基于证据理论状态估计方法及其在液位估计与应用.pdfVIP

第29 卷 第7 期 计算机与应用化学 Vol.29, No.7 2012 年7 月28 日 Computers and Applied Chemistry July 28, 2012 基于证据理论的状态估计方法及其在液位估计中的应用 1 1 1 徐晓滨 ，史健 ，文成林 （1. 杭州电子科技大学自动化学院系统科学与控制工程研究所，浙江，杭州，310018 ） 摘要 ：本文给出了一种基于证据理论的迭代算法估计噪声有界下的动态系统状态，并将其应用于工业液位仪的液位动态估计 当中。该算法将系统的状态方程、观测方程及实际观测看作提供证据的3 个信息源，利用证据的随机集表示及随机集扩展准则 从信息源中构造关于系统状态和观测的证据；通过相关证据融合方法将所构造的证据进行融合，并利用Pignistic 期望从融合结 果中计算出状态估计值。与基于置信函数的前反向传播算法相比，所提算法中的融合过程增加了估计的聚焦程度，使得估计结 果更加精确。通过在液位估计中的应用说明新算法可以使得估计的相对误差提高约0.3 个百分点。 关键词: 证据理论，随机集理论，状态估计，液位仪 中图分类号TP391.9 文献标识码：A 文章编号：1001-4160(2012)期-页-页 计结果更加精确，通过在液位估计中的应用，说明了所 1 引言 提算法可以有效提高液位估计的精度。 状态估计是根据获取的测量数据估计出动态系统内 部状态的方法。当今，用于线性或非线性系统状态估计 2 证据理论基础 的经典方法如Kalman 滤波、扩展Kalman 滤波及粒子滤 [1,2] 2.1 基本概念 波等，这些方法都已知噪声的统计特性 。然而实际中， 令Θ 是一个非空的有限集合，它所包含的元素两两 这些噪声的精确统计特性并不十分容易得到，但噪声变 互斥，称该集合为辨识框架，其中的元素或子集是所需 化范围相对容易获得。这时就出现了一类噪声有界下的 Θ Θ Θ 研究的对象。2 是Θ 的幂集，且有2 ，Θ 2 。 状态估计方法，也称误差有界下的状态估计方法。该类 [8] Θ 定义 1 基本概率赋值函数 设函数m: 2 →[0,1]， 方法假设噪声变量的论域是已知的紧集，即在一定的约 束条件下，其包含了变量的所有取值。 若其满足m()=0 ，且 A m(A) 1 ，则称m 为基本概 针对线性系统的状态估计，此类方法从 20 世纪 60 率赋值函数(Basic Probability assignment ,BPA) ，也称为 [3-5] 质量函数。若m(A)0 ，则称A 为Θ 的焦元。某证据源提 年代就有学者开始研究 。而对于非线性系统，此类方 供的一组关于Θ 的BPA 称作一个证据(体) 。 法研究的相对较少。A.Gning 基于区间分析和约束传播算