神经网络在状态估计中的应用

本文提出了一种基于神经网络的状态估计方法,避开了依靠数学模型的传统途径,为在那些建模困难的场合实现状态估计提供了可能,仿真结果令人满意.     

基于神经网络的组合导航系统状态估计

在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,文中提出了引入Elman神经网络,具体讲解了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比,最后以INS／GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计,仿真结果证明了该法是有效的,实用的。     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

基于神经网络的滤波器

利用函数连接型网络理论,提出了一种新的基于神经网络的非线性滤波器(NNNF),证明了NNNF的无偏性和最小方差性.将NNNF用于谷氨酸和红霉素发酵过程的状态估计,结果表明,NNNF滤波估计值与实验结果吻合得相当好,对噪声特性无特殊要求,对初始状态估值具有一定的鲁棒性,NNNF可利用有限的状态量测信息在线推算其它不可测量的状态变化,为非线性生化过程的在线优化奠定了基础.     

基于动态递归神经网络的航煤比重在线估计

针对常压航煤比重在线质量仪表存在滞后大、易出现故障的缺点,提出了运用动态递归神经网络,根据实测的温度、流量、压力等过程参数,在线估计航煤比重,为比重质量闭环控制提供了基础。     

基于动态递归神经网络的航煤比重在线估计

针对常压塔航煤比重在线质量仪表存在滞后大、易出现故障的缺点 ,提出了运用动态递归神经网络 ,根据实测的温度、流量、压力等过程参数 ,在线估计航煤比重 ,为比重质量闭环控制提供了基础     

基于UKF 和神经网络的一类非线性系统状态估计

在模型未知的情况下,估计过程的重要变量尤为重要.鉴于此,采用不敏卡尔曼滤波(UKF)与神经网络相结合的方法,解决一类未知模型非线性系统的状态估计问题.采用动态神经网络对非线性系统进行建模,利用UKF对状态和权值进行同时更新,从而达到神经网络逼近真实模型,估计值跟随真实值的目的.通过两个仿真实例表明了所提出的方法具有良好的估计效果,并且状态在输出中的比重越大,其估计精度越高.     

基于CMAC神经网络的电池荷电状态估计

现有电池荷电状态(SOC)估计方法所需训练和学习时间较长,很难满足动力电池的实时性要求。为解决该问题,利用小脑模型关节控制器(CMAC)神经网络对电池SOC进行评估,CMAC神经网络具有学习算法简单和逼近任意非线性函数的能力。对镍氢电池的模拟测试结果表明,与反向传播神经网络相比,CMAC神经网络的学习和收敛速度较快,能实时估计出电池SOC,并使估计误差在可接受范围内。     

基于神经网络的MIMO-OFDM信道估计

提出了一种适用于神经网络框架下的MIMO-OFDM系统的信道估计算法。通过对三层神经网络结构的分析,用两层神经网络实现了一种主成分分析（PCA）最小二乘学习算法。通过导频信息得到MIMO-OFDM信道模型初始值,再用神经网络算法对MIMO-OFDM信道的时变状态参数进行跟踪;采用两层神经网络,由隐层输出对最终输出修正,中间实现可变遗忘因子的改进递推最小二乘学习算法。仿真结果表明,该方法与最小二乘（LS）算法相比,在跟踪时变衰落信道时,估计的均方误差有较大提高,从而有效地改善了接收端的符号检测性。     

基于全新等效电路模型的电池关键状态在线联合估计器

针对电池三大关键状态(State of Charge–SOC、State of Health-SOH、State of Power-SOP)之间相互耦合的关系,同时考虑到其估计精度受到电池时变的内部参数等因素影响的问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model, AR-ECM)的电池关键状态在线联合估计算法.该方法提出基于AR模型的全新电池ECM,给出同时表征SOC、SOH和电池内部压降的状态空间方程以及区别化参数更新策略.在此基础上,考虑状态方程容易发生不正定的问题,提出采用平方根无迹卡尔曼滤波(square root unscent kalman filter, SR-UKF)算法实现电池状态的联合估计.该算法的优势在于真正实现了电池关键状态以及ECM参数的联合估计,更符合实际工程应用需求.仿真验证表明,在噪声干扰环境下,该联合估计器能够得到较高的精确度和稳定性.     

Improved Input and State Estimation for Linear Stochastic Systems with Direct Feedthrough

This paper is concerned with the problem of joint input and state estimation for linear stochastic systems with direct feedthrough. Based on the fact that each unknown input between any two time steps is always bounded, a novel improved algorithm is proposed. Compared with existing results, this algorithm can effectively enhance estimation accuracy. Moreover, the stability of the algorithm is also discussed. Finally, an illustrative example is given to demonstrate the effectiveness of the proposed approach.     

含结构参数摄动的线性离散系统的鲁棒约束方差状态估计

考虑状态矩阵中含不确定性的线性离散随机系统的鲁棒约束方差状态估计问题,即设计滤波增益,使摄动系统每个状态分量的估计误差方差的稳态值不大于各自预先给定值。给出了期望鲁棒滤波增益的存在条件及其解析表达式,并以数值算例说明了设计方法的直接性与有效性。     

基于Legendre多项式的随机连续系统的Markov参数估计

本文在讨论连续Ｗｉｓｅｎｒ过程的Ｌｅｇｅｎｄｒｅ多项式逼近值的相关性和Ｗｉｅｎｅｒ过程扰动下连续线性系统基于该正交多项的最小二乘估计有偏性后，提出了无偏一致的且数估计误差方差最小的Ｍａｒｋｏｖ估计（最小方差估计）算法，并给出本文方法的仿真结果。     

Sliding Mode Control and State Estimation for a Class of Nonlinear Singularly Perturbed Systems

This paper is concerned with the design of a controller-observer scheme for the exponential stabilization of a class of singularly perturbed nonlinear systems. The controller design uses a sliding mode technique and is divided in two phases: slow feedback control and fast feedback control so that a final composite control is obtained. Assuming that only the fast state is available and the system's output is a function of the slow state, an observer design is presented. A stability analysis is also made to provide sufficient conditions for the ultimate boundedness of the full order closed-loop system when the slow state is estimated by means of the observer. An application to the model of a permanent magnet stepper motor is given to show the controller-observer methodology and stability analysis.     

含结构参数扰动的线性连续系统的鲁棒约束方差状态估计*

本文考虑含结构参数扰动的线性连续随机系统的鲁棒约束方差状态估计问题，即设计滤波增益，使受扰系统每个状态分量的估计误差方差的稳态值不大于预先给定值，同时滤波矩阵具有期望的稳定裕度。本文给出了上述性能鲁棒滤波增益的存在条件及解析表达式，并提供了相应的数值例子。     

前向神经网络参数估计中的进化规划

人工神经网络在很多领域有着成功的应用。神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解。进化规划是一种随机优化技术,它可以发现全局最优解。文章介绍了进化规划在前向多层神经网络参数估计中的应用,结合具体例子给出了算法实现的具体操作步骤和实验结果。实验数据表明采用进化规划得到的网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能。     

一类带有输入扰动的非线性系统的参数估计

研究一类带有独立时变输入扰动非线性系统参数估计的多项式逼近方法.在一定的假设条件下给出了时变输入扰动所引起的输出扰动的形式,并讨论了输出扰动的可预报性.仿真试验说明了该方法的有效性.     

离散系统的鲁棒约束方差估计及应用--模型噪声强度不确定情形

考虑离散随机系统在模型噪声强度不确定及估计误差方差受约束情形下的一类鲁棒状态估计问题,即希望找到这样的滤波增益,使得当模型噪声强度在一定范围内变动时,每个状态分量的估计误差方差始终不大于预先指定值.文中给出了这种滤波增益的设计方法,并以一类机动目标跟踪问题为例,说明这种设计方法的直接性与有效性.