本發(fā)明飛機(jī)座艙環(huán)境監(jiān)測領(lǐng)域，特別涉及一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法。

背景技術(shù)：

氣密式的增壓座艙保證了旅客和機(jī)組成員在高空惡劣環(huán)境中安全飛行。隨著航空工業(yè)的不斷發(fā)展，民航各方面對座艙內(nèi)的環(huán)境質(zhì)量也提出了更高的要求，各國家和地區(qū)在相應(yīng)的民航標(biāo)準(zhǔn)中都明確規(guī)定了相關(guān)環(huán)境參數(shù)的限值。然而這些標(biāo)準(zhǔn)只針對溫度、壓力和濕度等基礎(chǔ)環(huán)境參數(shù)，唯一規(guī)定的污染物指標(biāo)——煙霧也只是作為火災(zāi)監(jiān)測的一種輔助手段?？蓪嶋H情況是：飛機(jī)座艙空間狹小封閉、人員密集，未及時發(fā)現(xiàn)的污染物將在數(shù)小時的飛行時間內(nèi)對旅客和機(jī)組成員造成直接侵害。安全舒適的座艙環(huán)境是旅客選擇航空公司航班的重要因素，也是長期工作在其中的機(jī)組成員身體健康的必要保障，特別是新出廠的飛機(jī)是否能夠滿足乘客在飛機(jī)上的舒適度，可以為座艙環(huán)境的適航審定提供一種研究方法。

國內(nèi)外近年來都針對飛機(jī)座艙污染物開展了相關(guān)的實測工作，在對座艙內(nèi)污染物監(jiān)測過程中，由于局部單個傳感器過分靈敏，在噪聲干擾下測量結(jié)果存在較大誤差且經(jīng)常出現(xiàn)誤報警。實際飛行中，一旦發(fā)生了嚴(yán)重警告，飛行員必須立刻操縱飛機(jī)進(jìn)行備降，因此誤報警將嚴(yán)重影響正常飛行計劃，造成大量人力財力的損失。使用增加報警閾值的方法可以減少誤報警率，但卻產(chǎn)生了嚴(yán)重的安全隱患。

技術(shù)實現(xiàn)要素：

本發(fā)明提供一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法，用以提高座艙污染物測量的準(zhǔn)確性和可靠性。

本發(fā)明提供一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法，包括：

在待測座艙中建立分布式組合傳感器網(wǎng)絡(luò)；所述分布式組合傳感器網(wǎng)絡(luò)中的每個節(jié)點設(shè)置有用于監(jiān)測至少一種指定污染物的傳感器，且對于每種指定污染物，設(shè)置有不同測量原理的主傳感器和輔傳感器；

定義各節(jié)點的鄰居節(jié)點，并初始化設(shè)置各節(jié)點i對應(yīng)第l種指定污染物的傳感器的估計增益陣P_il及狀態(tài)估計值；

對于每個節(jié)點，用于監(jiān)測同一種污染物的主傳感器和輔傳感器分別測量，得到當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值Z_Pil和輔傳感器測量值Z_Sil；

根據(jù)公式Z_il＝Z_Pil-Z_Sil計算每個節(jié)點對應(yīng)各種指定污染物的傳感器測量值誤差Z_il；

各節(jié)點確定自身的節(jié)點信息并傳播至鄰居節(jié)點；所述節(jié)點信息包括當(dāng)前節(jié)點對應(yīng)各種指定污染物的傳感器的狀態(tài)估計值、當(dāng)前節(jié)點對應(yīng)各種指定污染物的信息向量和信息矩陣；

對于每個節(jié)點，根據(jù)當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器測量值誤差Z_il和當(dāng)前節(jié)點的所有鄰居節(jié)點的節(jié)點信息，通過一致性卡爾曼濾波器濾波得到當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器的最優(yōu)誤差估計值

對于每個節(jié)點，采用當(dāng)前節(jié)點對應(yīng)第l種指定污染物的傳感器的最優(yōu)誤差估計值校正當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值，得到當(dāng)前節(jié)點的第l種指定污染物濃度值：

其中，i＝1,2,...,N；N為所述分布式組合傳感器網(wǎng)絡(luò)中的節(jié)點數(shù)；l＝1,2,...,L，L為每個節(jié)點監(jiān)測的指定污染物種類數(shù)。

在一個實施例中，所述各節(jié)點確定自身的節(jié)點信息，包括：

每個節(jié)點根據(jù)預(yù)先給定的當(dāng)前節(jié)點對應(yīng)各種指定污染物的觀測噪聲協(xié)方差陣R_il，根據(jù)公式和計算當(dāng)前節(jié)點對應(yīng)各種指定污染物的信息矩陣U_i和信息向量u_i；其中，H_il為已知的第i個節(jié)點對應(yīng)第l種指定污染物的組合誤差觀測值矩陣；

每個節(jié)點將當(dāng)前節(jié)點對應(yīng)各種指定污染物的傳感器的狀態(tài)估計值當(dāng)前節(jié)點對應(yīng)各種指定污染物的信息向量u_i和信息矩陣U_i確定為當(dāng)前節(jié)點的節(jié)點信息。

在一個實施例中，所述根據(jù)當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器測量值誤差Z_il和當(dāng)前節(jié)點的所有鄰居節(jié)點的節(jié)點信息，通過一致性卡爾曼濾波器濾波得到當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器的最優(yōu)誤差估計值包括：

當(dāng)前節(jié)點接收自身的所有鄰居節(jié)點的節(jié)點信息；

對于當(dāng)前節(jié)點監(jiān)測的第l種指定污染物，將當(dāng)前節(jié)點的所有鄰居節(jié)點對應(yīng)同一種指定污染物的信息向量和信息矩陣進(jìn)行如下信息融合：

當(dāng)前節(jié)點更新當(dāng)前節(jié)點對應(yīng)第l種指定污染物的傳感器的估計誤差協(xié)方差矩陣M_il為：

根據(jù)公式進(jìn)行傳感器的狀態(tài)估計，得到當(dāng)前節(jié)點對應(yīng)第l種指定污染物的傳感器的狀態(tài)估計值

根據(jù)公式計算當(dāng)前節(jié)點對應(yīng)第l種指定污染物的傳感器的最優(yōu)誤差估計值

其中，j∈J_i＝N_i∪{i}，N_i為第i個節(jié)點的鄰居節(jié)點集合，變量r_il為：

θ為系統(tǒng)采樣周期，矩陣取Frobenius范數(shù)。

在一個實施例中，在所述得到當(dāng)前節(jié)點的第l種指定污染物濃度值之后，還包括：

判斷各節(jié)點的各種指定污染物濃度值是否大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值；

當(dāng)有節(jié)點的任一種指定污染物濃度值大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值時，發(fā)出污染物濃度超標(biāo)報警。

在一個實施例中，在所述判斷各節(jié)點的各種指定污染物濃度值是否大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值之后，還包括：

當(dāng)各節(jié)點的各種指定污染物濃度值均不大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值時，根據(jù)下式計算各節(jié)點的空氣質(zhì)量指數(shù)AQI_i：

其中，Z_bl為預(yù)先設(shè)定的第l種指定污染物濃度閾值，α_l為預(yù)先設(shè)定的第l種指定污染物的指標(biāo)權(quán)重值。

在一個實施例中，在所述發(fā)出污染物濃度超標(biāo)報警或計算各節(jié)點的空氣質(zhì)量指數(shù)之后，還包括：

各節(jié)點將當(dāng)前節(jié)點對應(yīng)各種指定污染物的傳感器的估計增益陣P_il及狀態(tài)估計值更新為：P_il＝AM_ilA^T，

返回執(zhí)行對于每個節(jié)點，用于監(jiān)測同一種污染物的主傳感器和輔傳感器分別測量的步驟。

在一個實施例中，所述指定污染物為二氧化碳、一氧化碳、臭氧、可吸入顆粒物、丙酮、乙醇、甲醛、甲苯、二氯甲烷、內(nèi)毒素、微生物中的至少一種。

本發(fā)明的一些有益效果可以包括：

本發(fā)明提供的基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法將分布式組合傳感器網(wǎng)絡(luò)引入座艙污染物監(jiān)控中使用，在單個測量節(jié)點上設(shè)置用于測量同一污染物但不同工作原理的傳感器，利用一致性卡爾曼濾波算法對測量數(shù)據(jù)進(jìn)行融合，最后得到精確的污染物濃度值，實現(xiàn)了座艙污染物的準(zhǔn)確測量，監(jiān)測結(jié)果可靠性高。各節(jié)點傳感器不必與所有節(jié)點進(jìn)行信息交換，通信僅發(fā)生在鄰居傳感器節(jié)點之間，可以有效降低數(shù)據(jù)融合計算的復(fù)雜度，提高監(jiān)測的實時性，同時減少了傳感器能耗，并避免了全局信息融合中可靠性短板的問題，使各節(jié)點傳感器結(jié)合自身的測量值與鄰居節(jié)點的信息實現(xiàn)全局一致估計。

本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。

下面通過附圖和實施例，對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

附圖說明

附圖用來提供對本發(fā)明的進(jìn)一步理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實施例一起用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中：

圖1為本發(fā)明實施例中某一節(jié)點i的輸出校正數(shù)據(jù)融合示意圖；

圖2為本發(fā)明實施例中一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法的流程圖；

圖3為本發(fā)明實施例中另一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法的流程圖；

圖4為本發(fā)明實施例中步驟S106/S306的流程圖；

圖5為本發(fā)明實施例中另一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法的流程圖；

圖6為本發(fā)明實施例中為節(jié)點i的數(shù)字仿真示意圖；

圖7為本發(fā)明實施例中仿真的具有10個節(jié)點的座艙污染物監(jiān)測網(wǎng)絡(luò)拓?fù)鋱D；

圖8為一個仿真實例中狀態(tài)平均估計誤差變化圖；

圖9為一個仿真實例中狀態(tài)平均一致性誤差變化圖。

具體實施方式

為解決現(xiàn)有技術(shù)的問題，本發(fā)明采用分布式傳感器網(wǎng)絡(luò)，并在每一節(jié)點區(qū)域放置監(jiān)測不同類型污染物的傳感器，針對某一污染物類別，選取不同測量原理的傳感器，將這些傳感器的測量結(jié)果進(jìn)行數(shù)據(jù)融合以彌補單獨類型傳感器的不足。眾所周知，傳感器網(wǎng)絡(luò)中各傳感器在眾多隨機(jī)因素作用下，會得到相近但不完全一致的測量結(jié)果。傳統(tǒng)的解決方案是設(shè)置一個數(shù)據(jù)融合中心，對所有傳感器監(jiān)測到的數(shù)據(jù)進(jìn)行加權(quán)融合。但該方案數(shù)據(jù)通信量大，并且數(shù)據(jù)融合中心一旦失效將導(dǎo)致整個系統(tǒng)故障，可靠性較差。而座艙污染物監(jiān)測需要極高的實時性和準(zhǔn)確性，通過監(jiān)測網(wǎng)絡(luò)可以及時監(jiān)測到污染物的出現(xiàn)并判斷該污染物的釋放量是否符合標(biāo)準(zhǔn)。因此本發(fā)明采用分布式一致性卡爾曼濾波器進(jìn)行數(shù)據(jù)融合以達(dá)到準(zhǔn)確測量及提高測量結(jié)果的可靠性。

本發(fā)明提出的座艙污染物監(jiān)測方法選取待測座艙中典型位置作為網(wǎng)絡(luò)節(jié)點，包括座艙頂部、底部、窗口、座椅等位置放置傳感器，構(gòu)成分布式組合傳感器網(wǎng)絡(luò)，每個節(jié)點設(shè)置有用于監(jiān)測至少一種指定污染物的傳感器，且對于每種指定污染物，設(shè)置有不同測量原理的主傳感器和輔傳感器。定義G＝(V,E,A)為選用的分布式組合傳感器網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)圖，其中V＝{v₁,v₂,...v_n}為傳感器節(jié)點集合；為傳感器節(jié)點信息交換連邊集合。第i個節(jié)點的鄰居節(jié)點集合用N_i＝{v_j∈V|(v_i,v_j)∈E}表示，而其鄰居節(jié)點的個數(shù)稱為該節(jié)點的度并記為d_i＝|N_i|。拓?fù)鋱DG的度矩陣D定義為以各傳感器節(jié)點度為對角元素的對角陣，即D＝diag{d₁,...d_N}。A＝[a_ij]為表示各傳感器通信關(guān)系的鄰接矩陣，當(dāng)?shù)趇個傳感器與第j個傳感器互相通信時，a_ij取值為1，否則為0。圖G的拉普拉斯矩陣定義為L＝D-A，如果矩陣L含有一個非零特征值，則說明無向拓?fù)鋱DG是聯(lián)通的。

在對分布式組合傳感器網(wǎng)絡(luò)的每個節(jié)點的傳感器測量值進(jìn)行數(shù)據(jù)融合時，采用圖1所示的輸出校正數(shù)據(jù)融合結(jié)構(gòu)，一致性卡爾曼濾波器對節(jié)點i測量同一種污染物的主、輔傳感器的測量結(jié)果Z_Pi和Z_Si之差進(jìn)行數(shù)據(jù)融合，一致性卡爾曼濾波器輸出這兩個傳感器誤差Z_i的最優(yōu)狀態(tài)估計再用此誤差估計值對主傳感器的測量值進(jìn)行輸出校正，得到實際污染物濃度的最優(yōu)估計值。

在圖1所示的數(shù)據(jù)融合結(jié)構(gòu)中，一致性卡爾曼濾波器對主、輔傳感器的測量結(jié)果進(jìn)行數(shù)據(jù)融合，因此首先需要建立這兩個傳感器組合的組合傳感器的誤差動態(tài)方程。根據(jù)系統(tǒng)實際性能統(tǒng)計分析和傳感器的誤差分析，可以得到各傳感器的誤差模型，為標(biāo)記簡單，采用上標(biāo)+表示變量狀態(tài)的下一時刻更新。

主傳感器誤差動態(tài)方程如式(1)所示：

輔傳感器誤差動態(tài)方程如式(2)所示：

其中，為主、輔傳感器的狀態(tài)向量；Z_Pi∈R^p,Z_Si∈R^s為主、輔傳感器的輸出向量；(A_P,B_P,H_Pi)與(A_S,B_S,H_Si)為適當(dāng)維數(shù)的參數(shù)矩陣。w_P,v_Pi,w_S,v_Si為一維相互獨立的高斯白噪聲信號，滿足：

E[w(k)w(l)^T]＝Q(k)δ_kl

E[v_i(k)v_j(l)^T]＝R_ij(k)δ_kl

其中，δ_kl為單位脈沖函數(shù)，即當(dāng)k＝l時取值為1，否則為0；Q與R_ij為相應(yīng)的噪聲協(xié)方差矩陣，為標(biāo)記方便，將R_ij簡記為R_i。

根據(jù)系統(tǒng)的實際性能和誤差分析，可由式(1)、(2)得到組合傳感器的總體誤差方程，以此作為一致性卡爾曼濾波器的系統(tǒng)方程。由于主、輔傳感器的采樣時刻不能保證完全一致，為了簡化對準(zhǔn)時刻的系統(tǒng)觀測方程，可以忽略輔傳感器的量測噪聲，而將主傳感器的各種誤差歸為組合傳感器的量測噪聲。得到組合傳感器的誤差方程如下：

為方便下文分析，將式(3)表示為如下統(tǒng)一形式：

對比式(3)及式(4)，得組合誤差狀態(tài)向量為x＝col(x_P,x_S)，組合誤差系統(tǒng)噪聲為w＝col(w_P,w_S)；假設(shè)組合誤差觀測噪聲取主傳感器觀察噪聲，即v_i＝v_Pi。組合誤差系統(tǒng)方程參數(shù)為A＝diag(A_P,A_S)；B＝diag(B_P,B_S)；H_i為第i個節(jié)點的對于當(dāng)前組合傳感器監(jiān)測的污染物的組合誤差觀測值矩陣，可以根據(jù)傳感器測量誤差原理及工程實際得到。

對于公式(4)所表示的分布式系統(tǒng)，其離散形式的卡爾曼濾波器結(jié)構(gòu)如下。

其中K_i和C_i分別為濾波增益矩陣與一致性矩陣。與分別是被測狀態(tài)x的估計值與預(yù)測值，其統(tǒng)計含義如下：

其中Z(k)＝col{Z₁(k),...,Z_N(k)}為各傳感器觀測值組成的列向量。分別定義狀態(tài)估計誤差e_i以及狀態(tài)預(yù)測誤差如下：

則有M_ij和P_ij分別表示估計誤差協(xié)方差陣及預(yù)測誤差協(xié)方差陣，并有如下統(tǒng)計含義：

M_ij(k)＝E[η_i(k)η_j(k)^T] (10)

為了標(biāo)記簡便，當(dāng)節(jié)點i＝j(luò)時，分別將M_ij和P_ij簡記為M_i和P_i。定義加權(quán)測量值及信息矩陣則可以將以上濾波器表示為如下信息形式：

以上濾波器稱為一致性卡爾曼信息濾波器，使用狀態(tài)預(yù)測誤差協(xié)方差陣P_i和狀態(tài)估計誤差協(xié)方差陣M_i來修正狀態(tài)預(yù)測值以獲得對誤差狀態(tài)的估計其數(shù)據(jù)融合效果具有良好的可擴(kuò)展性，可以適用于大規(guī)模的分布式監(jiān)測網(wǎng)絡(luò)。本發(fā)明將該一致性卡爾曼信息濾波器用于所提出的分布式組合傳感器網(wǎng)絡(luò)中。

以下結(jié)合附圖對本發(fā)明的優(yōu)選實施例進(jìn)行說明，應(yīng)當(dāng)理解，此處所描述的優(yōu)選實施例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。

圖2為本發(fā)明實施例中一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法的流程圖。如圖2所示，該方法包括以下步驟S101-S107：

S101：在待測座艙中建立分布式組合傳感器網(wǎng)絡(luò)；所述分布式組合傳感器網(wǎng)絡(luò)中的每個節(jié)點設(shè)置有用于監(jiān)測至少一種指定污染物的傳感器，且對于每種指定污染物，設(shè)置有不同測量原理的主傳感器和輔傳感器。

以下為方便說明，將任意兩個節(jié)點分別監(jiān)測的第l種指定污染物設(shè)定為同一類型的污染物。例如，若所述分布式組合傳感器網(wǎng)絡(luò)有2個節(jié)點，每個節(jié)點均設(shè)置有用于監(jiān)測二氧化碳、一氧化碳、臭氧共3種指定污染物的傳感器，將節(jié)點1監(jiān)測的第1種、第2種、第3種指定污染物依次指定為二氧化碳、一氧化碳、臭氧，則將節(jié)點2監(jiān)測的第1種、第2種、第3種指定污染物也依次指定為二氧化碳、一氧化碳、臭氧。

S102：定義各節(jié)點的鄰居節(jié)點，并初始化設(shè)置各節(jié)點i對應(yīng)第l種指定污染物的傳感器的估計增益陣P_il及狀態(tài)估計值為：

P_il＝P_il(0)，

其中，i＝1,2,...,N；N為所述分布式組合傳感器網(wǎng)絡(luò)中的節(jié)點數(shù)；l＝1,2,...,L，L為每個節(jié)點監(jiān)測的指定污染物種類數(shù)，即：下標(biāo)i表示節(jié)點系數(shù)，l表示與第l種指定污染物對應(yīng)的參數(shù)。

S103：對于每個節(jié)點i，用于監(jiān)測同一種污染物但測量原理不同的主傳感器和輔傳感器分別測量，得到當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值Z_Pil和輔傳感器測量值Z_Sil。

S104：計算每個節(jié)點對應(yīng)各種指定污染物的傳感器測量值誤差Z_il，計算公式為：Z_il＝Z_Pil-Z_Sil。

S105：各節(jié)點確定自身的節(jié)點信息(u_il，U_il)并傳播至鄰居節(jié)點。其中，為當(dāng)前節(jié)點對應(yīng)各種指定污染物的傳感器的狀態(tài)估計值，u_il為當(dāng)前節(jié)點對應(yīng)各種指定污染物的信息向量，U_il為當(dāng)前節(jié)點對應(yīng)各種指定污染物的信息矩陣。

其中，每個節(jié)點首先根據(jù)預(yù)先給定的當(dāng)前節(jié)點對應(yīng)各種指定污染物的觀測噪聲協(xié)方差陣R_il，根據(jù)公式和計算當(dāng)前節(jié)點對應(yīng)各種指定污染物的信息矩陣U_il和信息向量u_il；隨后每個節(jié)點將當(dāng)前節(jié)點對應(yīng)各種指定污染物的傳感器的狀態(tài)估計值當(dāng)前節(jié)點對應(yīng)各種指定污染物的信息向量u_il和信息矩陣U_il確定為當(dāng)前節(jié)點的節(jié)點信息(u_il，U_il)；其中，H_il為已知的第i個節(jié)點對應(yīng)第l種指定污染物的組合誤差觀測值矩陣。

S106：對于每個節(jié)點，根據(jù)當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器測量值誤差Z_il和當(dāng)前節(jié)點的所有鄰居節(jié)點的節(jié)點信息，通過一致性卡爾曼濾波器濾波得到當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器的最優(yōu)誤差估計值

S107：對于每個節(jié)點，采用當(dāng)前節(jié)點對應(yīng)第l種指定污染物的傳感器的最優(yōu)誤差估計值校正當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值，得到當(dāng)前節(jié)點的第l種指定污染物濃度值Z_Oil。

其中，校正公式為：Z_Oil為節(jié)點i的第l種指定污染物濃度值，Z_Pil為節(jié)點i對應(yīng)第l種指定污染物的主傳感器測量值，為節(jié)點i對應(yīng)第l種指定污染物的傳感器的最優(yōu)誤差估計值。

本發(fā)明實施例提供的技術(shù)方案，將分布式組合傳感器網(wǎng)絡(luò)引入座艙污染物監(jiān)控中使用，在單個測量節(jié)點上設(shè)置用于測量同一污染物但不同工作原理的傳感器，利用一致性卡爾曼濾波算法對測量數(shù)據(jù)進(jìn)行融合，最后得到精確的污染物濃度值，實現(xiàn)了座艙污染物的準(zhǔn)確測量，監(jiān)測結(jié)果可靠性高。

圖3為本發(fā)明實施例中另一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法的流程圖。如圖3所示，該方法包括以下步驟S201-S210：

S201：在待測座艙中建立分布式組合傳感器網(wǎng)絡(luò)。

S202：定義各節(jié)點的鄰居節(jié)點，并初始化設(shè)置各節(jié)點i對應(yīng)第l種指定污染物的傳感器的估計增益陣P_il及狀態(tài)估計值

S203：對于每個節(jié)點i，用于監(jiān)測同一種污染物但測量原理不同的主傳感器和輔傳感器分別測量，得到當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值Z_Pil和輔傳感器測量值Z_Sil。

S204：計算每個節(jié)點對應(yīng)各種指定污染物的傳感器測量值誤差Z_il。

S205：各節(jié)點確定自身的節(jié)點信息并傳播至鄰居節(jié)點。

S206：對于每個節(jié)點，根據(jù)當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器測量值誤差Z_il和當(dāng)前節(jié)點的所有鄰居節(jié)點的節(jié)點信息，通過一致性卡爾曼濾波器濾波得到當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器的最優(yōu)誤差估計值

S207：對于每個節(jié)點，采用當(dāng)前節(jié)點對應(yīng)第l種指定污染物的傳感器的最優(yōu)誤差估計值校正當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值，得到當(dāng)前節(jié)點的第l種指定污染物濃度值Z_Oil。

本實施例中，步驟S201-S207的具體實施方法和上述實施例中的步驟S101-S107類似，此處不再贅述。

S208：判斷各節(jié)點的各種指定污染物濃度值是否大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值；當(dāng)有節(jié)點的任一種指定污染物濃度值大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值時，執(zhí)行步驟S209；否則，即當(dāng)各節(jié)點的各種指定污染物濃度值均不大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值時，執(zhí)行步驟S210。

由于目前民航適航條例和設(shè)計標(biāo)準(zhǔn)還未將污染物濃度監(jiān)測納入考察范圍。本發(fā)明參考已有的實測數(shù)據(jù)及建筑物室內(nèi)環(huán)境標(biāo)準(zhǔn)，結(jié)合飛機(jī)座艙受限空間的特性，考慮以下污染物類別，相關(guān)的污染物濃度閾值和測量方法如表1所示：

表1座艙污染物監(jiān)測類別

優(yōu)選地，各節(jié)點監(jiān)測的指定污染物為二氧化碳、一氧化碳、臭氧、可吸入顆粒物、丙酮、乙醇、甲醛、甲苯、二氯甲烷、內(nèi)毒素、微生物中的至少一種。

S209：發(fā)出污染物濃度超標(biāo)報警。

此步驟中，可以在報警時給出污染物濃度超標(biāo)的節(jié)點標(biāo)識以及超標(biāo)的污染物類型。

S210：計算各節(jié)點的空氣質(zhì)量指數(shù)AQI_i：

其中，Z_bl為預(yù)先設(shè)定的第l種指定污染物濃度閾值，α_l為預(yù)先設(shè)定的第l種指定污染物的指標(biāo)權(quán)重值。

本實施例中，通過分布式組合傳感器網(wǎng)絡(luò)測量和一致性卡爾曼濾波器進(jìn)行數(shù)據(jù)融合并得到給節(jié)點的污染物濃度后，還可以通過預(yù)先設(shè)置的污染物濃度閾值，判斷各監(jiān)測節(jié)點的各種污染物濃度是否超標(biāo)，并在超標(biāo)時報警體提醒用戶，此外，給出了座艙空氣質(zhì)量評價指數(shù)計算方法，在不超標(biāo)時計算各節(jié)點的空氣質(zhì)量指數(shù)，以方便用戶對座艙各關(guān)鍵位置的空氣質(zhì)量進(jìn)行實時監(jiān)控。

在一個實施例中，如圖4所示，步驟S106/S206的一致性卡爾曼濾波器的濾波方法可實施為以下步驟S301-S305：

S301：每個節(jié)點i接收自身的所有鄰居節(jié)點j的節(jié)點信息(u_jl，U_jl)。

S302：對于當(dāng)前節(jié)點i監(jiān)測的第l種指定污染物，將當(dāng)前節(jié)點i的所有鄰居節(jié)點j對應(yīng)同一種指定污染物的信息向量u_jl和信息矩陣U_jl按照如下公式(14)進(jìn)行信息融合：

其中，j∈J_i＝N_i∪{i}，N_i為第i個節(jié)點的鄰居節(jié)點集合。

S303：當(dāng)前節(jié)點i按照公式(15)更新當(dāng)前節(jié)點i對應(yīng)第l種指定污染物的傳感器的估計誤差協(xié)方差矩陣M_il為：

S304：根據(jù)公式(16)進(jìn)行傳感器的狀態(tài)估計，得到當(dāng)前節(jié)點i對應(yīng)第l種指定污染物的傳感器的狀態(tài)估計值

S305：根據(jù)公式(17)計算當(dāng)前節(jié)點i對應(yīng)第l種指定污染物的傳感器的最優(yōu)誤差估計值

其中，變量r_il為：

θ為系統(tǒng)采樣周期，矩陣取Frobenius范數(shù)。

圖5為本發(fā)明實施例中另一種基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法的流程圖。如圖5所示，該方法包括以下步驟S401-S411：

S401：在待測座艙中建立分布式組合傳感器網(wǎng)絡(luò)。

S402：定義各節(jié)點的鄰居節(jié)點，并初始化設(shè)置各節(jié)點i對應(yīng)第l種指定污染物的傳感器的估計增益陣P_il及狀態(tài)估計值

S403：對于每個節(jié)點i，用于監(jiān)測同一種污染物的主傳感器和輔傳感器分別測量，得到當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值Z_Pil和輔傳感器測量值Z_Sil。

S404：計算每個節(jié)點對應(yīng)各種指定污染物的傳感器測量值誤差Z_il。

S405：各節(jié)點確定自身的節(jié)點信息并傳播至鄰居節(jié)點。

S406：對于每個節(jié)點，根據(jù)當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器測量值誤差Z_il和當(dāng)前節(jié)點的所有鄰居節(jié)點的節(jié)點信息，通過一致性卡爾曼濾波器濾波得到當(dāng)前節(jié)點對應(yīng)每種指定污染物的傳感器的最優(yōu)誤差估計值本實施例中，此步驟采用圖4所示方法實現(xiàn)，具體不再贅述。

S407：對于每個節(jié)點，采用當(dāng)前節(jié)點對應(yīng)第l種指定污染物的傳感器的最優(yōu)誤差估計值校正當(dāng)前節(jié)點對應(yīng)第l種指定污染物的主傳感器測量值，得到當(dāng)前節(jié)點的第l種指定污染物濃度值Z_Oil。

S408：判斷各節(jié)點的各種指定污染物濃度值是否大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值；當(dāng)有節(jié)點的任一種指定污染物濃度值大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值時，執(zhí)行步驟S409；否則，即當(dāng)各節(jié)點的各種指定污染物濃度值均不大于預(yù)先設(shè)定的相應(yīng)種類的指定污染物濃度閾值時，執(zhí)行步驟S410。

S409：發(fā)出污染物濃度超標(biāo)報警，隨后執(zhí)行步驟S411。

S410：計算各節(jié)點的空氣質(zhì)量指數(shù)AQI_i，隨后執(zhí)行步驟S411。

本實施例中，步驟S401-S410的具體實施方法和上述實施例中的步驟S301-S310類似，此處不再贅述。

S411：各節(jié)點將當(dāng)前節(jié)點對應(yīng)各種指定污染物的傳感器的估計增益陣P_il及狀態(tài)估計值按照公式(19)更新，隨后返回執(zhí)行S403。

其中，為當(dāng)前節(jié)點i對應(yīng)第l種指定污染物的傳感器的狀態(tài)估計值，由步驟S406得到。

本實施例在通過分布式組合傳感器網(wǎng)絡(luò)測量和一致性卡爾曼濾波器進(jìn)行數(shù)據(jù)融合并得到給節(jié)點的污染物濃度后，各節(jié)點及時更新傳感器的估計增益陣P_il及狀態(tài)估計值從而可返回循環(huán)使用本方法，實現(xiàn)對座艙污染物濃度的實時監(jiān)控。

在本發(fā)明提供的分布式組合傳感器網(wǎng)絡(luò)中，使用一致性卡爾曼濾波算法估計各節(jié)點主、輔傳感器的測量誤差，并用于修正主傳感器測量值以得到最終污染物測量值。因此，該一致性卡爾曼濾波算法的穩(wěn)定性決定整個監(jiān)測方法的穩(wěn)定性。在系統(tǒng)噪聲作用下，局部卡爾曼濾波器的狀態(tài)估計值會偏離真實值，而觀測噪聲會導(dǎo)致各節(jié)點狀態(tài)估計值不能完全趨于一致。下面給出本發(fā)明實施例提供的方法在系統(tǒng)噪聲和觀測噪聲干擾下一致性卡爾曼濾波算法穩(wěn)定性的分析。下文中為了方便說明，設(shè)分布式組合傳感器網(wǎng)絡(luò)僅監(jiān)測一種污染物，則上述方法中的所有參數(shù)的用于表示污染物類型的下標(biāo)l可以不再考慮。

在公式(5)所表示的經(jīng)典的一致性卡爾曼濾波算法中，將中間變量M_i代入P_i⁺并將代入可以得到如下更緊湊形式的濾波算法。

在對公式(20)所表示的一致性卡爾曼濾波算法進(jìn)行穩(wěn)定性分析之前，先給出針對該算法參數(shù)的兩條前提假設(shè)，同時給出與該算法相關(guān)的三條引理。

假設(shè)1：公式(4)所表示的分布式系統(tǒng)中系統(tǒng)矩陣A始終非奇異。

假設(shè)2：存在正實數(shù)q,r,p,使得算法參數(shù)矩陣具有如下邊界：

其中矩陣I為單位陣。需要說明的是，這兩項前提假設(shè)并不苛刻。對于由連續(xù)系統(tǒng)采樣得到的公式(4)所表示的離散分布式系統(tǒng)，假設(shè)1始終成立。根據(jù)文獻(xiàn)“Andersen B and Moore J.Detectability and stabilisability of time-varying discrete-time linear systems[J].Siam Journal on Control&Optimization.1981,19,(1):20-32.doi:10.1137/0319002.”，如果公式(4)所表示的系統(tǒng)一致可觀，則P_i具有上下界。

引理1：對于一個隨機(jī)過程V_k(ξ_k)，如果存在實數(shù)以及0＜α≤1，使得

E{V_k(ξ_k)|ξ_k-1}≤(1-α)V_k-1(ξ_k-1)+μ (23)

同時成立，那么該隨機(jī)過程均方指數(shù)有界，即并且該隨機(jī)過程依概率1有界。

在接下來的分析中，引理1被用于判斷一致性卡爾曼濾波算法狀態(tài)估計值的穩(wěn)定性。對于每個測量節(jié)點，其參數(shù)邊界條件如引理2和引理3所述：

引理2：在假設(shè)1和假設(shè)2的前提下，對每個節(jié)點，存在實數(shù)0＜κ_i＜1(i＝1,...,N)，使得

(A-AK_iH_i)^T(P_i⁺)^-1(A-AK_iH_i)≤(1-κ_i)P_i^-1 (24)

其中

引理3：在假設(shè)1和假設(shè)2的前提下，對每個節(jié)點，存在實數(shù)ε_i＞0(i＝1,...,N)，使得

考慮噪聲時算法穩(wěn)定性分析的主要結(jié)論如下：

定理1：考慮由N個節(jié)點構(gòu)成的無線傳感網(wǎng)絡(luò)，對公式(4)所表示的分布式離散時變系統(tǒng)應(yīng)用公式(5)所表示的一致性卡爾曼濾波算法。在假設(shè)1和2的前提下，如果初始預(yù)測誤差有界，則算法的預(yù)測誤差均方指數(shù)有界并且依概率1有界。

定理1證明：

根據(jù)定義(8)和(11)，首先定義預(yù)測誤差向量及相應(yīng)的分塊對角陣P＝diag{P₁,...P_N}。構(gòu)建如下李雅普諾夫函數(shù)作為引理1中的隨機(jī)過程：

根據(jù)假設(shè)2中可以得到

其中，及p＝min{p₁,...,p_N}。不等式(28)滿足引理1中的第一個條件，為了證明隨機(jī)過程e均方指數(shù)有界，必須考慮下一時刻李雅普諾夫函數(shù)的數(shù)學(xué)期望值E{V⁺(e⁺)}。根據(jù)預(yù)測誤差e_i的定義，可以得到如下關(guān)于e_i的動態(tài)方程：

將其代入李雅普諾夫函數(shù)的定義式(21)中，則有

其中

對上式兩側(cè)取數(shù)學(xué)期望，并應(yīng)用引理2及引理3，式(30)可化簡為

為了方便分析上式右側(cè)第3項和第4項，我們將一致性增益C_i定義為如下形式

Λ_i＝(A-AK_iH_i)^T(P_i⁺)^-1(A-AK_iH_i) (32)

C_i＝σ[(A-AK_iH_i)^T(P_i⁺)^-1A]^-1Λ_i (33)在式(33)兩側(cè)同時右乘(A-AK_iH_i)^T(P_i⁺)^-1A，可以方便得到

然后將定義(32)代入上式，通過移項可得

C_i＝σA^-1(A-AK_iH_i) (35)

(A-AK_iH_i)^-1AC_i＝σ (36)

繼續(xù)將式(36)代入式(34)，有

根據(jù)式(34)及式(37)，式(31)右側(cè)第3項和第4項可以表示為

定義Λ＝diag{Λ₁,...Λ_N}及q＝col{q₁,...q_N}。無線傳感網(wǎng)絡(luò)的拉普拉斯矩陣如前所述用L表示，則q可以表示為其中因此，式(38)可進(jìn)一步化簡為

其中，λ_min和λ_max分別表示矩陣的最大和最小特征值。綜合式(31)及式(39)，我們有

其中κ＝min{κ₁,...κ_N}。如引理2所述，以下不等式顯然成立

將上式代入式(40)中，有

為了滿足引理1中的第2個條件，我們必須保證如下不等式成立

式(43)可以看成關(guān)于σ的一元二次不等式，且當(dāng)σ＜σ^*時該不等式成立，其中

同時根據(jù)引理3，不等式(44)顯然成立。因此，預(yù)測誤差e_i依概率1均方指數(shù)有界。

本發(fā)明實施例還對上述基于分布式組合傳感器網(wǎng)絡(luò)的座艙污染物監(jiān)測方法進(jìn)行了仿真，以驗證其實施效果。

圖6所示為節(jié)點i的數(shù)字仿真示意圖，為方便說明，該節(jié)點所處分布式組合傳感器網(wǎng)絡(luò)中，各節(jié)點僅設(shè)置了用于監(jiān)測一種污染物濃度的主傳感器仿真模型和輔傳感器仿真模型。如圖6所示，節(jié)點i的主、輔傳感器仿真模型在各自系統(tǒng)噪聲W_i和量測噪聲V_i的作用下，分別輸出污染物濃度的測量值Z_Pi,Z_Si，二者之差即為測量值誤差Z_i。一致性卡爾曼濾波器同時也接收節(jié)點i的鄰居節(jié)點j的測量誤差Z_j，經(jīng)一致性卡爾曼濾波器濾波后輸出估計值以校正節(jié)點i的主傳感器測量值Z_Pi從而得到最終的測量值Z_Oi。仿真實驗采用蒙特卡羅方法進(jìn)行大量獨立重復(fù)試驗，使用各時刻的參數(shù)統(tǒng)計均值對監(jiān)測網(wǎng)絡(luò)的性能進(jìn)行分析。定義的如下性能指標(biāo)：

狀態(tài)平均估計誤差(Mean Estimation Error,MEE)：

e_i,k＝Z_O,k-Z_Oi,k (47)

狀態(tài)平均一致性誤差(Mean Consensus Error,MCE)：

其中，下標(biāo)k表示仿真運行時刻，N為節(jié)點總數(shù)。

圖6中主、輔傳感器的數(shù)學(xué)模型是各自的基本控制方程，既可以來自測量誤差的理論分析又可以通過實際測量數(shù)據(jù)進(jìn)行系統(tǒng)辨識得到，考慮系統(tǒng)噪聲與量測噪聲后得到的量測數(shù)據(jù)將更加接近實際。需要注意的是，受系統(tǒng)辨識精度以及嵌入式設(shè)備性能等的限制，分布式一致性卡爾曼濾波器所采取的系統(tǒng)方程和量測方程只能是對真實傳感器組合的近似。

接下來給出本發(fā)明的一個仿真實例。部署具有10個節(jié)點的傳感器檢測網(wǎng)絡(luò)，網(wǎng)絡(luò)拓?fù)鋱D如圖7所示，其中每個節(jié)點僅設(shè)置了用于監(jiān)測一種污染物濃度的主傳感器和輔傳感器。其拉普拉斯矩陣為：

考慮組合傳感器的測量誤差模型為：

誤差初始狀態(tài)取x_i(0)＝(8,12)^T，系統(tǒng)噪聲和量測噪聲分別取協(xié)方差為10和100i的相互獨立高斯白噪聲干擾，其中i為節(jié)點序號，以此體現(xiàn)各節(jié)點不同的測量誤差。系統(tǒng)采樣周期為10ms，卡爾曼濾波器初始預(yù)測誤差矩陣取P_i(0)＝10I₂。

對該系統(tǒng)進(jìn)行穩(wěn)定性分析，首先驗證前面穩(wěn)定性分析中所提的兩條假設(shè)。對于假設(shè)1，每一時刻A_k顯然非奇異。關(guān)于假設(shè)2，對于該系統(tǒng)，下面不等式成立：

根據(jù)公式(25)，可以算得κ＝0.4515,符合引理2的前提條件0＜κ＜1。根據(jù)的定義，可以算得再由公式(45)，得到σ^*＝0.7417以確定一致性參數(shù)的取值范圍。

目前座艙污染物監(jiān)測中，各傳感器使用局部卡爾曼濾波算法獨立處理數(shù)據(jù)。為驗證本發(fā)明所提供的方法的有效性，同時對局部卡爾曼濾波算法和一致性卡爾曼濾波算法進(jìn)行1000次獨立的蒙特卡羅仿真后，統(tǒng)計式(46)的狀態(tài)平均估計誤差變化如圖8所示，統(tǒng)計式(48)的狀態(tài)平均一致性誤差如圖9所示。

局部卡爾曼濾波算法由于沒有考慮來自周圍節(jié)點的信息，因此狀態(tài)估計總體效果較差：圖8顯示其狀態(tài)估計誤差高于本發(fā)明所提的一致性卡爾曼濾波算法，同時收斂速度較慢；更重要的是，圖9中局部卡爾曼濾波算法的一致性誤差遠(yuǎn)高于本發(fā)明所提的一致性卡爾曼濾波算法，說明各傳感器對同一狀態(tài)的估計值差距較大，這也解釋了為何單傳感器容易發(fā)生誤報警。由于本發(fā)明提供的方法在污染物監(jiān)測過程中考慮到系統(tǒng)噪聲和量測噪聲，因此各節(jié)點估計值不能完全精確地收斂真實值，同時各節(jié)點之間的估計值也存在一定誤差，但這些誤差很快收斂到有限值內(nèi)。對比傳統(tǒng)的局部卡爾曼濾波算法，本發(fā)明所提方法狀態(tài)估計精度更高，且各傳感器測量值趨于一致，有效解決了局部單傳感器因誤差較大而引發(fā)誤報警的問題。

顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。