CN114157270A - 一种基于数据滚动粒子滤波的燃油油量数据处理方法 - Google Patents

Abstract

本发明提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法，通过在信号采集的过程中，设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器，通过软件的滤波器在测量部件前端对模拟式的测量信号进行前端处理。本发明能够对频率很高或很低的信号进行滤波，同时，滤波参数非常容易更改。使用本发明的粒子滤波方法可以消除油面波动误差，对油量信号进行必要的平滑处理，使其更接近于真实的状态，克服飞机机动飞行带来油量测量的误差，提高了滤波的精度。

Description

一种基于数据滚动粒子滤波的燃油油量数据处理方法

技术领域

本发明属于航空燃油油量数据采集测量技术领域，具体地说，涉及一种基于数据滚动粒子滤波的燃油油量数据处理方法。

背景技术

目前基于计算机技术的粒子式燃油测量系统，大大提高了油量测量的精度，却带来了测量稳定性不好的问题。在实际的应用中，输出的油量数据会频繁跳动，甚至输出和实际情况相去甚远的油量数据，这已严重影响到飞行员对飞机工作状态的正确判断。

现有技术通常采用硬件滤波器的方法，在测量部件前端对模拟式的燃油油量数据测量信号进行前端处理。硬件滤波器的不足之处是滤波参数不易更改，不能对频率很高或很低的信号进行滤波，且存在阻抗匹配问题。

发明内容

本发明针对现有技术的上述缺陷，提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法，通过在信号采集的过程中，设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器，通过软件的滤波器在测量部件前端对模拟式的测量信号进行前端处理。本发明能够对频率很高或很低的信号进行滤波，同时，滤波参数非常容易更改。使用本发明的粒子滤波方法可以消除油面波动误差，对油量信号进行必要的平滑处理，使其更接近于真实的状态，克服飞机机动飞行带来油量测量的误差，提高了滤波的精度。

本发明具体实现内容如下：

本发明提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法，设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器，在滚动粒子软件滤波器中设置滤波队列地址、滤波队列长度设置单元；然后进行以下操作：

步骤1，通过滤波队列地址和滤波队列长度设置单元来设定滤波队列，并定义滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δlower；

步骤2，采用滤波极限Δlimit对采样值S_i进行初次过滤；所述滤波极限Δlimit为采样值S_i的有效范围，为正值；

步骤3，采用冒泡法对初次过滤后的采样值S_i进行排序；对排序后的采样值S_i，通过滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δlower对所有采样值S_i进行分类，根据采样值S_i的值的大小分为大权值粒子

中值粒子

和小权值粒子

，得到大权值粒子集、中值粒子集和小权值粒子集及可信采样值序列V_i；

步骤4，对于大权值粒子集、中值粒子集和小权值粒子集中的大权值粒子

、中值粒子

和小权值粒子

进行重采样条件判断，对于符合重采样条件的粒子进行重采样，得到新的大权值粒子集、中值粒子集和小权值粒子集；

步骤5，将重采样后得到的大权值粒子集、中值粒子集和小权值粒子集中的粒子组成数据队列k；对数据队列k进行队列填充和k次平均；

步骤6，将经过k次取平均后的值作为油量输出值进行输出，并作为下一个滤波周期的基准油量值。

为了更好地实现本发明，进一步地，在所述步骤3中，对于经过初次过滤的采样值S_i，还要采用滤波队列上限Δupper和滤波队列下限Δlower构成的区间[Δlower，Δupper]进行再次过滤，将不再区间[Δlower，Δupper]内的采样值S_i进行剔除，然后再采用冒泡法进行排序。

为了更好地实现本发明，进一步地，在所述步骤3中，对所有采样值S_i进行分类，并计算出可信采样值序列V_i的中值Δ；进行分类的的具体公式如下：

其中：U_i-1表示第i-1个周期的油量输出数据。

为了更好地实现本发明，进一步地，得到的所述小权值粒子集为：

式中，

为小权值粒子，0＜Δlower≤S_i＜Δ^-为小权值粒子

的取值范围。

为了更好地实现本发明，进一步地，得到的所述中值粒子集为：

式中，

为中值粒子，(Δ^-≤S_i≤Δ⁺为中值粒子

的取值范围。

为了更好地实现本发明，进一步地，得到的大权值粒子集为：

式中，

为大权值粒子，Δ⁺＜S_i≤Δupper为大权值粒子

的取值范围。

为了更好地实现本发明，进一步地，所述步骤4中，进行重采样条件判断的操作为：

对于中值粒子集中的粒子，不进行重采样；

对于大权值粒子集中的粒子，进行重采样的判断手段为：先求得滤波队列上限Δupper，然后与预先设定的滤波阈值上限Δ⁺进行比较；若在大权值粒子集中的某个粒子的采样值S_i取值范围在Δ⁺＜S_i≤Δupper，则不进行重采样；若在大权值粒子集中的某个采样值S_i取值范围在Δupper＜S_i，则进行重采样；

对于小权值粒子集中的粒子，进行重采样的判断手段为：先求得滤波队列下限Δlower，然后与预先设定的滤波阈值下限Δ^-进行比较；若小权值粒子集中的某个粒子的采样值S_i在ΔloWer≤S_i＜Δ^-范围内，则不进行重采样；若若小权值粒子集中的某个粒子的采样值S_i在Δloer＞S_i内，则进行重采样。

为了更好地实现本发明，进一步地，在对大权值粒子集中的粒子进行了重采样后，还要使用线性方程式进行经验降解，将降解后得到的新的大权值粒子

作为大权值粒子集中的粒子替换掉对应的旧的大权值粒子

；具体经验降解的公式为：

为了更好地实现本发明，进一步地，在对小权值粒子集中的粒子进行重采样后，还要使用线性方程式进行经验补偿，将补偿得到新的小权值粒子

作为小权值粒子集中的粒子替换掉对应的旧的小权值粒子

；具体的经验补偿的公式为：

为了更好地实现本发明，进一步地，对大权值粒子集的粒子总数记为N_A，中值粒子集的粒子总数记为N_B，小权值粒子集的粒子总数记为N_C；得到数据队列k的值，具体计算为：

N_A+N_B+N_C＝k。

本发明与现有技术相比具有以下优点及有益效果：

(1)本发明采用软件滤波器的方法对测量数据进行后处理，而不是采用硬件滤波器的方法，在测量部件前端对模拟式的测量信号进行前端处理。能够对频率很高或很低的信号进行滤波，同时，滤波参数非常容易更改。用粒子滤波方法消除油面波动误差，对油量信号进行必要的平滑处理，使其更接近于真实的状态，克服飞机机动飞行带来油量测量的误差，提高了滤波的精度。

(2)本发明采用软件算法来实现滚动粒子滤波器，粒子滤波器无需硬件，只是一个计算过程，因此可靠性高，不存在阻抗匹配问题。且粒子滤波可以对频率很高或很低的信号进行滤波，这是模拟式硬件滤波器所不及的；用软件算法实现，可以使多个输入通道共用一个软件滤波器，降低了硬件成本；只要适当改变软件滤波器的滤波程序和运算参数，即可改变滤波特性，且便于更改。

附图说明

图1为本发明实现的具体流程示意图。

具体实施方式

为了更清楚地说明本发明实施例的技术方案，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，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作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，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1：

本实施例提出了一种基于数据滚动粒子滤波的燃油油量数据处理方法，如图1所示，设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器，在滚动粒子软件滤波器中设置滤波队列地址、滤波队列长度设置单元；然后进行以下操作：

步骤1，通过滤波队列地址和滤波队列长度设置单元来设定滤波队列，并定义滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δlower；

步骤2，采用滤波极限Δlimit对采样值S_i进行初次过滤；所述滤波极限Δlimit为采样值S_i的有效范围，为正值；

步骤3，采用冒泡法对初次过滤后的采样值S_i进行排序；对排序后的采样值S_i，通过滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δower对所有采样值S_i进行分类，根据采样值S_i的值的大小分为大权值粒子

、中值粒子

和小权值粒子

，得到大权值粒子集、中值粒子集和小权值粒子集及可信采样值序列V_i；

步骤4，对于大权值粒子集、中值粒子集和小权值粒子集中的大权值粒子

、中值粒子

和小权值粒子

进行重采样条件判断，对于符合重采样条件的粒子进行重采样，得到新的大权值粒子集、中值粒子集和小权值粒子集；

步骤5，将重采样后得到的大权值粒子集、中值粒子集和小权值粒子集中的粒子组成数据队列k；对数据队列k进行队列填充和k次平均；

步骤6，将经过k次取平均后的值作为油量输出值进行输出，并作为下一个滤波周期的基准油量值。

工作原理：在所述粒子软件滤波器中，设置有滤波队列地址1、滤波队列长度设定单元、滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δlower。通过滤波队列地址定义了采样数据的存放起始位置，方便我们找到滤波的初始值，滤波队列长度设定单元定义了滤波的响应速度和队列长度k，方便我们找到需要滤波的数据个数，滤波极限Δlimit定义了采样值的取值范围，用以剔除明显虚假的数据，滤波队列上限Δupper和波队列下限Δlower定义了滤波序列可信的取值范围，滤波阈值上限Δ⁺、滤波阈值下限Δ^-定义了滤波的区域划分，用以进行粒子种类的区分。其工作原理是首先利用滤波极限Δlimit将明显的虚假数据去除；用冒泡法进行排序，然后利用滤波队列上限Δupper、波队列下限Δlower以及滤波阈值上限Δ⁺和滤波阈值下限Δ^-对采样数据进行分类，得到三类粒子集，对中值粒子集不进行重采样；最后对大权值粒子和小权值粒子组成的粒子集先进行判断，若符合重采样条件，对其使用线性组合方式进行重采样得到新粒子；最后进行队列填充和k次平均。

实施例2：

本实施例在上述实施例1的基础上，如图1所示，为了更好地实现本发明，进一步地，在所述步骤3中，对于经过初次过滤的采样值S_i，还要采用滤波队列上限Δupper和滤波队列下限Δlower构成的区间[Δlower，Δupper]进行再次过滤，将不再区间[Δlower，Δupper]内的采样值S_i进行剔除，然后再采用冒泡法进行排序。

进一步地，在所述步骤3中，对所有采样值S_i进行分类，并计算出可信采样值序列V_i的中值Δ；进行分类的的具体公式如下：

其中：U_i-1表示第i-1个周期的油量输出数据。

进一步地，得到的所述小权值粒子集为：

式中，

为小权值粒子，0＜Δlower≤S_i＜Δ^-为小权值粒子

的取值范围。

进一步地，得到的所述中值粒子集为：

式中，

为中值粒子，(Δ^-≤S_i≤Δ⁺为中值粒子

的取值范围。

进一步地，得到的大权值粒子集为：

式中，

为大权值粒子，Δ⁺＜S_i≤Δupper为大权值粒子

的取值范围。

进一步地，所述步骤4中，进行重采样条件判断的操作为：

对于中值粒子集中的粒子，不进行重采样；

对于大权值粒子集中的粒子，进行重采样的判断手段为：先求得滤波队列上限Δupper，然后与预先设定的滤波阈值上限Δ⁺进行比较；若在大权值粒子集中的某个粒子的采样值S_i取值范围在Δ⁺＜S_i≤Δupper，则不进行重采样；若在大权值粒子集中的某个采样值S_i取值范围在Δupper＜S_i，则进行重采样；

对于小权值粒子集中的粒子，进行重采样的判断手段为：先求得滤波队列下限Δlower，然后与预先设定的滤波阈值下限Δ^-进行比较；若小权值粒子集中的某个粒子的采样值S_i在ΔloWer≤S_i＜Δ^-范围内，则不进行重采样；若若小权值粒子集中的某个粒子的采样值S_i在Δlower＞S_i内，则进行重采样。

进一步地，在对大权值粒子集中的粒子进行了重采样后，还要使用线性方程式进行经验降解，将降解后得到的新的大权值粒子

作为大权值粒子集中的粒子替换掉对应的旧的大权值粒子

；具体经验降解的公式为：

进一步地，在对小权值粒子集中的粒子进行重采样后，还要使用线性方程式进行经验补偿，将补偿得到新的小权值粒子

作为小权值粒子集中的粒子替换掉对应的旧的小权值粒子

；具体的经验补偿的公式为：

进一步地，对大权值粒子集的粒子总数记为N_A，中值粒子集的粒子总数记为N_B，小权值粒子集的粒子总数记为N_C；得到数据队列k的值，具体计算为：

N_A+N_B+N_C＝k。

工作原理：由于飞机的实际油量是按一个比较稳定的耗油速度减少的，所以这里引入油量可信采样值的概念：可信采样值序列V_i在一定的范围内变化，当它是往下变化时，可信采样值V_i相对基准油量最小不低于滤波队列下限Δlower，也是可以往上变化的，但最大不能超过滤波队列上限Δupper。

粒子软件滤波器开始运行后，得到的采样值S_i，必须经过k个测量周期将数据队列填满，作为后续比较的基础。在队列填满的基础上，首先将采样值S_i与滤波极限Δlimit比较可将明显的虚假数据拒之门外；用冒泡法进行排序，如果采样值S_i小于滤波极限Δlimit且又在[Δlower，Δupper]区间，就认为它是可信的进入数据队列，然后利用滤波队列上限Δupper和滤波队列下限Δlower以及滤波阈值上限Δ⁺、滤波阈值下限Δ^-对采样数据进行分类，得到三类粒子集，对中值粒子集不进行重采样；最后对大权值粒子和小权值粒子组成的粒子集先进行判断，若符合重采样条件，则对其使用线性组合方式进行重采样得到新粒子。根据新粒子组成的数据队列，取这k个数据的平均值，同时要将最早的数据从队列中推出，为新的数据进入留出空间；这个平均值就是一个新的经过软件滤波后的油量值，同时作为下一个滤波周期的基准油量。这样就能在保证测量的跟随性的前提下提高测量的稳定性，比较好的反映出油量的真实变化情况。

选择参数：各个参数对测量系统的跟随性和稳定性有直接的影响，恰当的选择参数是系统能否成功的关键。

在上述所有的参数中，滤波队列长度k和滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δlower对系统的跟随性和稳定性影响最为明显，必须在满足规定的滤波响应时间的基础上，经过详细的分析试飞数据和理论推理才能得到合适的值。

本实施例的其他部分与上述实施例1相同，故不再赘述。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (10)

1.一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，设置一个对燃油油量信号进行后处理的滚动粒子软件滤波器，在滚动粒子软件滤波器中设置滤波队列地址、滤波队列长度设置单元；然后进行以下操作：

步骤1，通过滤波队列地址和滤波队列长度设置单元来设定滤波队列，并定义滤波极限Δlimit、滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δlower；

步骤2，采用滤波极限Δlimit对采样值S_i进行初次过滤；所述滤波极限Δlimit为采样值S_i的有效范围，为正值；

步骤3，采用冒泡法对初次过滤后的采样值S_i进行排序；对排序后的采样值S_i，通过滤波队列上限Δupper、滤波阈值上限Δ⁺、滤波阈值下限Δ^-、滤波队列下限Δlower对所有采样值S_i进行分类，根据采样值S_i的值的大小分为大权值粒子

中值粒子

和小权值粒子V_i ^C，得到大权值粒子集、中值粒子集和小权值粒子集及可信采样值序列V_i；

步骤4，对于大权值粒子集、中值粒子集和小权值粒子集中的大权值粒子

中值粒子

和小权值粒子V_i ^C进行重采样条件判断，对于符合重采样条件的粒子进行重采样，得到新的大权值粒子集、中值粒子集和小权值粒子集；

步骤5，将重采样后得到的大权值粒子集、中值粒子集和小权值粒子集中的粒子组成数据队列k；对数据队列k进行队列填充和k次平均；

步骤6，将经过k次取平均后的值作为油量输出值进行输出，并作为下一个滤波周期的基准油量值。

2.如权利要求1所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，在所述步骤3中，对于经过初次过滤的采样值S_i，还要采用滤波队列上限Δupper和滤波队列下限Δlower构成的区间[Δlower，Δupper]进行再次过滤，将不再区间[Δlower，Δupper]内的采样值S_i进行剔除，然后再采用冒泡法进行排序。

3.如权利要求2所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，在所述步骤3中，对所有采样值S_i进行分类，并计算出可信采样值序列V_i的中值Δ；进行分类的的具体公式如下：

其中：U_i-1表示第i-1个周期的油量输出数据。

4.如权利要求3所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，得到的所述小权值粒子集为：

式中，

为小权值粒子，0＜Δlower≤S_i＜Δ^-为小权值粒子

的取值范围。

5.如权利要求4所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，得到的所述中值粒子集为：

式中，

为中值粒子，(Δ^-≤S_i≤Δ⁺为中值粒子

的取值范围。

6.如权利要求5所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，得到的大权值粒子集为：

式中，

为大权值粒子，Δ⁺＜S_i≤Δupper为大权值粒子

的取值范围。

7.如权利要求6所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，所述步骤4中，进行重采样条件判断的操作为：

对于中值粒子集中的粒子，不进行重采样；

对于大权值粒子集中的粒子，进行重采样的判断手段为：先求得滤波队列上限Δupper，然后与预先设定的滤波阈值上限Δ⁺进行比较；若在大权值粒子集中的某个粒子的采样值S_i取值范围在Δ⁺＜S_i≤Δupper，则不进行重采样；若在大权值粒子集中的某个采样值S_i取值范围在Δupper＜S_i，则进行重采样；

对于小权值粒子集中的粒子，进行重采样的判断手段为：先求得滤波队列下限Δlower，然后与预先设定的滤波阈值下限Δ^-进行比较；若小权值粒子集中的某个粒子的采样值S_i在Δlower≤S_i＜Δ^-范围内，则不进行重采样；若若小权值粒子集中的某个粒子的采样值S_i在Δlower＞S_i内，则进行重采样。

8.如权利要求7所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，在对大权值粒子集中的粒子进行了重采样后，还要使用线性方程式进行经验降解，将降解后得到的新的大权值粒子

作为大权值粒子集中的粒子替换掉对应的旧的大权值粒子

具体经验降解的公式为：

9.如权利要求7所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，在对小权值粒子集中的粒子进行重采样后，还要使用线性方程式进行经验补偿，将补偿得到新的小权值粒子

作为小权值粒子集中的粒子替换掉对应的旧的小权值粒子

具体的经验补偿的公式为：

10.如权利要求1-9任一项所述的一种基于数据滚动粒子滤波的燃油油量数据处理方法，其特征在于，对大权值粒子集的粒子总数记为N_A，中值粒子集的粒子总数记为N_B，小权值粒子集的粒子总数记为N_C；得到数据队列k的值，具体计算为：

N_A+N_B+N_C＝k。

Images