论文部分内容阅读
针对非线性工业过程测量的滞后性和模型不确定性给系统状态估计和模型参数估计造成的困难，在扩展Kalman滤波器（EKF）的基础上，引入有限差分滤波器（FDEKF）和次优渐消因子，提出了一种强跟踪有限差分滤波状态和参数二元估计算法。该二元估计算法将滤波器分解为参数滤波和状态滤波两个过程，分别估计模型参数和系统状态。最后，将该算法应用于一化学反应过程的仿真，结果表明，这种强跟踪有限差分滤波的二元估计算法在原模型或参数存在偏差的情况下，仍能较准确地估计系统状态和模型参数，并具有较强的数值鲁棒性。