[发明专利]线性动力学系统运动状态预测方法及系统

权利要求书

1.一种线性动力学系统运动状态预测方法，其特征在于，包括：

对获取的状态测量值进行卡尔曼滤波处理，得到滤波后的状态量；

利用滤波后的状态量预测状态转移矩阵，得到校准更新后的状态转移矩阵；

利用滤波后的状态量及校准更新后的状态转移矩阵对线性动力学系统运动状态进行预测；

其中，所述线性动力学系统为伴有姿态和位置变化的运动平台，所述状态量为所述运动平台的滚转角、滚转角速度、俯仰角、俯仰角速度、偏航角、偏航角速度、速度、加速度；

所述利用滤波后的状态量预测状态转移矩阵的步骤中，若系统输入量且未知，且其幅值、作用时间、周期呈随机特性，则采用系统的等效状态转移矩阵对系统运动状态进行预测，如下式所示：

；

其中，为k时刻的状态量，为k+t时刻的状态量；

k时刻的等效状态转移估计矩阵为：

；

其中，

；

；

；

式中，为k时刻的等效状态转移估计矩阵，为k-1时刻的等效状态转移估计矩阵，为k时刻的状态转移误差矩阵，为从k-t时刻到k时刻的多步状态量估计误差，为k时刻的状态量估计误差，为k-1时刻的状态量估计误差，为k-t时刻的状态量估计误差，为k-t-1时刻到k-1时刻的状态量，为k-t-1时刻滤波后的状态量，为k-2时刻滤波后的状态量，为k -1时刻滤波后的状态量。

2.根据权利要求1所述的线性动力学系统运动状态预测方法，其特征在于，在对获取的状态测量值进行卡尔曼滤波处理之前，还包括，利用传感器获取状态测量值。

3.根据权利要求2所述的线性动力学系统运动状态预测方法，其特征在于，利用状态转移矩阵、观测矩阵、卡尔曼滤波增益、状态误差协方差矩阵，量测误差矩阵，对传感器测得的状态测量值进行卡尔曼滤波处理，得到滤波后的状态量。

4.根据权利要求1所述的线性动力学系统运动状态预测方法，其特征在于，

若系统输入量，则采用系统的状态转移矩阵对系统运动状态进行预测，如下式所示：

；

其中，为k时刻的状态量，为k+t时刻的状态量。

5.根据权利要求1所述的线性动力学系统运动状态预测方法，其特征在于，k时刻的状态量测值如下式所示：

；

其中，

；

；

；

；

式中，表示k时刻滤波后的状态量，是基于k-1时刻的A矩阵和k-1时刻的状态滤波值预测k时刻状态量的估计值，为k时刻的卡尔曼增益矩阵，为为由k-1时刻的状态误差协方差矩阵对k时刻的状态误差协方差矩阵的估计值，为k-1时刻状态协方差矩阵，为k-1时刻等效状态转移矩阵，表示k-1时刻滤波后的状态量，为k时刻修正后的状态协方差矩阵，为与等维数的单位矩阵，为观测矩阵，为量测误差矩阵。

6.根据权利要求1所述的线性动力学系统运动状态预测方法，其特征在于，利用滤波后的状态量预测状态转移矩阵，得到校准更新后的状态转移矩阵，包括：

利用即时的和历史的状态观测值、状态估计值和状态滤波值信息预测状态转移误差矩阵；及利用状态转移误差矩阵确定下一时刻的状态转移矩阵，由此得到校准更新后的状态转移矩阵。