CN107943142B - 一种基于卡尔曼滤波的低温辐射计温度控制的方法 - Google Patents

一种基于卡尔曼滤波的低温辐射计温度控制的方法 Download PDF

Info

Publication number
CN107943142B
CN107943142B CN201711328793.XA CN201711328793A CN107943142B CN 107943142 B CN107943142 B CN 107943142B CN 201711328793 A CN201711328793 A CN 201711328793A CN 107943142 B CN107943142 B CN 107943142B
Authority
CN
China
Prior art keywords
temperature
temperature control
equation
expression
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711328793.XA
Other languages
English (en)
Other versions
CN107943142A (zh
Inventor
吴铎
方伟
王玉鹏
叶新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Original Assignee
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun Institute of Optics Fine Mechanics and Physics of CAS filed Critical Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority to CN201711328793.XA priority Critical patent/CN107943142B/zh
Publication of CN107943142A publication Critical patent/CN107943142A/zh
Application granted granted Critical
Publication of CN107943142B publication Critical patent/CN107943142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明实施例公开了一种基于卡尔曼滤波的低温辐射计温度控制的方法。该方法包括以下步骤确定期望温度值；将所述期望温度值与实际温度值作差运算，获得温度偏差信号；比较所述温度偏差信号与预设阈值信号，若温度偏差信号小于或等于预设阈值信号，则将温度控制系统所采集的温度数据进行卡尔曼滤波后的数据作为实际温度值；若温度偏差信号大于预设阈值信号，则将温度控制系统所采集的温度数据作为实际温度值。本发明实施例所提供的温度控制方法结合温度偏差信号与预设阈值信号的比较结果来切换卡尔曼滤波，从而既能有效地抑制噪声且保证温度控制系统快速响应和精度的同时，又避免温度控制系统不稳定的问题。

Description

一种基于卡尔曼滤波的低温辐射计温度控制的方法
技术领域
本发明涉及应用于低温辐射计的温度控制系统的技术领域，具体涉及一种基于卡尔曼滤波的应用于低温辐射计的温度控制系统的温度控制的方法。
背景技术
低温辐射计广泛应用于辐射测量学、光辐射计量学、光谱学和天体物理学等领域。在光辐射计量领域中，低温辐射计已经成为国际上标准化机构公认的探测器基准。低温辐射计中的功率、响应度、热导率和热响应时间常数等基本参数的测量结果都受到环境温度的影响。因此，低温辐射计的温度控制系统是低温辐射计成功稳定运行的重要系统之一，准确且稳定可靠的温度控制系统可为低温辐射计的运行提供一个可靠、稳定的环境。
在温度控制系统中，温度控制的准确性和可靠性主要取决于温度控制方法和温度数据采集系统。温度数据采集系统所采集到的温度数据包括过程噪声和测量噪声。若将温度采集系统所采集的温度数据直接使用，将会影响温度控制系统的精度，因此，温度控制方法中需要提供一种适用于低温辐射计的温度数据的滤波算法，在保系统稳定性的同时尽可能地滤除噪声。
目前，常用在温度控制方法中的滤波算法包括以下几类：(a)采用滑动平均滤波器、递归数字滤波器(IIR)或非递归型滤波器(FIR)对温度数据进行滤波，从而抑制温度数据中的测量噪声和提高温度控制系统的精度。该方法的缺陷在于：当滑动平均点太少时，对噪声的抑制效果不明显；当滑动平均点太多时，无法及时反映出温度系统的变化。(b)采用中值滤波法、算术平均法或加权递推滤波法对温度数据进行滤波。这些滤波法都存在一定的缺陷，如算术平均法的样本数量难以确定，当样本数量太少时，无法达到预期的噪声抑制效果；当样本数量太多时，系统的灵敏度会降低。加权递推滤波法可对不同采样时间得到的采样值给予不同的权系数，能够迅速反映出当前系统所受到的干扰的严重程度，但该方法降低了数据处理的速度并且在滤波器设计时需要根据噪声频谱设计权系数，设计比较繁琐。(c)针对上述两类滤波算法所存在的问题，有学者提出基于卡尔曼滤波算法的温度控制方法。该方法首先对过程中某一时刻的状态进行估计，然后以测量变量的方式获得反馈。卡尔曼滤波算法可分为时间更新和测量更新两个部分。时间更新方程负责及时向前推算当前状态变量和误差协方差估计的值，以便为下一个时间状态构造先验估计。测量更新方程负责反馈，它将先验估计和新的测量变量结合以构造改进的后验估计。不断地将方差递归，从而估算出最优的温度值。该方法在静态过程中优势比较明显，但是在动态过程时，会不利于温度控制系统的稳定性。
因此，针对滑动平均滤波、中值滤波、算术平均滤波、加权平均滤波，对于噪声的抑制不足而且占用资源较多、使得温度控制系统响应慢的问题，以及卡尔曼滤波方法对于动态过程中会导致于温度控制系统的不稳定问题，急需一种低温辐射计的温度控制方法，该方法既能有效地抑制噪声且保证温度控制系统快速响应的同时，又避免温度控制系统不稳定的问题。
发明内容
针对现有低温辐射计的温度控制方法所存在的精度问题，本发明实施例提出一种基于卡尔曼滤波的低温辐射计温度控制的方法。该温度控制方法结合温度偏差信号与预设阈值信号的比较结果来切换卡尔曼滤波，使得当温度控制系统处于静态过程时，采用卡尔曼滤波对所采集的温度数据进行滤波，当温度控制系统处于动态过程时，不用卡尔曼滤波对所采集的温度数据进行滤波，从而既能有效地抑制噪声且保证温度控制系统快速响应的同时，又避免温度控制系统不稳定的问题。
该基于卡尔曼滤波的低温辐射计温度控制的方法的具体方案如下：一种基于卡尔曼滤波的低温辐射计温度控制的方法，包括以下步骤：确定期望温度值；将所述期望温度值与实际温度值作差运算，获得温度偏差信号；比较所述温度偏差信号与预设阈值信号，若温度偏差信号小于或等于预设阈值信号，则将温度控制系统所采集的温度数据进行卡尔曼滤波后的数据作为实际温度值；若温度偏差信号大于预设阈值信号，则将温度控制系统所采集的温度数据作为实际温度值。
优选地，所述卡尔曼滤波的具体滤波计算过程如下所示：确定温度控制系统的状态方程的表达式和温度控制系统的测量值的表达式；确定下一步的状态估计值的表达式及相应协方差的表达式；确定当前状态的最有估计值的表达式和相应的协方差的表达式。
优选地，所述状态方程的表达式如公式1所示，所述测量值的表达式如公式2所示：
公式1：X(k)＝AX(k-1)+BU(k)+W(k)
其中，X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量，A和B是系统的参数矩阵，W(k)表示过程噪声；
公式2：Z(k)＝HX(k)+V(k)
其中，Z(k)是k时刻的测量值，H是测量系统参数矩阵，V(k)表示测量噪声。
优选地，所述下一步的状态估计值的表达式如公式3所示，所述相应的协方差的表达式如公式4所示：
公式3：X(k|k-1)＝AX(k-1|k-1)+BU(k)
其中，X(k|k-1)是上利用上一状态得到的预测结果，X(k-1|k-1)是上一状态最优结果，U(k)为现在状态的控制量；
公式4：P(k|k-1)＝AP(k-1|k-1)A′+Q
其中，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，A′表示A的转置矩阵，Q是系统过程的协方差。
优选地，在确定所述下一步的状态估计值的表达式及相应协方差的表达式过程中，假设所述过程噪声W(k)和测量噪声V(k)均为高斯白噪声。
优选地，所述当前状态的最有估计值的表达式如公式5所示，所述当前状态的相应的协方差的表达式如公式7所示：
公式5：X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))
其中，Kg为卡尔曼增益，Kg的具体表达式如公式6所示：
公式6：Kg(k)＝P(k|k-1)H′/(HP(k|k-1)H′+R)
公式7：P(k|k)＝(I-Kg(k-1)H)P(k|k-1)
其中，P(k|k)是误差协方差，I为单位矩阵。
优选地，所述预设阈值信号的取值范围使得温度控制系统的精度达到控制精度的至少五倍。
本发明还提供另一种基于卡尔曼滤波的低温辐射计温度控制的方法，该温度控制的方法与上述方法的区别，采用低温辐射计的开快门和关快门时刻来替代其温度偏差信号大于或等于预设阈值信号的比较判断结果。
一种基于卡尔曼滤波的低温辐射计温度控制的方法包括以下步骤：确定期望温度值；将所述期望温度值与实际温度值作差运算，获得温度偏差信号；比较所述温度偏差信号与预设阈值信号，若温度偏差信号小于或等于预设阈值信号，则将温度控制系统所采集的温度数据进行卡尔曼滤波后的数据作为实际温度值；若低温辐射计处于开快门时刻或处于光快门时刻，则将温度控制系统所采集的温度数据作为实际温度值。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例中所提供的基于卡尔曼滤波的低温辐射计温度控制的方法，结合温度偏差信号与预设阈值信号的比较结果来确定是否对所采集的温度数据采用卡尔曼滤波，使得当温度控制系统处于静态过程时，采用卡尔曼滤波对所采集的温度数据进行滤波，当温度控制系统处于动态过程时，不用卡尔曼滤波对所采集的温度数据进行滤波，从而既能有效地抑制噪声且保证温度控制系统快速响应的同时，又避免温度控制系统不稳定的问题。进一步地，该温度控制方法无需增加其他温度传感器，从而有效地降低了成本。
附图说明
图1为本发明实施例中提供的一种基于卡尔曼滤波的低温辐射计的温度控制方法的流程示意图；
图2为本发明实施例中提供的一种基于卡尔曼滤波的低温辐射计的温度控制系统的框图示意图；
图3为本发明实施例中提供的一种卡尔曼滤波方法的流程示意图。
附图标记说明：
10、控制器 20、被控对象 30、温度传感器
40、卡尔曼滤波器
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，本发明实施例中提供的一种基于卡尔曼滤波的低温辐射计的温度控制方法的流程示意图。基于卡尔曼滤波的低温辐射计的温度控制方法包括5个步骤，具体步骤如下所述。
步骤S1：确定期望温度值。期望温度值的具体数值可根据低温辐射计的温度需求或者结合温度控制系统的具体硬件条件而确定。
步骤S2：将期望温度值与实际温度值作差运算，获得温度偏差信号e。在温度控制系统中，实际温度值反馈至温度控制系统的输入端，与期望温度值作差获得温度偏差信号e，并将温度偏差信号e作为系统的输入信号。
步骤S3：比较温度偏差信号e与预设阈值信号d，若温度偏差信号e小于或等于预设阈值信号d，则进入步骤S5；否则，进入步骤S4。预设阈值信号d的取值范围使得温度控制系统的精度达到控制精度的至少五倍，即温度控制系统最终所要达到至少为控制精度的五倍。
步骤S4：将温度控制系统所采集的温度数据作为实际温度值。
步骤S5:将温度控制系统所采集的温度数据进行卡尔曼滤波后的数据作为实际温度值。
在该实施例中，基于卡尔曼滤波的低温辐射计温度控制的方法结合温度偏差信号与预设阈值信号的比较结果来确定是否对所采集的温度数据采用卡尔曼滤波，使得当温度控制系统处于静态过程时，采用卡尔曼滤波对所采集的温度数据进行滤波，当温度控制系统处于动态过程时，不用卡尔曼滤波对所采集的温度数据进行滤波，从而既能有效地抑制噪声且保证温度控制系统快速响应的同时，又避免温度控制系统不稳定的问题。
判断温度控制系统是否处于动态过程，还有一个更简单直观的方法，即当低温辐射计处于开快门或关快门时刻时，温度控制系统即处于动态过程。根据这一事实，本发明还提供另一种基于卡尔曼滤波的低温辐射计温度控制的方法的实施例。该温度控制的方法与上一实施例的方法的区别为：采用低温辐射计的开快门和关快门时刻来替代其温度偏差信号大于或等于预设阈值信号的比较判断结果。
该实施例的方法具体包括以下步骤：确定期望温度值；将所述期望温度值与实际温度值作差运算，获得温度偏差信号；比较所述温度偏差信号与预设阈值信号，若温度偏差信号小于或等于预设阈值信号，则将温度控制系统所采集的温度数据进行卡尔曼滤波后的数据作为实际温度值；若低温辐射计处于开快门时刻或处于光快门时刻，则将温度控制系统所采集的温度数据作为实际温度值。
如图2所示，本发明实施例中提供的一种基于卡尔曼滤波的低温辐射计的温度控制系统的框图示意图。在该实施例中，温度控制系统具体包括控制器10、被控对象20、温度传感器30和卡尔曼滤波器40。在该温度控制系统中，实际温度值反馈至温度控制系统的输入端，并且将实际温度值与期望温度值作差，获取温度偏差信号e。控制器10根据内部预设的程序控制被控对象20，温度传感器30检测当前环境下的温度值并采集温度数据，并通过判断温度偏差信号e和预设阈值d的大小来确定是否需要对所采集的温度数据进行卡尔曼滤波。若温度偏差信号e小于或等于预设阈值d，则表示温度控制系统处于静态过程，卡尔曼滤波器40对温度传感器30所采集的温度数据进行卡尔曼滤波，并将滤波后的数据作为实际温度。在该实施例中，温度控制方法只需要采用温度控制系统自带的温度传感器30而无需再增加其他温度传感器，从而有效地降低了温度控制的成本。
如图3所示，本发明实施例中提供的一种卡尔曼滤波方法的流程示意图。在该实施例中，卡尔曼滤波方法包括3个步骤，具体步骤内容如下所述。
步骤S11：确定温度控制系统的状态方程的表达式和温度控制系统的测量值的表达式。温度控制系统的状态方程的表达式如公式1所示：
X(k)＝AX(k-1)+BU(k)+W(k) (公式1)
其中，X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量，A和B是系统的参数矩阵，W(k)表示过程噪声。
温度控制系统的测量值的表达式，如公式2所示：
Z(k)＝HX(k)+V(k) (公式2)
其中，Z(k)是k时刻的测量值，H是测量系统参数矩阵，V(k)表示测量噪声。
步骤S22：确定下一步的状态估计值的表达式及相应协方差的表达式。下一步的状态估计值的表达式，如公式3所示：
X(k|k-1)＝AX(k-1|k-1)+BU(k) (公式3)
其中，X(k|k-1)是上利用上一状态得到的预测结果，X(k-1|k-1)是上一状态最优结果，U(k)为现在状态的控制量。
相应的协方差的表达式，如公式4所示：
P(k|k-1)＝AP(k-1|k-1)A′+Q (公式4)
其中，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，A′表示A的转置矩阵，Q是系统过程的协方差。
在该实施例中，在确定所述下一步的状态估计值的表达式及相应协方差的表达式过程中，假设所述过程噪声W(k)和测量噪声V(k)均为高斯白噪声，其协方差不随温度控制系统状态的变化而变化。
步骤S33：确定当前状态的最有估计值的表达式和相应的协方差的表达式。当前状态的最有估计值的表达式，如公式5所示：
X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)) (公式5)
其中，Kg为卡尔曼增益。卡尔曼增益Kg的具体表达式，如公式6所示：
Kg(k)＝P(k|k-1)H′/(HP(k|k-1)H′+R) (公式6)
更新k状态下X(k|k)的协方差的表达式，如公式7所示：
P(k|k)＝(I-Kg(k-1)H)P(k|k-1) (公式7)
其中，P(k|k)是误差协方差，I为单位矩阵。
本发明实施例中提供的基于卡尔曼滤波的低温辐射计的温度控制的方法，通过比较温度偏差信号与预设阈值信号的大小，当温度偏差信号小于预设阈值信号时，认为温度控制系统趋于稳定，此时加入卡尔曼滤波，可以提高稳态时的控制精度；当温度偏差信号大于预设阈值信号或者当低温辐射计处于开快门或者关快门时，认为温度控制系统处于动态过程，此时取消卡尔曼滤波，以保证系统动态过程的快速性，从而在保证了温度控制系统快速响应的同时，也提高了温度控制系统稳态时精度。
本发明实施例所提供的地图构建方法基于上述所述激光里程计算方法，而不再像传统的地图构建方法需要依赖惯性测量单元。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种基于卡尔曼滤波的低温辐射计温度控制的方法，其特征在于，所述方法包括以下步骤：
确定期望温度值；
将所述期望温度值与实际温度值作差运算，获得温度偏差信号；
比较所述温度偏差信号与预设阈值信号，若温度偏差信号小于或等于预设阈值信号，则将温度控制系统所采集的温度数据进行卡尔曼滤波后的数据作为实际温度值；若温度偏差信号大于预设阈值信号，则将温度控制系统所采集的温度数据作为实际温度值；
所述卡尔曼滤波的具体滤波计算过程如下所示：
确定温度控制系统的状态方程的表达式和温度控制系统的测量值的表达式；
确定下一步的状态估计值的表达式及相应协方差的表达式；
确定当前状态的最优估计值的表达式和相应的协方差的表达式。
2.根据权利要求1所述基于卡尔曼滤波的低温辐射计温度控制的方法，其特征在于，所述状态方程的表达式如公式1所示，所述测量值的表达式如公式2所示：
公式1：X(k)＝AX(k-1)+BU(k)+W(k)
其中，X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量，A和B是系统的参数矩阵，W(k)表示过程噪声；
公式2：Z(k)＝HX(k)+V(k)
其中，Z(k)是k时刻的测量值，H是测量系统参数矩阵，V(k)表示测量噪声，假设过程噪声W(k)和测量噪声V(k)均为高斯白噪声。
3.根据权利要求1所述基于卡尔曼滤波的低温辐射计温度控制的方法，其特征在于，所述下一步的状态估计值的表达式如公式3所示，所述相应的协方差的表达式如公式4所示：
公式3：X(k|k-1)＝AX(k-1|k-1)+BU(k)
其中，X(k|k-1)是利用上一状态得到的预测结果，X(k-1|k-1)是上一状态最优结果，U(k)为现在状态的控制量，A和B是系统的参数矩阵；
公式4：P(k|k-1)＝AP(k-1|k-1)A′+Q
其中，P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，A′表示A的转置矩阵，Q是系统过程的协方差。
4.根据权利要求1所述基于卡尔曼滤波的低温辐射计温度控制的方法，其特征在于，所述当前状态的最优估计值的表达式如公式5所示，所述当前状态的相应的协方差的表达式如公式7所示：
公式5：X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))
其中，X(k|k-1)是利用上一状态得到的预测结果，Z(k)是k时刻的测量值，H是测量系统参数矩阵，Kg为卡尔曼增益，Kg的具体表达式如公式6所示：
公式6：Kg(k)＝P(k|k-1)H′/(HP(k|k-1)H′+R)
公式7：P(k|k)＝(I-Kg(k-1)H)P(k|k-1)
其中，P(k|k)是误差协方差，P(k|k-1)是X(k|k-1)对应的协方差，H＇为H的转置矩阵，R为观测噪声误差，I为单位矩阵。
5.根据权利要求1所述基于卡尔曼滤波的低温辐射计温度控制的方法，其特征在于，所述预设阈值信号的取值范围使得温度控制系统的精度达到控制精度的至少五倍。
6.一种基于卡尔曼滤波的低温辐射计温度控制的方法，其特征在于，所述方法包括以下步骤：
确定期望温度值；
将所述期望温度值与实际温度值作差运算，获得温度偏差信号；
比较所述温度偏差信号与预设阈值信号，若温度偏差信号小于或等于预设阈值信号，则将温度控制系统所采集的温度数据进行卡尔曼滤波后的数据作为实际温度值；若低温辐射计处于开快门时刻或处于关快门时刻，则将温度控制系统所采集的温度数据作为实际温度值。
CN201711328793.XA 2017-12-13 2017-12-13 一种基于卡尔曼滤波的低温辐射计温度控制的方法 Active CN107943142B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711328793.XA CN107943142B (zh) 2017-12-13 2017-12-13 一种基于卡尔曼滤波的低温辐射计温度控制的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711328793.XA CN107943142B (zh) 2017-12-13 2017-12-13 一种基于卡尔曼滤波的低温辐射计温度控制的方法

Publications (2)

Publication Number Publication Date
CN107943142A CN107943142A (zh) 2018-04-20
CN107943142B true CN107943142B (zh) 2020-09-01

Family

ID=61942982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711328793.XA Active CN107943142B (zh) 2017-12-13 2017-12-13 一种基于卡尔曼滤波的低温辐射计温度控制的方法

Country Status (1)

Country Link
CN (1) CN107943142B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109062861B (zh) * 2018-07-19 2022-09-02 江苏海洋大学 一种基于滑动递推限幅滤波的数据处理方法
CN112710413B (zh) * 2020-12-07 2022-11-29 潍柴动力股份有限公司 温度传感器校验方法、装置、存储介质和电子设备
CN114489184A (zh) * 2022-01-21 2022-05-13 上海杉达学院 一种加热服温度控制系统及方法
CN116880616B (zh) * 2023-08-03 2024-03-08 广州捷克易自动化设备有限公司 热流道温度控制方法、温度控制器、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004040564A (ja) * 2002-07-04 2004-02-05 Fujitsu Ltd 電力増幅器の歪補償方法及びその装置
CN103594753B (zh) * 2013-10-19 2015-12-09 深圳市朗科智能电气股份有限公司 一种锂离子动力电池多点温控保护方法及装置
CN205145415U (zh) * 2015-11-27 2016-04-13 重庆健萌科技有限公司 一体式tdp治疗头

Also Published As

Publication number Publication date
CN107943142A (zh) 2018-04-20

Similar Documents

Publication Publication Date Title
CN107943142B (zh) 一种基于卡尔曼滤波的低温辐射计温度控制的方法
KR101936569B1 (ko) 센서 시스템
US9568204B2 (en) Systems and methods for rapid disturbance detection and response
Escamilla-Ambrosio et al. A hybrid Kalman filter-fuzzy logic architecture for multisensor data fusion
CN110779268B (zh) 一种电冰箱内部温度控制系统算法
CN109492508A (zh) 一种限幅滤波方法及系统
KR101716481B1 (ko) 이동평균 필터의 동작 제어 방법
CN117236084B (zh) 一种木工机械加工生产智能管理方法及系统
CN113791240B (zh) 基于高阶滑膜跟踪微分器的加速度估计方法、系统、设备和介质
CN111697901B (zh) 一种伺服电机的控制方法、控制设备及控制系统
Sun et al. Optimal and self-tuning weighted measurement fusion Wiener filter for the multisensor multichannel ARMA signals
CN111256873A (zh) 基于卡尔曼滤波和迭代学习的分布式光纤温度预测方法
Won et al. Identification of a multivariable delta-operator stochastic state-space model with distributed time delays: Application to a rapid thermal processor
Wang et al. Sequential covariance intersection fusion Kalman filter for multi-sensor systems with multiple time delayed measurements
US11333678B2 (en) Method for offset calibration of a yaw rate sensor signal of a yaw rate sensor, system and computer program
Saunders Uncertainty Arising from the Use of the Mean Effective Wavelength in Realizing ITS‐90
KR20230102856A (ko) Lstm 기반 온실 온도 및 습도 예측 시스템 및 방법
Kluga et al. Dynamic data processing with kaiman filter
CN111865267A (zh) 测温数据预测方法及装置
JP5958127B2 (ja) アナログ入力装置
Váquez et al. New predictive PID controllers for packet dropouts in wireless networked control systems
CN111007721A (zh) 一种线性定常系统中采样周期动态选择方法
CN111340647A (zh) 一种配电网数据平差方法及系统
Tao et al. Self‐tuning fusion Kalman filter weighted by scalars and its convergence analysis for multi‐channel autoregressive moving average signals
KR100436049B1 (ko) 이동 예측 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant