基于改进型KALMAN滤波器和距离判别的故障检测算法.pdfVIP

基于改进型KALMAN滤波器与距离判别的故障检测算法 中国太原卫星发射中心技术部 武亚庆王瑞红’赵建梅 摘要 常规卡尔曼滤波器有一大缺点，窀要求精确的模型和噪声统计，但 实际问题中，大多数情况上述要求不能满足．左文弄II用考虑滤波器初始条件不精 确性的Kalman滤波方法和距离判别法进行故障检测产降低了误报警率，提高了 u。 鲁棒性． 。 ．。 、一 ， 。?。 。、7 主题词运载火箭姿态控制系统，故障检溷4，Kalman滤波，距离判别 近年来，国内学者十分关注运载火箭控制系统的故障检测与诊断问题。由于射前准备 时间有限，一个系统的故障会耽搁整个航区的进度，快速准确地检测出故障显得非常必要。 wi 器进行多重模型假设检验来判别系统故障。但常规卡尔曼滤波器有一大缺点，它要求精确 的模型和噪声统计，但实际问题中，大多数情况上述要求不能满足。由于运载火箭在正常 工作和故障状态下控制系统有很大变化，模型的精确性有限，常规卡尔曼滤波算法由于其 一j‘≮ 鲁棒性不强，难以解决运载火箭或其它飞行器的故障检测和诊断问题。文献1提出了考虑 ’舞 ’ 滤波器的初始条件不精确性的Kalman滤波器，本文利用其进行故障检测。 无论连续时间系统，还是离散时间系统，响应误差效果即最优Kalman滤波器瞬态响 应。在稳态条件下，最优Kalme．n滤波器特性并不由初始条件的不精确性而改变。考虑Kalman 滤波器初始条件的不精确性时，Kalman滤波器的；仍始条件不是系统初始状态的均值，所 以最优性必须根据估计误差均值和估计误差的协方差来实现。 l算法 1．1连续时间系统 考虑一个线性随机系统 ．鼬)=彳(，)x(，)+c(1)w(t) y(，)=C(t)x(t)+v(f) 并且E№)}≮E胀。)一再Ⅱ圳一而阱Q 7是测量向量，W∈R”和V∈R7是不相关的高 这里x∈R”是一个状态向量，Y∈R 斯平稳零均值白噪声随机过程，么(，)，G(f)，c(，)，w(nv(t)是相应维数的矩阵。以，)和 v(t)为w(f)，v(t)的协方差阵。 因为w(f)，v(，)为零均值白噪声随机过程，估计误差的均值满足下列方程： 投f)=【么(f)一K(f)c(f)№)，虿(f。)=毛一曷 (1) k(t)为最优滤波器增益 估计误差的协方差阵尸(，)满足： 7’(f)+K(t)V(t)K [AO)一K(，)c(，)】尸(，)+尸(，)【么(，)一日，)c(，)]7’+G(t)W(t)G 方差判据为：口(f)=E{e(，)P7’(，)}=万r(，)虿(r)+护{尸(，)} (3) 在工程中，若已知e(t。)=文f。)一蜀的概率分布，假设为正态分布， e(t。)～N(O,G，)，它的均值为0，它的方差为 P(，。)Pt。)7=q 最优滤波器增益须在(1)和(2)的条件下取(3)的最小值。 记 歹(f)=虿(f)虿(r)， f芦=【彳(r)一斛f)co)】芦o)+芦(f)【么o)一K(f)co)】71， l 芦(，。)=E。E彳 I熙)=№)一K(r)c(r)p(r)+s(r)№)一K(r)c(r)】7