态变量中，得到增广后的系统状态空间方程，所述待估计参数为故障集合中的参数；采用具有双时间尺度的无迹卡尔曼滤波算法对待估计参数与原系统状态变量进行联合估计，在宏观尺度下，仅对增广前的原系统状态变量采用无迹卡尔曼滤波进行估计，在微观尺度下，对增广后的系统状态变量采用无迹卡尔曼滤波进行估计。本发明解决了故障诊断实时性差、故障源定位不及时的问题，减少了故障诊断时的计算量，提高了运算效率。 | ||
| 搜索关键词： | 基于 时间 尺度 卡尔 滤波 系统故障 参数估计 方法 | ||
【主权项】：
1.基于双时间尺度无迹卡尔曼滤波的系统故障参数估计方法，其特征在于，包括以下步骤：S1，对电动代步车系统的连续的系统状态空间方程进行离散化处理，得到时间离散的系统状态空间方程；S2，将L2‑L1个待估计参数添加到电动代步车系统的L1个原系统状态变量中，得到增广后的系统状态空间方程；其中，所述待估计参数为故障集合中的参数；增广前的系统状态空间方程的维度为L1，增广前的系统状态变量为L1个；增广后的系统状态空间方程的维度为L2，增广后的系统状态变量为L2个；S3，采用具有双时间尺度的无迹卡尔曼滤波算法对L2‑L1个待估计参数与L1个原系统状态变量进行联合估计，得到参数估计值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于合肥工业大学，未经合肥工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811093396.3/，转载请声明来源钻瓜专利网。
