软测量与虚拟传感器应用中的卡尔曼滤波器

在某些情况下，需要的变量并不能通过硬件传感器直接测量，可以通过动态特性和其他可以通过硬件传感器测量的信号推测出来。这就是所谓的软测量或称虚拟传感器。

如图9-5所示说明了这样的概念：通过采集被控过程或过程模型的信息（包括操作变量输入和干扰），可以估计部分或所有的内部变量。

软测量或是虚拟传感器是以能观性的概念为基础，利用滤波理论获得的。能观性是指利用对过程模型的知识和对系统外部信号（例如输入输出信号）的简单测量，重建系统状态的可能性。这是系统理论中一个重要概念。可观测性是系统理论的关键概念之一，因为几乎所有的系统（线性和非线性）都具有这一性质，并且能观性也有不同程度：有些变量要比其他变量更容易观测。

卡尔曼滤波器：

目前，在软测量或是虚拟传感器中最成功的案例称为卡尔曼滤波器^[4]。自从卡尔曼在1960年写下他开创性的论文之后，卡尔曼滤波器在控制和信号领域内广泛应用起来。

卡尔曼滤波器或其改进版本可以估计模型全部状态，需要满足：

●被控过程动态特性模型，尤其是包含输入如何作用于状态、状态如何与输出联系的状态描述。模型不必精确，对模型误差的估计是必要的。

●测量系统的模型，尤其是测量误差统计特性模型。(www.xing528.com)

●被测量的输出信号有足够信息（能观性必须成立）。

●所有输入输出信号必须可测。

●对状态的合理初始假设。

卡尔曼滤波器的极大成功应该归功于对模型的需求小。简单合理的模型，或许加模型误差的估计就已经足够了。当然模型越准确，我们从虚拟传感器中得到的就越多。

图9-5 基于信息处理的虚拟传感器