用于估计流体流量的方法和系统与流程

本发明涉及估计来自于箱的流体流量的方法，并且更特别地它涉及使这种方法可靠。本发明也涉及能够实施该方法的系统。

背景技术：

用于估计来自于箱的流体的流量的已知估计方法包括测量箱中流体的水平。在简单环境中，例如，假设水平测量是连续可用的，箱是圆柱形，流体不在箱出口和估计流量所在的点之间任何地方累积，那么只通过使用仿射函数就可以确定地估计流体的流量。

然而，实际上，流体水平的测量很少是连续可用的，这意指当水平测量不可用时，必然要利用该周期期间的插值或估计量。然而，可以存在与所用的水平测量和/或估计量相关的不确定性和偏差。而且，箱可以是非圆柱形，因此将非线性引入到估计函数中。因此，存在估计流量的新类型方法的需要。

技术实现要素：

本发明涉及用于估计来自于箱的流体流量的估计方法，该方法包括测量箱中流体水平，并且其特征在于它包括通过使用无损卡尔曼滤波器(Unscented Kalman Filter)估计流体流量的估计步骤，所述估计步骤包括用于获得原始流体流量的获得步骤，以及当水平测量可用时的校正步骤，在该校正步骤期间，根据水平测量校正所获得的原始流量。

卡尔曼滤波器是一种计算方法，该方法可以由计算机实施和可以估计来自于输入数据系列的动态系统的状态，该动态系统是不完整或有噪声的。通过状态方程(1)和测量方程(2)模型化卡尔曼滤波器，该方程(1)代表动态系统的变化，该方程(2)代表测量的可观察振幅和系统的固有状态之间的关系。

其中k是当前时刻，k+1是之后的时刻，x是系统(固有)状态，u是输入数据，y是(观察到的)测量幅度，f是状态函数，h是测量函数，并且v和w是噪声(分别地测量噪声和状态噪声)。变量x、y、u、v和w可以都是具有一个或多个分量的矢量。为了在本发明的方法中实施卡尔曼滤波器，状态x包括从测量y观察到的流体流量，例如，该测量y包括箱中流体的水平。例如，输入数据u包括系统的参数，诸如在流体回路中一个或多个位置处的泵的速度和/或流体压力。可以从除了y以外的测量估计输入数据u，或者它可以是系统的运行数据。

卡尔曼滤波器包括根据输入数据u_k获得当前状态(k)之后的状态(k+1)的数值的获得步骤，以及用于校正获自测量y_k的数值的校正步骤。在文献中广泛地描述了这些步骤，并且此处对于通常情况不再解释它们。

无损卡尔曼滤波器(UKF)，如在“卡尔曼滤波器对非线性系统的新扩展(A new extension of the Kalman filter to nonlinear systems)”(Julier和Uhlmann，在第11届航空宇宙/防御传感、模拟和控制的国际研讨会中，多传感器融合、跟踪和资源管理第II卷,Orlando,Florida,1997)中所述，是卡尔曼滤波器的变化形式，其特别地适于非线性系统，就像根据流体所来自的箱中水平，可以应用于流体流量一样。除了卡尔曼滤波器步骤外，并且无损卡尔曼滤波器包括称为“无损转换”的步骤，其包括通过称为σ点的一组适合地选择的点所代表的高斯随机变量近似当前状态x_k。这组点精确地再现了高斯随机变量的平均数和协方差。在获得步骤期间，状态方程(1)应用于每个σ点，以获得随后的状态。这在k+1时刻产生一组σ点，这些点精确地再现了随后状态x_k+1的平均数和协方差，该精确性达到二阶(依照泰勒级数分析)。相反，扩展卡尔曼滤波器，这是非线性系统所用的卡尔曼滤波器的另一种变化形式，只达到了一阶的精确性。而且，不像扩展卡尔曼滤波器，UKF不需要任何昂贵明确的线性化计算(计算Hessian或者Jacobian矩阵)。

获得步骤包括期望估计的流量的可选地临时初步确定。可以通过测量、通过计算(特别地通过使用UKF的状态方程(1))或者通过两者结合实施它。换而言之，UKF的状态x包括期望估计的流量。通过获得步骤所获得的原始流量然后经历校正步骤。

如上所述，校正步骤利用测量步骤的结果。测量步骤不假设水平测量是连续地可用的：它包括核验是否测量可用，并且如果可用，采用它。如果测量在一些时刻不可用，那么测量步骤不返回任何数据给校正步骤，并且因此在那个时刻所获得的流量是不相关的。

估计方法可以用于估计即时流量，累积流量或者根据流量所计算的任何其它幅度。

因此，由于使用UKF，估计方法提供了精确的，与箱中水平测量一致的流体流量的估计，并且该估计固有地校正获得步骤的偏差和误差。而且，该方法与任何形状的箱相容，并且特别地与不是圆柱形的箱相容。而且，通过使用UKF状态方程，甚至当水平测量不可用时，获得步骤可以通过精确的方式估计流体流量。最后，该方法很好地适合于流量的变化以及其中测量流量的系统的运行点的变化。

在一些实施方式中，通过至少一个传感器，特别地流量计测量原始流量值。在这些实施方式中，基本上通过流量计进行获得步骤，并且校正步骤用于根据测量的水平数值校正流量计。当存在流量计时，估计方法由此可以使得它可靠、重置它和/或在校准它。

在一些实施方式中，通过具有迭代地估计系数的数学估计，特别地通过使用人工神经网络计算原始流量值。术语“具有迭代地估计系数的数学估计”用于排除其中系数是常数和明确已知的先验的物理测量和数学表达式。特别地，通过连续地使模型适合于一组数据，就像人工神经网络完成的一样，或者通过数字地被解答的方程式，可以估计迭代地估计的系数，该方程式具有收敛的解答。

人工神经网络(ANN)是包括一个或多个神经元的计算模型，每个神经元提供有传递函数。ANN由此具有总传递函数，其适于根据至少一个输入计算至少一个输出。可以通过偏差和通过系数加权网络中每个神经元的传递函数或神经元的相对重量，称为突触权重(或者更简单地称为权重)。可以根据ANN的训练来调节权重。训练包括给ANN提供其中输入和输出已知的一组情境。在训练期间，ANN适合于偏差和突触权重，以致于它们符合训练情境，可能具有一定量的公差。ANNs由此是具有系数的数学表达式，根据训练迭代地适合。一旦在训练阶段结束时已经确定了偏差和权重，在随后的操作阶段期间，它们可以可选地保持常数。

ANN由此能够通过从所述系统的真实行为学习，智能地模型化系统，而没有必要知道管理它的理论定律。ANN也具有概括的能力(也称为“推理”)，即，对于已经给出它输入值的情境，即使在训练阶段期间它还没有被训练到那种情境，只要输入包含在有效性域内，它就能够确定输出值(换而言之，它确保用于将要被计算的情境的输入值位于已经被用于训练的极限输入值之间或者接近该极限输入值)。这对于具有广泛范围操作点的系统是特别地有用，并且对于该系统，在工业情境下，难以想象去设想设置用于所有可能情境的参数。为了更好的精确性，必须核实训练情境构成合适地精细的网络，覆盖操作域。最后，ANN是一种易于适应的系统。这些优点对于其它类型的具有迭代地估计的系数的数学表达式也是有效的。

而且，在这种实施中，由此通过数学估计进行获得步骤，这可以省略流量计，并且达到花费、重量和体积上的节约。

不像已知在别处的一些系统，其中无损卡尔曼滤波器用于确定ANN的突触权重，本方法通过将具有迭代地估计的系数的数学表达式(特别地ANN)并入在UKF的获得步骤中，利用了它。它的操作和目的由此是完全不同的。

在一些实施方式中，箱中流体的质量是箱中流体水平的非线性函数。在一些实施方式中，箱不是圆柱形的。在一些其它实施方式中，箱是圆柱体，该圆柱体母线不垂直于箱中流体的平均水平。

应该记得圆柱体是通过绕着封闭平面曲线，扫描称为母线的固定方向的直线限定的表面。术语“圆柱体”也用于指截头圆柱体，即，由圆柱体和两个平行平面限定的实体，平面不平行于圆柱体的母线。

上述特征应用于大多数箱的形状，并且特别地具有球形端壁的箱的形状。当箱不是圆柱形的，箱流空的速度(即，做为时间函数的水平的导数)不是来自于箱的出口流量的仿射函数。如上所述，UKF特别好地考虑这种非线性。

在一些实施方式中，无损卡尔曼滤波器的状态包括原始流量值的偏差。在一些实施方式中，假设流量等于获得步骤中所获得的原始流量加上偏差(其可以是正的或负的)的总和。更通常地，在其它实施方式中，假设流量是所获得的原始流量的仿射函数，那么偏差是由仿射函数的系数所构成的矢量。卡尔曼滤波器的状态包括偏差的事实本身可以提取和使用偏差值，随后，例如，以当偏差值超过一定阈值时，检测异常。

在一些实施方式中，无损卡尔曼滤波器的状态包括流量的原始值和该值的偏差。

在一些实施方式中，估计方法还包括滤波流体水平中波动的步骤。流体水平波动是与流体流量所引起水平的变化比较，对于箱中恒定流体体积的流体水平的瞬时变化。流体中的波动可以是由于箱中流体晃荡或者由于信号中宽频带噪声引起(白噪声基本上与箱和其机械和液压环境之间相互作用有关)。例如，可以用低通滤波器或通过包括晃荡的共振模式抑制的UKF进行该滤波步骤。例如，可以以包括波动函数的形式写下流体水平，以及通过包括这些系数在UKF的状态矢量中，可以确定该波动函数的系数(例如，振幅、频率和其傅里叶系列分析的主要术语的相)。

这种滤波步骤用于减弱水平测量中的噪声，以及用于使估计方法甚至更可靠。

本发明也涉及估计分别地来自于第一箱和第二箱的两种流体流量的方法，其中通过分别地实施下列估计流体流量：第一种估计方法包括使用无损卡尔曼滤波器，估计流体流量的步骤，其中在校正无损卡尔曼滤波器的步骤中不考虑水平测量；上述建议类型的第二种方法，其中只考虑第一箱的水平测量；上述建议类型的第三种方法，其中只考虑第二箱的水平测量；以及上述建议类型的第四种方法，其中考虑两种水平测量；以及其中返回的流量是通过四种方法之一的方法所估计的流量，该方法精确地考虑了可用的测量。

在该方法中，期望估计根据两个水平测量校正的两个流量值。两个水平测量可用是同时地不可用的，或者只有两种测量的一个或另一个可以是可用的。由此，存在四个水平测量可用性情境。

这种方法的想法将用于使用上述方法的四种变化形式估计两种流量，然后选择对可用的水平测量最适合的变化形式。四种方法不同在于它们考虑了一些、所有的由测量步骤返回的水平测量或没有考虑由测量步骤返回的水平测量。由此，根据适于考虑的测量，四种方法中的每种方法可以被优化。

在所用的四种方法中，保留的方法是精确地考虑可用的测量的方法，即，该方法在所考虑的时刻考虑了由测量步骤所返回的测量，并且不考虑没有被测量步骤返回的测量。该选择因此包括：选择最适合于所考虑的情境的方法。可用在方法应用之前、之后或期间进行从四种方法的选择。而且，该方法可以被概况为更多数量的流量和/或测量可用性情境。

本发明也提供了用于估计来自于箱的流体流量的估计系统，该系统包括适于测量箱中流体水平的测量装置，并且其特征在于它包括使用无损卡尔曼滤波器用于估计流体流量的估计装置，所述估计装置包括用于获得原始流体流量的获得装置以及连接获得装置和测量装置的校正装置，该校正装置配置为根据测量装置所测量的水平，校正如通过获得装置所获得的原始流量。这种系统特别地适于进行上述方法。

本发明也提供了推进系统，特别地用于航天器运载火箭，该系统包括两个箱，每个箱包含推进剂、两种推进剂喷射到其中的燃烧室，以及如上所述用于估计至少一种推进剂流量的估计系统。对于推进系统，正确地估计推进剂流量是特别重要的。并且，由于省略流量计引起的质量减轻和紧密度增加同样构成寻求的节约。

如果这种推进系统具有用于估计两种流量的系统或者用于估计每种流量的系统，就可以计算推进剂的混合物比率，即，在燃烧室入口处的推进剂流量的比率。两种推进剂的混合物比率是用于控制推进系统的重要参数。

本发明也涉及一种程序，当由计算机执行所述程序时，该程序包含用于执行根据上述实施方式的估计方法的步骤的指令。

在特别的实施方式中，通过计算机程序指令确定估计方法的各个步骤。

程序可以使用任何编程语言，并且可以是源代码形式、目标代码或者源代码和目标代码之间编码中间体的形式，诸如，部分地编译形式或者任何其它期望的形式。

本发明也提供了计算机可读数据介质，其存储计算机程序，该计算机程序包含用于执行根据上述实施方式中任一实施方式的估计方法的步骤的指令。

数据介质可以是能够存储程序的任何实体或装置。例如，介质可以包含存储装置，诸如只读存储器(ROM)，例如光盘(CD)ROM或者微型电子电路ROM，或者实际上磁性记录装置，例如软盘或硬盘。

而且，数据介质可以是可传输介质，诸如电或光信号，它们可以经由电或光电缆，通过无线电或通过其它装置被传输。本发明的程序可以特别地从互联网类型的网络下载。

附图说明

通过阅读下面作为非限制性实施例所给出的本发明实施方式的详细描述，可以更好地理解本发明和其优点。说明书参考了附图，其中：

图1表示装配有流量估计系统的第一种实施方式的推进系统。

图2绘制了根据水平的图1推进系统的箱中包含的推进剂的质量。

图3A和3B表示根据时间，来自于箱中水平探针的测量的可用性。

图4A到4C表示图1流量估计系统的应用。

图5表示装配有流量估计系统的第二种实施方式的推进系统。以及

图6表示装配有流量估计系统的第三种实施方式的流体回路。

具体实施方式

图1表示推进系统50，特别地用于航空器运载火箭，包括两个箱20和21，每个包含推进剂(例如，分别地液态氢和液态氧)，两种推进剂喷射到其中的燃烧室30，以及用于估计在燃烧室30的入口处推进剂的流量的系统10。燃烧气体产生的推力经由燃烧室30下游的喷嘴32被喷出。

具体地，推力系统50是整体的流系统，其中加热的推进剂(例如，氢)在被再次喷射到燃烧室30中之前，驱动涡轮泵24和25。两个调节阀V1和V2用于调节进入涡轮泵24和25的涡轮机的加热的推进剂的流量，以控制由这些涡轮泵24和25所泵吸的液态推进剂的流量。

如图1中可以看到的，箱20和21是非圆柱形箱。更特别地，在所示实施例中，它们是带有圆形端部的箱。结果，在每个箱中推进剂水平和在所述箱中推进剂的质量之间的关系不是线性的。具体地，在图2中给出了这种关系的例子。曲线G20(或者情况可以是曲线G21)绘制了根据相同箱中推进剂的水平n，箱20中(或者箱21中)的推进剂的质量m。这些曲线G20和G21中每个曲线包括基本上线性的中间部分(对应于箱的基本上圆柱形中间部分)。对于最高水平或最低水平，曲线是平的，这意味着箱比它们的中间部分更窄。曲线的这种外观特征在于箱端部具有半圆或类似的形状。在本实施例中，燃烧室30入口处推进剂流量和箱20、21中推进剂水平之间的非线性关系不仅来自于如上所解释的箱的形状(几何学非线性)，还来自于表示为推进系统的操作参数的函数的与流量相关的第二非线性(机械和热动力非线性)。

如图1中所示，箱20和21有各自的水平探针22和23，用于测量每个箱中水平。箱的大小和形状以及水平探针22和23的配置可以从一个箱到另一个箱变化。每个水平探针22、23包括一组传感器。这些传感器返回信号，只有当这些传感器没有被覆盖，即，当它们至少部分地在箱中所包含的推进剂的自由表面之上时，才可以考虑该信号。例如，表示推进系统50的操作期间，根据时间t的水平探针22和23的可用性的曲线分别地绘制在图3A和3B中。因为在不同速度箱20和21排空，用于水平探针22和23的可用性曲线通常地是不同的。当水平探针在未被覆盖的过程中，并且能够发送测量时，可用性具有数值1；否则可用性具有数值0。

如图3A中所示，水平探针22由多段组成，并且它在t1＝10秒(s)和t2＝40s之间以及在t5＝120s和t7＝150s之间处于未被覆盖的过程中。在剩余时间期间，它的可用性是零，即，水平探针22不返回任何测量：推进剂的水平位于两个连续传感器之间。

以相似的方式，如图3B中所示，水平探针23首先在t3＝60秒(s)和t4＝90s之间以及其次在t6＝130s和t8＝160s之间处于未被覆盖的过程中。在剩余时间期间，水平探针23不可用。

从图3A和3B可以看到，水平探针22和23提供了间歇地测量。而且，水平探针22和23的可用性周期不一定一致。水平探针22处于未被覆盖的过程期间从t1到t2的第一周期与水平探针23处于未被覆盖的过程期间从t3到t4的第一周期是完全分开的，而水平探针22处于未被覆盖的过程期间从t5到t7的第二周期重叠水平探针23处于未被覆盖的过程期间从t6到t8的第二周期从t6到t7的10秒周期。由此由水平探针22和23所提供的测量可以是同时不可用。

如图1所示，水平探针22和23连接流量估计系统10。如上所述，估计系统10有适于测量箱中流体水平的测量装置17。测量装置17包括水平探针22和23以及它们所连接的获取卡19。

估计系统10具有通过使用无损卡尔曼滤波器用于估计每种推进剂流量的装置。这些是计算装置，特别地包括计算机11，获取卡19是其一部分。具体地，估计装置包括初始装置12、转换装置14、获得装置16和校正装置18。除了测量装置17收集的水平测量，估计系统10使用关于推进系统50的操作数据做为输入数据。例如，可以看到获取装置15连接涡轮泵24和25，以接收关于涡轮泵转速以及涡轮泵出口处推进剂压力的数据。也可以收集其它数据。而且，获取装置15可以连接推进系统50的其它构件或位置，以获取其它数据。例如，它也可以连接燃烧室30，以测量燃烧室30中气体压力。

无损卡尔曼滤波器是迭代的滤波器，根据之前估算和当前数据，计算每次新估计。由校正装置18返回的数值用作转换系统14的输入值，由此提供了估计系统10的迭代操作，并且还用作总输出值。这些输出值可以用于各种目的，例如，用于监测发动机的运转或用于调节发动机，特别地用于根据估计的流量调整旁路阀V1和V2的打开。

在图1中，其中k是当前时刻(或当前迭代)，使用下面的符号：

·x_k当前状态，其平均值的估计，以及P_k其协方差矩阵；

·Q_k和R_k卡尔曼滤波器(参见上述方程式(1)和(2))的分别的状态噪声w_k和测量噪声v_k的协方差矩阵，假设它们是已知的先验，已知测量噪声可以被测量；

·S_ik是在时刻k的第i个σ点；

·u_k输入数据；

·在时刻k+1获得的状态x的原始值，已知与时刻k相同的值；

·P_(k+1|k)在时刻k+1状态x的原始协方差矩阵，已知协方差矩阵P_k；

·y_k来自于测量装置17的测量值；以及

·根据测量装置17所测量的水平测量校正的在时刻k+1的状态x的值，以及P_k+1其协方差矩阵。

在本实施方式中选择的无损卡尔曼滤波器的状态x_k包括燃料水平n_k、ANN估计的流量q_k和流量的偏差E_k。这给出：

x_k＝[n_k,q_k,E_k]^T

UKF的状态可以具有与其使用UKF期望估计的流量数量一样多的水平、流量和偏差。在图1的实施例中，幅度n,q和E是矢量，每个具有两个分量，其中一个指箱20的推进剂，另一个指箱21的推进剂。为了清楚的原因，除非相反地提到，下面的描述涉及仅仅一种流量，然而当存在一种以上流量时，所描述的要素同样有效。

配置初始装置12以向转换装置14提供初始状态P₀，其是推进系统50的特征的函数。

配置转换装置14以在每个时刻k进行UKF的无损转换，即，从值和近似当前状态x_k的协方差矩阵P_k产生一组σ点S_ik。

配置获得装置16以进行估计方法的获得步骤。在本实施方式中，通过人工神经网络实施获得步骤。该ANN提供在相应涡轮泵24和25的入口处的原始推进剂流量，当做在泵的出口处所述推进剂的压力、燃烧室30中气体压力和/或所述涡轮泵转速的其输入。其它事情是同样的，(给出情境-区别标准的相应数量的)输入数据的量越大，ANN提供的估计越精确。特别地，ANN可以是多层感知器类型，特别地具有用于各组输入的单一隐藏层，根据对应于从实验数据或从物理模型所获得的地图的数据库而被建立。

经验地，发现在ANN出口处所提供的流量有噪声。在该实施方式中，低通滤波器应用于此，具体地第一级滤波器。通过写q_k为在时刻k通过获得装置16所获得的流量，ANN_k为ANN应用于输入数据u_k的函数，Δt是k和k+1之间的时间步，以及T为滤波器的时间常数(在该实施例中一秒的数量级)，这种滤波器的例子是下面类型的表达式：

也假设流量d是ANN所返回的原始流量q加上未知的偏差E的总和，其可以是正或负，代表在模型化流量中误差的影响。换而言之，对于每种推进剂，下面的关系式适用：

d_k＝q_k+E_k (4)

在其它实施方式中，方程式(4)可以概括为下列形式：

其中偏差E是矢量，并且应用于仿射函数形式的流量。特别地，系数可以考虑乘性偏差，而系数用于考虑加性偏差。在上述方程式(4)的第一实施例中，

和

对于获得装置16，假设偏差E是常数；这不会阻止偏差E随后被校正装置18所校正。这种假设可以表示为下面的关系式：

E_k+1＝E_k (5)

用于偏差E_k变化的其它类型关系式对于获得装置16是可能的，例如，与推力系统50的推力成比例的偏差，或者实际上根据距离标称操作点的距离的平方增加的偏差，在该标称操作点可以假设偏差最小(因为在该点的系统是由定义清楚地已知的)。因此，方程式(3)、(4)和(5)依赖于在获得装置16中实施的ANN定义了用于流量变化的方程式。

而且，获得装置16也具有用于箱中燃料水平n_k变化的模型。通过写下燃料质量m_k在每个时间步长Δt减少Δt×d_k量，并且质量与函数G20和G21的水平相关(参见图2；这些函数下面一般地称为字母G)，那么获得每种推进剂的下面关系式：

n_k+1＝G(G^-1(n_k)-Δt×(q_k+E_k)) (6)

其中G^-1是函数G的倒数。

下面详细地描述估计装置10的操作。初始装置12初始化初始状态x₀，例如，采用箱的初始灌注水平，零的流量和零的偏差。初始装置12给转换装置14提供对应于初始状态的值P₀。对于该计算，假设状态x是平均值和协方差P的随机高斯变量。

在每次迭代k，转换装置14计算放大的状态矢量：

X_k＝[x_k v_k w_k]^T

它的协方差矩阵P_Xk是由各个协方差矩阵P_k,Q_k和R_k形成的分块对角矩阵。经验地获得协方差矩阵Q_k、R_k，并且存储在存储器13中。可替代的方案或者另外地，通过估计经过移动时间视窗的测量噪声v_k的方差，可以自动地计算测量协方差R_k。

转换装置14产生对应于高斯随机变量P_Xk的一组σ点，近似当前状态X_k。使用常规无损卡尔曼滤波器技术产生σ点S_ik，此处不详细描述该技术。每个σ点S_ik，其具有与矢量相同的结构，被提供给获得装置16。

获得装置16的作用是获得在时刻k+1的状态矢量的初始估计(原始值)和关于推进系统50的数据(具体地输入数据u_k)，已知对在时刻k的矢量的估计。如上所述，使用利用了ANN的方程式(3)、(4)、(5)和(6)进行该获得。就ANN是预测模型的范围内，获得步骤可以在此更特别地被称为预测步骤。使用当使用无损卡尔曼滤波器时所用的常规方法确定噪声v_k和w_k的变化。对于状态噪声，在使用由已经被构建的模型(诸如ANN)组成时的特定情境下，可以比较具有已知情境的模型的结果，以在它的有效性域中获得表示ANN精确性的地图。

然后，由ANN提供的在时刻k+1的σ点S_ik+1的值用于确定在获得装置16的输出处，在时刻k+1的状态x的(预定)获得的值已知在时刻k的值和在时刻k+1的状态x的协方差矩阵P_(k+1|k)，已知协方差矩阵P_k。如图1中所示，然后，这些数值提供给校正装置18。

然后，当测量可用时，校正装置18校正由获得装置16所获得的值。对于每种推进剂，如果水平测量可用(即，如果相应的水平探针未被覆盖)，根据测量水平y_k和预测水平(已经被获得的水平)之间的差值校正状态值x_k+1。特别地，通过与所述差值成比例的值校正状态值，比例因子称为“卡尔曼增益”。通过常规方式，从σ点和从水平测量计算卡尔曼增益。否则，如果水平测量不可用，例如，通过设定卡尔曼增益为零，保留通过获得装置16，使用方程式(6)所确定的状态值x_k+1。根据是否没有、一个或两个水平测量可用(四种可能的情境)，校正装置18相应地校正由获得装置16所获得的流量。校正装置18由此具有合并的选择函数，该选择函数适合于可用的测量。

图5中示出了变化形式，其中通过在估计系统110中布置平行的四个计算函数11a、11b、11c和11d进行测量-可用性情境之间区分，该函数合并在计算单元111中，设定其中每个设定为覆盖四个上述测量-可用性情境之一。在图5中，未示出推进系统50的不变部分(特别地推进室30和计算单元的输入)。此外，每个计算函数11a、11b、11c和11d具有与计算机11中包括的体系结构相似的体系结构。

计算函数11a估计来自于箱20和21的流体流量，而不考虑水平测量。由此，没有使用计算单元11a内所提供的校正装置18。计算函数11b估计来自于箱20和21的流体流量，同时当水平探针22所返回的测量可用时，只考虑这种测量。以相似的方式，计算函数11d估计来自于箱20和21的流体流量，同时当水平探针23所返回的测量可用时，只考虑它们。最后，计算函数11c通过当水平探针22和23两者所返回的测量可用时，考虑这种测量来估计来自于箱20和21的流体流量。

由计算函数11a、11b、11c和11d所估计的流量值被传输给选择装置118。该选择装置118也连接水平探针22和23，以知道什么时候它们可用。由此，选择装置118根据水平探针22和23所返回的测量可用性，从它已经接收的四组流量中进行选择。在它的输出，选择装置118返回由计算单元所提供的流量组，该流量组精确地考虑了可用的那些测量。例如，如果只有水平探针22所返回的测量可用，那么校正装置118转运从计算单元11b所接收的流量组。

在变化形式中，选择装置118可用在计算函数11a、11b、11c和11d上游，甚或与计算函数11a、11b、11c和11d在相同水平上。

在所有情况下，估计系统10、110因此用于根据不连续和异步的测量，重置获得装置16所获得的值。

通过估计系统10所进行的方法能够使流量被即时估计。如图1中可以看到的，为了估计连续的流量，递归循环可以通向下一时刻和重复上述步骤。在每个步骤，估计的推进剂流量，即，所获得的和然后校正的流量是：

在该关系式中，基本上通过ANN确定估计的原始流量以及基本上通过UKF确定估计的偏差

下面参考图3A-3B和4A-4C描述应用实施例。图4A-4C表示在两个阶段(两个运转点)期间推进系统50的运转，每个阶段持续100秒。图4A表示如通过ANN单独估计的(曲线Q20a)和通过估计装置10(曲线Q20b)所估计的来自于箱20和进入燃烧室30的推进剂流量的变化。通过比较，也绘制了流量的实际值(曲线Q20c)。如图4A中可以看到的，在初始几秒期间，由ANN单独估计的流量(曲线Q20a)比由估计装置所估计的流量(曲线Q20b)更接近实际流量(曲线Q20c)。这是由于初始装置12所提供的值的随机性质引起的。几秒以后，吸收了该差异。

在时刻t＝t1(10秒)，如图3A中所示，水平探针22未被覆盖，并且测量装置17获取水平测量。根据这些测量，校正装置18由此可以校正获得装置16所提供的值。这导致曲线Q20b中瞬时状态，接着在该水平稳定的估计的流量更接近实际流量(曲线Q20c)。水平探针22继续未被覆盖，直到t＝t3为止(40秒)，这之后它再次不可用。在t3和t5之间，通过使用获得装置16单独地估计如通过曲线Q20b所代表的估计的流量，因为校正装置18不进行任何动作。如从根据测量和特别地根据操作点(t＝100s)任一侧变化的第一次重置可以看到，估计装置10所估计的流量更精确地符合实际流量(曲线Q20c)，而由ANN单独估计的流量(曲线Q20a)继续维持相对于实际流量或多或少恒定的偏差或偏移。

图4B与图4A相似，并且表示来自于箱21和进入燃烧室30的推进剂流量的变化。曲线Q21a表示由ANN单独估计的流量，曲线Q21b表示由估计装置10所估计的流量，并且曲线Q21c表示实际流量。可以看到只要校正装置不起作用，曲线Q21b就符合曲线Q21a(参见图3B：直到t＝t3,60s，水平探针23不返回任何测量)。此后，曲线Q21b开始实质上更接近曲线Q21c。图4B中右侧的放大显示在第二未覆盖的水平探针23期间，即，t6(130s)和t8(160s)之间的期间发生的相似效果。无损卡尔曼滤波器的使用由此显著地改善了由估测装置单独地可以提供的结果，特别地ANN类型估测装置。

图4C表示根据时间的混合比率的变化。混合比率定义为两种推进剂的流量之间的比率。通过采用比率Q21z/Q20z获得每条曲线MRz，其中z等于a、b或c。混合比率是经常用于调节推进系统，诸如推进系统50的操作点的幅度。

表示从估计装置10所估计的流量计算的混合比率的曲线MRb中的变化清楚地表明在时刻t1和t3，接着在时刻t5和t6的每种流量的分别重置。估计装置10利用可能地由无损卡尔曼滤波器所进行的连续重置操作，由此提供了混合比率的精确估计。

图6表示用于估计流体流量的装置210的另一个实施方式。在该图中，与第一实施方式的元件对应或相同的元件给出了相同的附图标记，带有不同的百位数字，并且不再描述它们。

图6的估计装置210被包括在具有箱220的流体回路250内，流体从箱220流动。箱的下游，流量计215a测量流体的流量。然而，流量计215a可以是不精确的或偏差的。装置210的作用是根据箱220中流体水平的测量来校正流量计215a所返回的流量值。

估计装置210像估计装置10一样运转，除了它利用流量计215a所返回的测量，而不是依赖预测的数学估计装置，诸如ANN。换而言之，在上述方程式(3)中，术语ANN_k(u_k)被流量计215a所测量和获取装置215所获取的当前值代替。然后，获得装置216所获得的流量值提高给校正装置18，校正装置18根据从获取卡19所接收的测量y_k校正它。如图6中所示，校正的估计流量通过估计装置210返回到流量计215a，以修正流量计的校准，以减小其测量偏差。

尽管参考了特定实施方式描述了本发明，但是可以对这些实施方式采用修改，而不超出如权利要求书所限定的本发明的总范围。特别地，所示和/或提到的各个实施方式的单独特征可以在另外实施方式中被组合。因此，应该在示例性而不是限制性意义上考虑说明书和附图。