[发明专利]一种机动车尾气遥测设备校正方法

摘要

本发明涉及一种基于遥测数据的机动车尾气遥测设备校正方法，首先给出尾气遥测过程的状态空间模型，然后使用自调节阻差卡尔曼滤波方法进行估计。利用噪声统计估值器和粗大误差判断器，该滤波算法能够处理噪声统计特性时变以及存在测量粗大误差的情况，从而对尾气遥测设备进行校正，给出相对精确的尾气遥测结果。

主权项

1.一种机动车尾气遥测设备校正方法，其特征在于步骤如下：步骤1：将机动车尾气遥测设备布置在道路上，连续采集经过车辆的尾气中污染物浓度的数据；步骤2：建立机动车尾气遥测过程的状态空间模型；步骤3：使用自调节阻差卡尔曼滤波方法进行尾气遥测数据的校正；所述尾气遥测设备包括移动式、水平式和垂直式机动车尾气遥测设备；所述步骤2中，机动车尾气遥测过程的状态空间模型如下：系统状态方程：X_t+1＝X_t+W_t未发生故障时的测量方程：y_t+1＝X_t+1+V_t+1发生故障时的测量方程：y_t+1＝X_t+1+V_t+1+g_t+1其中：X_t+1为某一辆车尾气中污染物成分的真实浓度值，y_t+1为尾气中污染物成分的检测值，用尾气遥测设备获得，W_t和V_t是均值为零的高斯白噪声，方差分别为Q_W和Q_V，W_t、V_t两两不相关，即认为t时刻的方差值与t+1时刻的值相等，g_t为发生故障时的故障幅值，其幅值远远大于Q_V；所述步骤3中，自调节阻差卡尔曼滤波方法如下：初始条件：其中：E表示数学期望，X₀表示初始时尾气污染物成分的真实浓度值，是X₀的最优估计，P₀是初始估计误差；具体步骤如下：1)状态预测：其中，是t+1时刻的预测估计，是t时刻的最优估计；2)计算预测估计的方差：其中，P_t，t是t时刻的最优估计方差，P_t+1，t是t+1时刻的预测估计方差，是Q_W的估值；3)基于拉伊达准则进行粗大误差判断；4)如果不存在粗大误差，则：4.1)计算卡尔曼增益矩阵：其中，K_t是t时刻的卡尔曼增益，是Q_V的估值；4.2)最优估计：其中，是t+1时刻的最优估计；4.3)计算最优估计方差：P_t+1，t+1＝[1‑K_t]P_t+1，t其中，P_t+1，t+1是最优估计方差；5)如果存在粗大方差5.1)最优估计：5.2)计算最优估计方差：P_t+1，t+1＝P_t+1，t6)基于检测值相关性进行噪声方差估计；所述步骤3)中的粗大误差判断如下：即H₁：δ_t不服从正态分布由于g_t远远大于Q_V，所以|δ_t|＞其中H₀为未发生故障时，即不存在粗大误差的情况，H₁为发生故障时，即存在粗大误差的情况，根据这两个条件将量测值分为正常值和故障值两大类，δ_t表示新息，是实际输出与预测输出的差值，即所述步骤6)基于检测值相关性进行噪声方差估计如下：构造观测差值：Z_t+1＝y_t+1‑y_t，构造统计量a与b：其中n为统计数据数目，测量噪声估计：系统噪声估计：