[发明专利]一种机动车尾气遥测设备校正方法

权利要求书

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，t

6)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：