[发明专利]一种动态自适应扩展卡尔曼滤波容错算法

权利要求书

1.一种动态自适应扩展卡尔曼滤波容错算法，其特征在于，包括

以下步骤：

S1，对系统模型误差进行估计，用于修正误差；

S2，对系统状态向量进行预测；

S3，对系统状态协方差矩阵进行预测；

S4，计算卡尔曼滤波增益矩阵；

S5，构造动态调整自适应因子；

S6，对系统状态进行更新；

S7，系统状态更新协方差。

2.根据权利要求1所述的动态自适应扩展卡尔曼滤波容错算法，

其特征在于，所述步骤S1具体为：

对系统模型误差进行估计，用于修正误差：

（1）

表示当前系统模型误差估计，k表示系统更新次数， 是当前系统

模型误差估计的公式简化项；

表示系统状态向量估计， 表示系统输出向量估计， 表示系

统下一步的输出向量， 表示时间增量， 表示观测估计的泰勒展开式中的一项。

3.根据权利要求1所述的动态自适应扩展卡尔曼滤波容错算法，

其特征在于，所述步骤S2具体为：

对系统状态向量进行预测：

（2）

其中，表示系统模型误差一步转移矩阵；表示系统状态一步转移矩阵；表示系统状态向量；表示上一步系统状态向量估计； 表示上一步系统模型误差估计。

4.根据权利要求1所述的动态自适应扩展卡尔曼滤波容错算法，

其特征在于，所述步骤S3具体为：

对系统状态协方差矩阵进行预测：

（3）

其中，表示系统噪声驱动矩阵， 表示系统状态向量预测， 表示系统状态一步转移矩阵， 表示过程误差协方差矩阵。

5.根据权利要求1所述的动态自适应扩展卡尔曼滤波容错算法，

其特征在于，所述步骤S4具体为：

计算卡尔曼滤波增益矩阵：

（4）

其中，表示观测向量的等价协方差矩阵，

表示卡尔曼滤波增益矩阵， 表示系统状态向量预测， 表示观测矩阵。

6.根据权利要求1所述的动态自适应扩展卡尔曼滤波容错算法，

其特征在于，所述步骤S5具体为：

构造动态调整自适应因子：

（5）

其中， 表示动态调整自适应因子，表示当前历元状态参数抗差解，

表示自定义参数。

7.根据权利要求1所述的动态自适应扩展卡尔曼滤波容错算法，

其特征在于，所述步骤S6具体为：

对系统状态进行更新：

（6）

其中， 表示系统状态向量估计， 表示单位矩阵， 表示卡尔曼滤波增益矩阵，表示系统输出向量。

8.根据权利要求1所述的动态自适应扩展卡尔曼滤波容错算法，

其特征在于，所述步骤S7具体为：

系统状态更新协方差：

（7）

其中， 表示系统状态向量估计， 表示单位矩阵， 表示卡尔曼滤波增益矩阵， 表示观测矩阵， 表示观测噪声协方差矩阵。