[发明专利]基于传递熵和自适应融合的污染排放遥测误差补偿方法

权利要求书

1.基于传递熵和自适应融合的污染排放遥测误差补偿方法，该方法具体包括以下步骤：

步骤一：测量干扰间相关性因果分析；

通过传递熵因果分析确定误差的主要来源以及衡量多干扰间的不平衡程度；

步骤二：多干扰下测量误差建模；

建立基于极限学习机的多干扰误差预测模型并对不同单干扰因素下的误差进行估计；

步骤三：多传感器虚拟观测建摸；

通过虚拟测量的方法将测量过程转化为多传感器虚拟观测过程，建立多传感器虚拟观测数学模型；

步骤四：通过虚拟观测模型对原始序列进行多序列分解；

步骤五：多序列自适应卡尔曼融合估计；

采用强跟踪自适应卡尔曼滤波对多传感器虚拟观测序列进行融合估计；在自适应融合过程中利用时变噪声估计器中对测量噪声的进行自适应估计，并利用最优状态估计器来估计真实数值。

2.根据权利要求1所述的基于传递熵和自适应融合的污染排放遥测误差补偿方法，其特征在于：

所述步骤一中，传递熵具有方向性，能够反应系统间信息流传递的方向性；由于测量系统大都是因果系统，系统间的信息流的传递具有方向性；因而当传递熵与实际信息流的传递方向相同时，即为正向传递熵，并具有显著变化；若与实际方向相反时，即为反向传递熵，则会明显较小；通过传递熵的这种方向性以及测量系统信息流动的固有方向性可以判断干扰与测量之间是否具有显著因果关系；取最大反向传递熵作为显著性因果判定阈值TE₀；当干扰的正向传递熵小于阈值时，则可以认为该干扰对于测量不具有显著性因果关系。

3.根据权利要求1所述的基于传递熵和自适应融合的污染排放遥测误差补偿方法，其特征在于：所述步骤三具体：

采用虚拟测量的方法将观测序列分解的过程实际上是从多干扰到单干扰的分解过程；因而，将多虚拟观测序列看成是多传感器虚拟观测过程，并对多传感器观测过程建立数学模型；

多传感器测量系统的状态方程和测量方程如下：

X(k)＝A(k,k-1)X(k-1)+v(k-1) (1)

Z(k)＝H(k)X(k)+w(k-1) (2)

式中，X(k)为k时刻的系统的状态向量，Z(k)为k时刻的测量向量，A，H分别为系统状态转移矩阵，量测矩阵；ω(k)和v(k)分别为过程噪声和测量噪声；

针对多传感器虚拟测量系统，观测向量设定为虚拟观测序列Z，状态向量为真实观测序列X，如下所示：

则状态转移矩阵和量测矩阵分别为A和H：

状态噪声v(k)为随机噪声θ，测量噪声w(k)为多干扰测量误差：

v(k)的协方差矩阵Q和w(k)的协方差矩阵R则通过时变噪声估值器进行估计；

利用置信权值K可以对测量噪声协方差矩阵R内部元素进行约束，如式(7)所示：

R^*＝R*diag(λ·K_tλ·K_pλ·K_w) (7)

其中Yt、Yp、Yw分别为温度、气压、风速干扰下的CO气体测量值，y_r为CO气体浓度真实值，W_t、W_p、W_w分别为温度、气压、风速干扰下的噪声，b^k为遗忘因子的k次方。

4.根据权利要求1所述的基于传递熵和自适应融合的污染排放遥测误差补偿方法，其特征在于：所述步骤四具体是：

针对遥感测量中的外部环境干扰来源明确、干扰可被检测、干扰间相互耦合较小的情况，假设外部环境干扰对测量的影响为加性噪声，则测量值Y看作由式(8)表示；

Y＝y_r+W_t+W_w+W_p…+W_i+θ (8)

其中，Y为测量值，y_r为真实值，W_t、W_p、W_w...W_i为包括温度t、风速w、气压p干扰下的噪声，为随机测量噪声；

以CO气体检测为例，通过显著性因果判定阈值可以排除对测量结果影响较小甚至无关的干扰项，其主要干扰因素为：温度、气压、风速；则式(8)简化为式(9)；

Y＝y_r+W_t+W_w+W_p+θ (9)

为了实现观测序列的重构，提出了虚拟测量的方法；设温度、气压、风速单干扰下的测量值分别为Yt、Yp、Yw如式(10)所示；显然，在实际测量过程中，总是多干扰并存；而单干扰下的测量值在实际中并不存在，因而称之为“虚拟测量”；

其中，由于真实值y_r和随机噪声θ无法得知，利用式(9)变换可得y_r+θ＝Y-W_t-W_w-W_p，并将其代入到式(10)中可得到下式：

其中Y为测量序列，Wt、Wp、Ww可以通过多干扰误差预测模型进行估计；通过虚拟测量的方法对观测序列进行解构之后，还需要进行重构。