噪声信道下输出耦合复杂动态网络的状态估计

文中研究了一类带有噪声的复杂动态网络的状态估计问题,不同于现有的根据节点的状态变量构造观测器的方法,文中利用节点的输出变量构造观测器,并基于积分控制的思想提出了一种估计网络状态的新方案。根据李雅普诺夫稳定性判据,所提出的构思的可行性得到了论证,并且以线性矩阵不等式的形式给出了状态估计的充分条件。分别以无标度网络和小世界网络为模型,以Lorenz混沌映射作为复杂网络的节点进行数值化仿真。研究表明,这种方法能够使系统状态的估计误差收敛于0,仿真的结果进一步证明了文中所提方案的有效性。     

节点非线性耦合的复杂动态网络同步控制研究

文中研究节点状态非线性耦合的复杂动态网络的局部同步和全局同步的问题.不同于现有的这类网络的利用节点状态变量设计控制器进行同步控制的方法,提出了一种设计同步控制器的新方法,该方法只需利用网络节点输出变量构造控制器,使其达到同步,克服了现有方法利用节点状态变量设计控制器存在的不足,使控制器实现起来更加简单.利用 Lyapunov 方法给出这类复杂网络的同步准则,以 Lorenz 混沌映射作为复杂网络的节点进行数值仿真,研究表明,这种方法能够使节点状态非线性耦合的复杂动态网络达到同步,通过系统仿真,证明了文中所提方法的有效性     

基于自适应AGBFN的不确定非线性系统的跟踪控制

针对一类具有未知不确定性的非线性系统,提出了一种基于观测器的自适应不对称高斯基函数网络(AGBFN)跟踪控制方案.当系统只有输出可以测量时,通过设计观测器对其进行在线状态估计,进而构造反馈控制律和自适应控制律.所提出的完全自适应AGBFN,可以在线更新网络所有参数,克服了传统RBF网络对称性约束,提高了网络的适应性和学习能力,可以有效地对消系统未知不确定项的影响.证明了闭环系统所有误差信号最终一致有界,且系统输出较好地跟踪参考模型输出.仿真结果表明了所提出方法的有效性.     

基于信息矩阵加权一致策略的分布式Kalman 滤波器

本文提出采用信息矩阵加权的方法改进基于一致性策略的分布式Kalman 滤波算法,提高其在传感器 网络估计融合应用中的性能．此方法中,节点根据其自身及其邻居节点估计的不确定信息融合估计值．在此基础上, 文中还讨论了通过优化一致加权系数进一步提高算法性能的方法．仿真实验表明,本文所提算法不仅改进了节点状 态估计的精确度,而且显著提高了各个节点状态估计的一致性．     

非线性不确定系统的自适应观测器设计

非线性状态观测器可改善过程控制性能和故障诊断,针对一类参数不确定非线性系统提出了自适应观测器设计方法。通过微分同胚变换,将非线性系统转换为仅依赖原系统输入、输出的自适应观测器规范形式。利用自适应调节器估计未知参数,用构造的观测器实现状态的重构。Lyapunov稳定性理论分析了状态观测误差动态方程的稳定性,用来证明所设计的自适应观测器为全局渐近收敛的,既实现了系统状态的渐近重构又确保了在持续激励条件下未知参数估计以指数快速收敛到真值,并通过仿真试验。仿真结果表明提出方法的有效性。     

一类非线性系统的神经网络自适应区间观测器设计

本文研究了一类单输入单输出非线性系统的神经网络自适应区间观测器设计问题. 针对由状态和输入所描述的未知非线性函数的界不可测, 现有的区间观测器方法并未有效地处理系统含有参数不确定性的未知非线性函数. 首先, 本文构造两个径向基函数神经网络来逼近未知非线性部分, 进而分别估计系统状态的上下界; 然后, 选择合适的Lyapunov函数, 采用网络权值校正和网络误差选择机制确保所设计的误差动态系统有界和非负性, 并证明了神经网络自适应区间观测器的稳定性; 最后, 通过仿真实例验证了所提出的神经网络自适应区间观测器的有效性.     

Deadbeat观测器的一种新的设计方法及实现

ｄｅａｄｂｅａｔ观测器由于极点在原点而具有系统阵幂零的性质,本文充分利用这一性质,针对离散线性系统,提出了一种新的ｄｅａｄｂｅａｔ观测器设计方法,该方法直接利用的Ｉ／Ｏ数据估计系统内部状态,无需对系统状态有个寝估计,相应的也就可以不受寝估计误差的影响,文中给出了该观测器的具体实现步骤,并通过仿真验证了所提出方法的正确性与有效性。     

故障系统的状态估计

本文讨论故障系统的状态估计问题.文中给出了在故障检测滤波器误差方程基础上,利用未知输入观测器或逆系统算法,根据输出误差估计状态误差,从而得到故障系统状态的估计方法.文中还给出了一个数字仿真例子.     

基于度分布的复杂网络拓扑结构的构造

构造网络的拓扑结构是网络仿真的重要前提和基础,拓扑结构对网络仿真结果有重要影响.目前,大多数复杂网络拓扑结构的构造主要是以规则网络或随机网络为基础,但最近的研究表明现实世界中的大多数复杂网络都具有无标度特性,即节点度分布服从幂率(p(k)～k-λ).新的发现给复杂网络拓扑结构的构造提出了新的课题.文中通过引入度秩函数,提出了一种基于度分布的构造复杂网络拓扑结构的新方法,该方法可构造出包括无标度网络在内的具有任意度分布的复杂网络拓扑结构.以无标度网络和指数网络为例,验证了该方法的有效性.     

短时延网络控制系统的鲁棒H 2 öH ∞状态观测器设计

针对受白噪声干扰的短时延网络控制系统,将随机时延对系统的影响转化为未知有界不确定项,在不改变闭环系统结构的前提下,利用鲁棒控制理论提出了系统的H2/H∞状态观测器设计方法;证明了所设计状态观测器估计输出对随机时延引起的不确定项的H∞鲁棒性,给出了估计输出对白噪声干扰的鲁棒H2性能指标的求解方法和观测器增益阵的确定方法.最后通过仿真实例证实了所设计状态观测器的有效性和鲁棒性.     

Deep auto-encoder observer multiple-model fast aircraft actuator fault diagnosis algorithm

In the extended multiple model adaptive estimation fault diagnosis algorithm, the extended Kalman filter has theoretical limitations, and the establishment of accurate aircraft mathematical model is almost impossible. Meanwhile, there is no automatic method to optimally select the node number of deep neural network hidden layer. In this paper, a deep auto-encoder observer multiple-model fault diagnosis algorithm for aircraft actuator fault is proposed. Based on the empirical formula of the basic auto-encoder hidden layer node number selection (three layered neural network), the recursive formula for deep auto-encoder hidden layer node number selection are proposed. The deep auto-encoder observers for no-fault and different actuator faults are trained to observe the system state. Combined with multiple model adaptive estimation, the deep auto-encoder observer overcomes the theoretical limitation of extended Kalman filter, and avoided the calculation of the nonlinear system Jacobian matrix. The simulation results show that hidden layer node number selection recursive formula is useful. The fault diagnosis algorithm is more efficient and has better performance compared to the standard methods.     

双率采样系统的基于观测器的网络化H∞控制

研究一类带有网络传输时滞和丢包的双率采样系统的网络化H∞控制问题. 假设对象状态变量被分成两个分向量, 同一分向量的状态变量由同一类传感器以相同周期采样, 且两类传感器的采样频率不同. 采样后的分向量分别通过非理想网络传输到控制器端. 考虑到双率采样、网络传输时滞和丢包现象, 引入同步观测器来估计对象状态并设计基于估计状态的控制器来镇定双率采样系统. 基于这个思路, 将双率采样的网络化控制系统建模为带有两个时变时滞的连续系统. 利用Lyapunov-Krasovskii泛函方法, 以矩阵不等式形式给出该系统的稳定性判据和控制器设计方法. 最后, 通过数值例子验证所提方法的有效性.     

基于RBF神经网络观测器的非线性系统鲁棒故障检测方法

针对一类仿射非线性动态系统，提出一种基于网络非线性观测器的鲁棒故障检测与隔离的新方法，采用ＲＢＦ神经网络逼近观测器系统中的非线性项，提高了状态估计的精度，证明了状态估计误差稳定且渐近收敛到零；同时提出了一种新的网络权值调整指标方法，提高了神经网络故障分类器的泛化能力，从而保证该方法对监测系统的建模 外部扰动具有良好的鲁棒性。     

Optimal State Estimation and Fault Diagnosis for a Class of Nonlinear Systems

This study proposes a scheme for state estimation and,consequently,fault diagnosis in nonlinear systems.Initially,an optimal nonlinear observer is designed for nonlinear systems subject to an actuator or plant fault.By utilizing Lyapunov's direct method,the observer is proved to be optimal with respect to a performance function,including the magnitude of the observer gain and the convergence time.The observer gain is obtained by using approximation of Hamilton-Jacobi-Bellman(HJB)equation.The approximation is determined via an online trained neural network(NN).Next a class of affine nonlinear systems is considered which is subject to unknown disturbances in addition to fault signals.In this case,for each fault the original system is transformed to a new form in which the proposed optimal observer can be applied for state estimation and fault detection and isolation(FDI).Simulation results of a singlelink flexible joint robot(SLFJR)electric drive system show the effectiveness of the proposed methodology.     

受扰布尔控制网络全局可重构分析与状态估计

受扰布尔控制网络的状态转移,因受未知干扰影响而具有不确定性,这对状态观测器设计带来了困难.本文主要研究了受扰布尔控制网络全局可重构性问题,并在此基础上设计状态观测器.首先,将受扰布尔控制模型转化为多个子系统的切换未知布尔控制网络模型,在此基础上,提出了受扰布尔控制网络的4种不同状态集.其次,基于状态集估计方法,对受扰布尔控制网络状态估计问题进行分析.再次,提出有限时间可重构与全局可重构性概念;同时,根据状态集估计与状态转移分析,分别给出有限时间可重构判定算法与全局可重构性证明的充要条件.最后,给出观测器设计方法,并通过例子证明了本文提出方法的可行性.     

两种网络约束下NNSs分布式有限时域FIR融合估计器

针对带宽受限和网络拓扑随机切换约束下组网导航系统(NNSs)的分布式位姿状态估计问题,建立网络约束综合作用下的离散组网滤波增广系统模型,提出一种分布式有限时域FIR融合估计算法.目标节点从邻节点集合中接收经量化效应和饱和效应处理后的普通数据包和跟踪数据包,在给出无偏约束条件的前提下,以使得状态估计值的估计误差满足最小方差为准则,充分考虑有色噪声的影响,设计有限时域FIR估计器及其差分形式,通过普通数据包得到目标节点状态的区域估计值,建立系统本地状态估计的统一机制.同时,考虑网络约束,将跟踪数据包引入系统的融合过程,在以均方准则确定时变加权矩阵的前提下,给出最优权值所满足的线性代数方程以及融合误差协方差的差分形式,将目标节点状态的区域估计值与各邻节点随机发送的协作估计值加权融合,得到目标节点状态的全局融合估计值.最后通过算例仿真验证算法的有效性.     

Observer forms for perspective systems

The estimation of three-dimensional position information from two-dimensional images in computer vision systems can be formulated as a state estimation problem for a nonlinear perspective dynamic system. The multi-output state estimation problem has been treated by several authors using methods for nonlinear observer design. This paper shows that a perspective system can be transformed to two observer forms, and provides constructive methods for arriving at the transformations. These observer forms lead to straightforward observer designs. First, it is shown that, using an output transformation, the system admits an observer form which leads to an observer with linear error dynamics. A second observer design is based on a time-scaled block triangular form. Both designs assume a commonly used observability condition. The designs are demonstrated in simulation.     

Fault estimation observer design for a class of nonlinear multiagent systems in finite‐frequency domain

This paper focuses on the fault estimation observer design problem in the finite‐frequency domain for a class of Lipschitz nonlinear multiagent systems subject to system components or actuator fault. First, the relative output estimation error is defined based on the directed communication topology of multiagent systems, and an observer error system is obtained by connecting adaptive fault estimation observer and the state equation of the original system. Then, sufficient conditions for the existence of the fault estimation observer are obtained by using a generalized Kalman‐Yakubovich‐Popov lemma and properties of the matrix trace, which guarantee that the observer error system satisfies robustness performance in the finite‐frequency domain. Meanwhile, the pole assignment method is used to configure the poles of the observer error system in a certain area. Finally, the simulation results are presented to illustrate the effectiveness of the proposed method.     

QPSO算法优化的非线性观测器设计方法研究

具有量子行为的粒子群优化算法(Quantum-behavedParticleSwarmOptimization,简称QPSO)是继粒子群优化算法(ParticleSwarmOptimization,简称PSO)后,最新提出的一种新型、高效的进化算法。论文在研究基于PSO算法的非线性观测器基础上,提出了一种基于QPSO算法的非线性观测设计方法。以vanderPol系统为例进行了仿真实验,其基本思想是将非线性连续时间系统的状态估计问题转换为非线性函数的在线优化问题,然后利用PSO或QPSO算法获得系统状态的最优估计。仿真结果显示了基于QPSO算法的非观测器比基于PSO算法的非线性观测器的性能更优越。     

Adaptive observers for unknown general nonlinear systems

Several neural network (NN) models have been applied successfully for modeling complex nonlinear dynamical systems. However, the stable adaptive state estimation of an unknown general nonlinear system from its input and output measurements is an unresolved problem. This paper addresses the nonlinear adaptive observer design for unknown general nonlinear systems. Only mild assumptions on the system are imposed: output equation is at least C(1) and existence and uniqueness of solution for the state equation. The proposed observer uses linearly parameterized neural networks (LPNNs) whose weights are adaptively adjusted, and Lyapunov theory is used in order to guarantee stability for state estimation and NN weight errors. No strictly positive real (SPR) assumption on the output error equation is required for the construction of the proposed observer.