基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法
【專利摘要】本發(fā)明公開(kāi)了一種基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法。本發(fā)明包括以下步驟：1）采集在線數(shù)據(jù)；2）輸入離線數(shù)據(jù)；3）設(shè)定模型精度需求；4）數(shù)據(jù)預(yù)處理；5）判斷是否存在動(dòng)平衡系統(tǒng)模型；6）判斷系統(tǒng)不平衡量是否超過(guò)閾值；7）帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法；8）動(dòng)平衡系統(tǒng)模型；9）動(dòng)平衡調(diào)整。本發(fā)明根據(jù)動(dòng)平衡系統(tǒng)小樣本和非線性的特點(diǎn)采用支持向量機(jī)算法進(jìn)行系統(tǒng)建模，并且利用生物地理學(xué)智能優(yōu)化算法對(duì)支持向量機(jī)算法的懲罰因子和核函數(shù)參數(shù)進(jìn)行尋優(yōu)，另外考慮到動(dòng)平衡系統(tǒng)現(xiàn)場(chǎng)的噪聲干擾，本發(fā)明還采用卡爾曼濾波增強(qiáng)了整體算法的魯棒性和精確性，可實(shí)現(xiàn)對(duì)動(dòng)平衡系統(tǒng)的高精度檢測(cè)控制。
【專利說(shuō)明】基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于自動(dòng)化控制和人工智能【技術(shù)領(lǐng)域】，具體涉及基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法。
技術(shù)背景
[0002]在自動(dòng)化控制中，由于旋轉(zhuǎn)機(jī)械在長(zhǎng)時(shí)間工作的情況下可能存在的機(jī)械磨損和安全性問(wèn)題，動(dòng)平衡技術(shù)突顯出其重要意義，如果能夠在旋轉(zhuǎn)機(jī)械工作的情況下實(shí)時(shí)調(diào)整旋轉(zhuǎn)機(jī)械的質(zhì)量分布，就可以減小旋轉(zhuǎn)不平衡量對(duì)轉(zhuǎn)軸的影響，使旋轉(zhuǎn)機(jī)械能夠長(zhǎng)時(shí)間的安全運(yùn)行。
[0003]目前，對(duì)動(dòng)平衡技術(shù)的研究多采用比較傳統(tǒng)的方法，比如試探法、影響因子法等，這些方法對(duì)旋轉(zhuǎn)機(jī)械工作現(xiàn)場(chǎng)環(huán)境要求較高，當(dāng)現(xiàn)場(chǎng)存在較大噪聲干擾影響傳感器測(cè)量精度時(shí)，傳統(tǒng)方法的檢測(cè)控制效果不佳。此外，傳統(tǒng)方法在長(zhǎng)時(shí)間運(yùn)行之后會(huì)發(fā)生誤差逐漸增大的情況，不利于旋轉(zhuǎn)機(jī)械的實(shí)際工作。
[0004]支持向量機(jī)(Support Vector Machine,簡(jiǎn)稱SVM)是由統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展而來(lái)的，建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的具有良好泛化能力的一種機(jī)器學(xué)習(xí)方法，在解決小樣本、非線性和高維模式識(shí)別的問(wèn)題時(shí)具有很好的優(yōu)越性。SVM的核函數(shù)通常選用高斯徑向基(Radial Basis Function,簡(jiǎn)稱RBF)核函數(shù),此時(shí)SVM的算法性能受到懲罰因子C和核函數(shù)參數(shù)σ的強(qiáng)烈影響，因此參數(shù)的確定一直是個(gè)研究的熱點(diǎn)問(wèn)題。
[0005]生物地理學(xué)智能優(yōu)化算法(Biogeography-Based Optimization,簡(jiǎn)稱ΒΒ0)是受生物地理學(xué)理論啟發(fā)的基于群智能的優(yōu)化算法，與遺傳算法和粒子群算法相比，BBO具有設(shè)置參數(shù)少、計(jì)算簡(jiǎn)單和收斂速度快等優(yōu)點(diǎn)，特別適用于實(shí)際工程應(yīng)用中的優(yōu)化問(wèn)題。
[0006]在動(dòng)平衡系統(tǒng)這類實(shí)際工程應(yīng)用中，現(xiàn)場(chǎng)噪聲干擾對(duì)傳感器檢測(cè)以及后期算法運(yùn)行造成較大的影響，因此有必要結(jié)合卡爾曼濾波、BBO和SVM的各自優(yōu)勢(shì)，對(duì)動(dòng)平衡檢測(cè)控制方法進(jìn)行改進(jìn)。
[0007]目前，針對(duì)動(dòng)平衡檢測(cè)控制方法，中國(guó)專利申請(qǐng)?zhí)枴?00910023752.9”——公開(kāi)了“一種改進(jìn)的高速主軸全息動(dòng)平衡方法”；中國(guó)專利申請(qǐng)?zhí)枴?00910180576.X” 一一公開(kāi)了“動(dòng)平衡試驗(yàn)工裝及其動(dòng)不平衡的配平方法”；中國(guó)專利申請(qǐng)?zhí)枴?01110425584.3” 一一公開(kāi)了“一種大型旋轉(zhuǎn)載荷動(dòng)平衡控制方法”;中國(guó)專利申請(qǐng)?zhí)枴?01310581038.8”一一公開(kāi)了“一種電機(jī)轉(zhuǎn)子動(dòng)平衡的校驗(yàn)方法”；中國(guó)專利申請(qǐng)?zhí)枴?01310179099.1” 一一公開(kāi)了 “剛性轉(zhuǎn)子動(dòng)平衡的獲取方法”。在已公開(kāi)的發(fā)明或文獻(xiàn)中，未提到使用基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法的實(shí)例。

【發(fā)明內(nèi)容】

[0008]針對(duì)現(xiàn)有技術(shù)存在的缺陷，本發(fā)明的目的是提供一種基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法，提高動(dòng)平衡檢測(cè)控制系統(tǒng)的精確性。本發(fā)明實(shí)用性聞，推廣能力強(qiáng)。
[0009]為達(dá)到上述目的，本發(fā)明采用了以下技術(shù)方案:
基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法，包括以下步驟:
(1.1)，采集在線數(shù)據(jù)，即實(shí)時(shí)采集安裝在動(dòng)平衡系統(tǒng)上的傳感器的數(shù)據(jù)；
(1.2)，輸入離線數(shù)據(jù)，即輸入動(dòng)平衡系統(tǒng)的歷史測(cè)量數(shù)據(jù)；
(1.3)，設(shè)定模型精度需求，即設(shè)定動(dòng)平衡系統(tǒng)建模的模型精度需求；
(1.4)，數(shù)據(jù)預(yù)處理，即對(duì)在線數(shù)據(jù)，離線數(shù)據(jù)和模型精度需求等數(shù)據(jù)進(jìn)行錯(cuò)誤數(shù)據(jù)和冗余數(shù)據(jù)的數(shù)據(jù)清除以及數(shù)據(jù)集成工作；
(1.5)，判斷是否存在動(dòng)平衡系統(tǒng)模型，即是否當(dāng)前狀態(tài)已經(jīng)存在動(dòng)平衡系統(tǒng)模型，若是，轉(zhuǎn)步驟(1.6)，否則，轉(zhuǎn)步驟(1.7)；
(1.6)，判斷系統(tǒng)不平衡量是否超過(guò)閾值，若是，轉(zhuǎn)步驟(1.7)，否則，轉(zhuǎn)步驟(1.8)；
(1.7)，通過(guò)帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法對(duì)動(dòng)平衡系統(tǒng)進(jìn)行建模，得到動(dòng)平衡系統(tǒng)模型；
(1.8)，將步驟(1.4)預(yù)處理后的數(shù)據(jù)輸入動(dòng)平衡系統(tǒng)模型，計(jì)算得到動(dòng)平衡控制信
號(hào);
(1.9)，將步驟(1.8)得到的動(dòng)平衡控制信號(hào)輸入動(dòng)平衡系統(tǒng)進(jìn)行動(dòng)平衡調(diào)整。
[0010]所述步驟(1.7)所述的帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法是通過(guò)帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化算法對(duì)支持向量機(jī)做參數(shù)尋優(yōu)實(shí)現(xiàn)的，其步驟為:
(2.1)，初始化生物地理學(xué)智能優(yōu)化算法BBO的參數(shù)；
(2.2),初始化支持向量機(jī)基本參數(shù)；
(2.3)，隨機(jī)初始化每個(gè)棲息地的適應(yīng)度向量；
(2.4)，將輸入數(shù)據(jù)集歸一化，作為支持向量機(jī)的訓(xùn)練集；
(2.5)，將BBO中每個(gè)棲息地的適應(yīng)度向量即支持向量機(jī)的懲罰因子C和核函數(shù)參數(shù)σ代入支持向量機(jī)；
(2.6)，計(jì)算支持向量機(jī)的訓(xùn)練集均方誤差MSE作為每個(gè)棲息地的適應(yīng)度指數(shù)HSI ；
(2.7)，經(jīng)過(guò)卡爾曼濾波，計(jì)算每個(gè)棲息地的HSI估計(jì)值；
(2.8)，將每個(gè)棲息地按照其HSI估計(jì)值進(jìn)行排序；
(2.9)，計(jì)算每個(gè)棲息地可容納的物種數(shù)量S，遷入率λ和遷出率μ ；
(2.10)，根據(jù)λ和μ確定物種遷移；
(2.11)，計(jì)算每個(gè)棲息地的變異率，進(jìn)行物種變異操作；
(2.12)，通過(guò)支持向量機(jī)重新計(jì)算棲息地的HSI值，保存全局最優(yōu)解；
(2.13)，判斷是否滿足終止條件，若是，繼續(xù)以下步驟，否則，轉(zhuǎn)步驟(2.5);
(2.14)，輸出支持向量機(jī)模型的最優(yōu)參數(shù)，建模完成。
[0011]本發(fā)明與現(xiàn)有技術(shù)相比較，具有以下突出的實(shí)質(zhì)性特點(diǎn)和顯著的進(jìn)步:
(I)本發(fā)明使用支持向量機(jī)對(duì)動(dòng)平衡系統(tǒng)進(jìn)行建模，在動(dòng)平衡系統(tǒng)小樣本和非線性的情況下，充分利用支持向量機(jī)的優(yōu)勢(shì)進(jìn)行精確建模，增強(qiáng)了動(dòng)平衡系統(tǒng)的控制精度。
[0012](2)本發(fā)明使用生物地理學(xué)智能優(yōu)化算法對(duì)支持向量機(jī)的懲罰因子和核函數(shù)參數(shù)進(jìn)行尋優(yōu)，具有設(shè)置參數(shù)少、計(jì)算簡(jiǎn)單和收斂速度快等優(yōu)點(diǎn)，具有很強(qiáng)的適應(yīng)性和魯棒性。
[0013](3)本發(fā)明引入卡爾曼濾波對(duì)生物地理學(xué)智能優(yōu)化算法進(jìn)行優(yōu)化，利用卡爾曼濾波減小動(dòng)平衡系統(tǒng)工作現(xiàn)場(chǎng)噪聲干擾對(duì)生物地理學(xué)智能優(yōu)化算法中棲息地適應(yīng)度指數(shù)計(jì)算帶來(lái)的負(fù)面影響，避免陷入局部最優(yōu)，提高了收斂精度。
【專利附圖】

【附圖說(shuō)明】
[0014]圖1是本發(fā)明基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法的主程序框圖。
[0015]圖2是圖1中的帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的子程序框圖。
【具體實(shí)施方式】
[0016]下面結(jié)合附圖和優(yōu)選實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述。
[0017]實(shí)施例一:
如圖1所示，本基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法，包括如下步驟:
(1.1)，采集在線數(shù)據(jù)，即實(shí)時(shí)采集安裝在動(dòng)平衡系統(tǒng)上的傳感器的數(shù)據(jù)。采集的數(shù)據(jù)包括一個(gè)轉(zhuǎn)速傳感器和若干振動(dòng)傳感器的實(shí)時(shí)數(shù)據(jù)。
[0018](1.2)，輸入離線數(shù)據(jù)，即輸入動(dòng)平衡系統(tǒng)的歷史測(cè)量數(shù)據(jù)。針對(duì)實(shí)際采樣情況選擇離線數(shù)據(jù)的規(guī)模，若實(shí)際采樣情況不佳，有效數(shù)據(jù)采集速度較慢，則可以輸入較大規(guī)模的離線數(shù)據(jù)以加快建模速度。
[0019](1.3)，設(shè)定模型精度需求，即設(shè)定動(dòng)平衡系統(tǒng)建模的模型精度需求。模型精度需求對(duì)建模速度和動(dòng)平衡檢測(cè)控制精度有較大影響。
[0020](1.4)，數(shù)據(jù)預(yù)處理，即對(duì)在線數(shù)據(jù)，離線數(shù)據(jù)和模型精度需求等數(shù)據(jù)進(jìn)行錯(cuò)誤數(shù)據(jù)和冗余數(shù)據(jù)的數(shù)據(jù)清除以及數(shù)據(jù)集成工作。在實(shí)際動(dòng)平衡系統(tǒng)工作時(shí)，由于傳感器的損壞、現(xiàn)場(chǎng)環(huán)境噪聲的突變、人為的影響等等，會(huì)發(fā)現(xiàn)有些數(shù)據(jù)明顯不符合實(shí)際情況，有些采樣周期采樣的點(diǎn)數(shù)會(huì)產(chǎn)生跳變等，因此需要進(jìn)行錯(cuò)誤數(shù)據(jù)和冗余數(shù)據(jù)的清除工作。另外對(duì)在線數(shù)據(jù)和離線數(shù)據(jù)兩部分?jǐn)?shù)據(jù)整合到一個(gè)一致的數(shù)據(jù)存儲(chǔ)中。
[0021](1.5)，判斷是否存在動(dòng)平衡系統(tǒng)模型，即是否當(dāng)前狀態(tài)已經(jīng)存在動(dòng)平衡系統(tǒng)模型，若是，轉(zhuǎn)步驟(1.6)，否則，轉(zhuǎn)步驟(1.7)。此步驟適用于區(qū)分系統(tǒng)是否為第一次建模的情況，對(duì)不同情況分別進(jìn)行處理。
[0022](1.6)，判斷系統(tǒng)不平衡量是否超過(guò)閾值，若是，轉(zhuǎn)步驟(1.7)，否則，轉(zhuǎn)步驟(1.8)。如果系統(tǒng)不平衡量超過(guò)閾值，代表當(dāng)時(shí)的動(dòng)平衡系統(tǒng)模型已經(jīng)失效，造成這個(gè)問(wèn)題的原因有很多，工作環(huán)境的劇烈變化、動(dòng)平衡系統(tǒng)的自身結(jié)構(gòu)的突變等等都會(huì)造成動(dòng)平衡系統(tǒng)模型的失效，此時(shí)需要重新對(duì)動(dòng)平衡系統(tǒng)進(jìn)行建模。
[0023](1.7)，通過(guò)帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法對(duì)動(dòng)平衡系統(tǒng)進(jìn)行建模，得到動(dòng)平衡系統(tǒng)模型。本發(fā)明實(shí)施例提供了帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法。利用生物地理學(xué)智能優(yōu)化算法的設(shè)置參數(shù)少、計(jì)算簡(jiǎn)單和收斂速度快等優(yōu)點(diǎn)對(duì)支持向量機(jī)的懲罰因子和核函數(shù)參數(shù)進(jìn)行尋優(yōu)，提高了算法的適應(yīng)性和魯棒性，更進(jìn)一步，利用卡爾曼濾波對(duì)生物地理學(xué)智能優(yōu)化算法進(jìn)行優(yōu)化，利用卡爾曼濾波減小動(dòng)平衡系統(tǒng)工作現(xiàn)場(chǎng)噪聲干擾對(duì)生物地理學(xué)智能優(yōu)化算法中棲息地適應(yīng)度指數(shù)計(jì)算帶來(lái)的負(fù)面影響，避免陷入局部最優(yōu)，提高了收斂精度。
[0024](1.8)，將步驟(1.4)預(yù)處理后的數(shù)據(jù)輸入動(dòng)平衡系統(tǒng)模型，計(jì)算得到動(dòng)平衡控制信號(hào)。根據(jù)步驟(1.7)得到的動(dòng)平衡系統(tǒng)模型，對(duì)步驟(1.4)預(yù)處理后的數(shù)據(jù)進(jìn)行計(jì)算處理，得到動(dòng)平衡控制信號(hào)。
[0025](1.9)，將步驟(1.8)得到的動(dòng)平衡控制信號(hào)輸入動(dòng)平衡系統(tǒng)進(jìn)行動(dòng)平衡調(diào)整。
[0026]實(shí)施例二:
本實(shí)施例與實(shí)施例一基本相同，特別之處如下:
如圖2所示上述帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法，包括如下步
驟:
(2.1)，初始化生物地理學(xué)智能優(yōu)化算法BBO的參數(shù)。
[0027]設(shè)置適應(yīng)度向量SIV的數(shù)量D、棲息地種群最大容量
s職、種群規(guī)模nh、迭代次數(shù)N、遷入率函數(shù)最大值1、遷出率函數(shù)最大值E、最大變異概率
、遷移率忍。d和精英個(gè)體Z。
[0028](2.2),初始化支持向量機(jī)基本參數(shù)。
[0029]設(shè)置支持向量機(jī)SVM模型類型為印silon-SVR，核函數(shù)類型為高斯徑向基核函數(shù)和一些相關(guān)默認(rèn)參數(shù)。
[0030]其中印silon-SVR模型的模型優(yōu)化函數(shù)為:
【權(quán)利要求】
1.基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法，其特征在于，包括以下步驟: (1.1)，采集在線數(shù)據(jù)，即實(shí)時(shí)采集安裝在動(dòng)平衡系統(tǒng)上的傳感器的數(shù)據(jù)； (1.2)，輸入離線數(shù)據(jù)，即輸入動(dòng)平衡系統(tǒng)的歷史測(cè)量數(shù)據(jù)； (1.3)，設(shè)定模型精度需求，即設(shè)定動(dòng)平衡系統(tǒng)建模的模型精度需求； (1.4)，數(shù)據(jù)預(yù)處理，即對(duì)在線數(shù)據(jù)，離線數(shù)據(jù)和模型精度需求等數(shù)據(jù)進(jìn)行錯(cuò)誤數(shù)據(jù)和冗余數(shù)據(jù)的數(shù)據(jù)清除以及數(shù)據(jù)集成工作； (1.5)，判斷是否存在動(dòng)平衡系統(tǒng)模型，即是否當(dāng)前狀態(tài)已經(jīng)存在動(dòng)平衡系統(tǒng)模型，若是，轉(zhuǎn)步驟(1.6)，否則，轉(zhuǎn)步驟(1.7)； (1.6)，判斷系統(tǒng)不平衡量是否超過(guò)閾值，若是，轉(zhuǎn)步驟(1.7)，否則，轉(zhuǎn)步驟(1.8)； (1.7)，通過(guò)帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法對(duì)動(dòng)平衡系統(tǒng)進(jìn)行建模，得到動(dòng)平衡系統(tǒng)模型； (1.8)，將步驟(1.4)預(yù)處理后的數(shù)據(jù)輸入動(dòng)平衡系統(tǒng)模型，計(jì)算得到動(dòng)平衡控制信號(hào); (1.9)，將步驟(1.8)得到的動(dòng)平衡控制信號(hào)輸入動(dòng)平衡系統(tǒng)進(jìn)行動(dòng)平衡調(diào)整。
2.根據(jù)權(quán)利要求1所述的基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法，其特征在于:所述步驟(1.7)中的帶卡爾曼濾波的生物地理學(xué)智能優(yōu)化支持向量機(jī)算法包括以下步驟: (2.1)，初始化生物地理學(xué)智能優(yōu)化算法BBO的參數(shù)； (2.2),初始化支持向量機(jī)基本參數(shù)； (2.3)，隨機(jī)初始化每個(gè)棲息地的適應(yīng)度向量； (2.4)，將輸入數(shù)據(jù)集歸一化，作為支持向量機(jī)的訓(xùn)練集； (2.5)，將BBO中每個(gè)棲息地的適應(yīng)度向量即支持向量機(jī)的懲罰因子C和核函數(shù)參數(shù)σ代入支持向量機(jī)； (2.6)，計(jì)算支持向量機(jī)的訓(xùn)練集均方誤差MSE作為每個(gè)棲息地的適應(yīng)度指數(shù)HSI ； (2.7)，經(jīng)過(guò)卡爾曼濾波，計(jì)算每個(gè)棲息地的HSI估計(jì)值； (2.8)，將每個(gè)棲息地按照其HSI估計(jì)值進(jìn)行排序； (2.9)，計(jì)算每個(gè)棲息地可容納的物種數(shù)量S，遷入率λ和遷出率μ ； (2.10)，根據(jù)λ和μ確定物種遷移； (2.11)，計(jì)算每個(gè)棲息地的變異率，進(jìn)行物種變異操作； (2.12)，通過(guò)支持向量機(jī)重新計(jì)算棲息地的HSI值，保存全局最優(yōu)解； (2.13)，判斷是否滿足終止條件，若是，繼續(xù)以下步驟，否則，轉(zhuǎn)步驟(2.5); (2.14)，輸出支持向量機(jī)模型的最優(yōu)參數(shù)，建模完成。
3.根據(jù)權(quán)利要求2所述的基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法，其特征在于，所述步驟(2.6)中所述的每個(gè)棲息地的適應(yīng)度指數(shù)HSI計(jì)算方法: 利用訓(xùn)練集對(duì)支持向量機(jī)的模型進(jìn)行訓(xùn)練，再計(jì)算訓(xùn)練集的均方誤差，公式為USS^^iy.-yixjf，其中η為訓(xùn)練集的樣本數(shù)量，為輸入樣本對(duì)應(yīng)的輸出樣本，池)為輸入樣本對(duì)應(yīng)的預(yù)測(cè)值。
4.根據(jù)權(quán)利要求2所述的基于生物地理學(xué)智能優(yōu)化支持向量機(jī)算法的動(dòng)平衡檢測(cè)控制方法，其特征在于，所述步驟(2.7)中所述的卡爾曼濾波計(jì)算每個(gè)棲息地的HSI估計(jì)值方法: 引入卡爾曼濾波對(duì)生物地理學(xué)智能優(yōu)化算法進(jìn)行優(yōu)化，由于假設(shè)不存在系統(tǒng)噪聲，而且所有變量均為標(biāo)量，所以卡爾曼濾波計(jì)算公式為:
【文檔編號(hào)】G01M1/38GK103994858SQ201410196647
【公開(kāi)日】2014年8月20日 申請(qǐng)日期:2014年5月12日 優(yōu)先權(quán)日:2014年5月12日
【發(fā)明者】王海寬, 錢(qián)世俊, 費(fèi)敏銳, 方駿, 周志境 申請(qǐng)人:上海大學(xué)