[发明专利]三自由度直升机系统传感器运行状态监测方法

权利要求书

1.一种三自由度直升机系统传感器运行状态监测方法，其特征在于：包括以下步骤，

计算出传感器的测量噪声协方差矩阵的估计值；

分析所述传感器的测量噪声协方差矩阵估计值，判断出所述传感器的运行状态是否正常：若所述传感器的测量噪声协方差矩阵估计值偏离所述传感器的标称值范围，判断出所述传感器的运行状态不正常；若所述传感器的测量噪声协方差矩阵估计值包含在所述传感器的标称值范围内，判断出所述传感器的运行状态正常；

计算传感器的测量噪声协方差矩阵的估计值包括以下步骤，

(1)创建所述传感器所在的三自由度直升机系统的随机跳变系统模型，

x_k＝f_k(x_k-1,r_k)+ω_k；

y_k＝g_k(x_k,r_k)+ν_k；

k为时间索引；x_k为k时刻系统状态值；y_k为k时刻系统测量值；f_k(·)为系统状态方程；g_k(·)为系统测量方程；r_k为k时刻系统模态；ω_k为过程噪声且ω_k服从均值为零的高斯分布即ω_k～N(0,Q_k)，Q_k为过程噪声协方差矩阵；ν_k为测量噪声且ν_k服从均值为零的高斯分布即ν_k～N(0,R_k)，R_k为k时刻系统测量噪声协方差矩阵；x_k-1为k-1时刻系统状态值；

(2)基于变分贝叶斯理论将每一模态下系统状态和测量噪声协方差的联合后验概率密度函数用两个独立的概率密度函数来表示，即

表示系统k时刻的模态为s，y_1:k为从时刻1到时刻k的测量值序列；

用一组加权粒子描述系统状态分布，用逆伽马分布描述测量噪声协方差；

(3)k时刻，先对每一模态下系统状态以及逆伽马分布参数进行预测，再根据k时刻的测量值对每一模态下系统状态和逆伽马分布参数进行迭代更新，输出k时刻的系统状态估计值和测量噪声协方差矩阵估计值；

步骤(3)中，输出k时刻的系统状态估计值和测量噪声协方差矩阵估计值包括，

重采样获得每一模态下新的状态粒子及权重并输出k时刻系统各模态下的状态估计值

其中，为k时刻s模态下系统状态粒子，为k时刻s模态下粒子权重，N_p为粒子数，i为粒子数索引；

步骤(3)中，输出k时刻的系统状态估计值和测量噪声协方差矩阵估计值还包括，

计算系统模态概率的更新值：

其中，为系统在k时刻处于s模态下的概率，

m为系统模态总数；π_ns为模态n到模态s的转移概率；为系统在k-1时刻处于n模态下的概率；为系统状态粒子的预测值；为k时刻s模态下粒子权重的预测值；δ为狄拉克δ函数；为k时刻测量噪声协方差矩阵估计值；N(·)表示高斯分布；

根据系统模态概率的更新值，将各模态下的状态估计值进行融合得到k时刻的系统状态估计值和测量噪声协方差矩阵估计值，能够确保状态估计值的准确度。

2.如权利要求1所述的三自由度直升机系统传感器运行状态监测方法，其特征在于：步骤(3)还包括，k-1时刻，使用交互式多模型算法将系统在每一模态下的状态粒子值进行融合，

融合后的状态粒子值作为k时刻每一模态下的状态粒子初始值；

其中，为粒子在s模态下的初始权重，为s模态下的融合初始粒子，和分别为k时刻逆伽马分布的形状参数和尺度参数的初始值；为k-1时刻测量噪声协方差矩阵第j个对角线元素；j为矩阵对角线元素索引；N_p为粒子数；d_y为y_k的维度。