丢包和量化约束下的不确定系统分布式滚动时域估计

研究了数据丢包和量化约束下的随机不确定系统分布式状态估计问题.将丢包现象描述为随机Bernoulli序列,采用预测补偿机制对数据丢包进行补偿,将量化引入的误差转化为观测方程中的不确定参数,将系统的模型不确定性描述为系数矩阵受到随机扰动;利用固定时域内的所有观测值构造代价函数,将状态估计问题建模为带不确定参数的鲁棒最小二...     

不确定系统的滚动时域H∞控制设计

针对存在状态矩阵、输入矩阵结构化摄动和外成动输入等不确定性的连续线性时变系统,给出滚动时域Ｈ＾∞控制律及其存在性的充分条件。该控制律使系统闭环稳定,且系统对扰动输入的增益不超过某一人为设定的上界。进一步考虑执行机构非线性特性,推导出上述系统当执行机构存在扇区非线性摄动时的稳定滚动时域Ｈ＾∞控制律及其存在性的充分条件。     

噪声方差不确定约束系统的滚动时域估计

针对噪声方差不确定的约束系统,讨论了一种鲁棒滚动时域估计(MHE)方法.首先,根据噪声方差不确定模型,找到满足所有不确定性的最小方差上界,在线性矩阵不等式(LMI)框架下求解优化问题,得到近似到达代价的表达形式;然后再融合预测控制的滚动优化原理,把系统的硬约束直接表述在优化问题中,在线优化性能指标,估计出当前时刻系统的状态.仿真时与鲁棒卡尔曼滤波方法进行比较,结果表明了该方法的有效性.     

整车主动悬架系统分布式滚动时域一致性估计

考虑整车主动悬架系统的约束状态估计问题,本文提出基于一致性原理的分布式滚动时域估计(DMHE)算法.首先,为了降低状态估计过程中的计算量,将整车主动悬架系统分解为若干降阶子系统.其次,为提高分布式状态估计效果,采用滚动时域估计(MHE)方法处理主动悬架系统的状态和噪声约束.考虑子系统与邻居估计状态的相关性,在采样间隔中执行多次一致性原理实现主动悬架系统状态的信息融合,进一步建立了算法的稳定性充分条件.最后,通过对比仿真实验验证算法的有效性和优越性.     

不确定系统的滚动时域H ∞控制设计

针对存在状态矩阵、输入矩阵结构化摄动和外界扰动输入等不确定性的连续线性时变系统,给出滚动时域H     

网联车辆协同巡航系统快速滚动时域状态估计

考虑云平台监控下的网联车辆协同自动巡航控制(CACC)系统,提出一种快速滚动时域估计方法.采用网联车队纵向动力学模型描述网联车辆CACC系统,降低网联车辆CACC系统的状态能观性要求.再应用块概念设计滚动时域估计算法的噪声块结构,压缩滚动时域估计问题的优化变量个数,从而减少其在线计算量.进一步,应用李雅普诺夫稳定性定理...     

基于滚动时域估计的非线性目标跟踪*

实际的雷达跟踪问题大多属于非线性问题,存在着各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法可以有效地处理带约束非线性目标跟踪问题。滚动时域估计通过引入到达代价函数,将非线性跟踪滤波问题转换为带约束的有限时域优化问题,可以有效减少优化问题求解的计算量,能够显著提高状态估计的准确度。针对实际的雷达跟踪问题,仿真结果表明,滚动时域估计能有效地提高非线性目标跟踪的精度。     

具有数据包丢失的离散随机不确定系统的线性最优满阶估值器

研究了具有数据包丢失和随机不确定性离散随机线性系统的状态估计问题.其中数据包丢失是随机的,且满足Bernoulli分布,系统矩阵中的随机不确定性由一个白色乘性噪声来描述.首先,通过配方方法,提出了最小均方意义下的无偏最优线性递推满阶滤波器.所提出的滤波器用到了当前时刻和最近时刻接收到的观测来保证线性最优性.与多项式滤波和增广滤波器相比,本文的滤波器具有较小的计算负担.然后,基于所获得的线性滤波器推导了线性最优预报器和平滑器.进一步研究了线性最优估值器的渐近稳定性,给出了稳态特性存在的一个充分条件.最后,通过两个仿真例子验证了所提估计算法的优越性.     

滚动时域估计在连续搅拌釜式反应器中的应用研究

针对连续搅拌釜式反应器的多变量、非线性、带约束等特点,设计一种基于滚动优化原理的滚动时域估计方法.对比扩展卡尔曼滤波和滚动时域估计两种方法,在滚动时域估计中采用扩展卡尔曼滤波近似代替到达代价函数,并通过改变滚动时域窗口的大小有效地减小估计过程中的误差.仿真结果表明:滚动时域估计优于扩展卡尔曼滤波,能够有效地处理带约束化...     

单目视觉系统自运动的滚动时域估计算法

单目视觉系统的自运动估计是计算机视觉领域中的一个关键问题。针对包含有建筑、树木等一般景物特征的应用环境,提出一种单目摄像机位姿估计的滚动时域位姿估计算法。首先分析极线约束方程的不同形式,建立多帧图像闭环之间的时空相关位姿约束,归纳全局最优模型。然后,采用滚动时域方法实现时域窗口内多时刻摄像机位姿的优化估计,实现算法复杂程度和精度的折衷。另外,在室外复杂应用环境下,对常规极约束、冗余极约束和滚动时域冗余极约束这3种位姿估计优化算法进行实验对比,验证该方法的有效性。     

非线性模型预测控制的现状与问题

模型预测控制的主要优点是能显式并优化处理控制量和状态量的约束。为此,主要围绕非线性预测控制的算法、稳定性鲁棒性、对偶问题和流动时域估计的最新研究成果进行综述,并阐述了理论与应用方面有待进一步研究的几个主要问题。     

基于神经网络的非线性时间序列故障预报

对模型未知非线性系统, 将系统输出组成时间序列并通过空间嵌入的方法转化为一个离散动态系统. 利用线性 AR 模型拟合时间序列的线性部分, 用神经网络拟合时间序列的非线性部分并补偿外界未知的扰动, 提出了通过对状态的观测实现时间序列一步预测的方法. 利用滚动优化的思想将一步预测推广, 提出了时间序列的 N 步预测方法, 证明了时间序列预测误差有界. 通过对预测误差进行概率密度估计和检验, 提出了故障的预报方法. 对 F-16 歼击机的结构故障预报结果表明了方法的有效性.     

Distributed MPC of polytopic uncertain systems: handling quantised communication and packet dropouts

In this paper, we study the distributed model predictive control (MPC) of polytopic uncertain systems with quantised communication and packet dropouts. The model of the whole plant is divided into a certain number of incomplete subsystems. Due to the nature of the distributed control structure, there is generally a lack of information about the state of the overall system. Each subsystem shares its information with neighbour subsystems via reliable connection. Distributed MPC controllers are designed for each subsystem by solving the linear matrix inequalities optimisation problem. The distributed state feedback laws are quantised and transmitted via communication network. An iterative algorithm is presented to make coordination among distributed state feedback laws. The communication is assumed to be affected by random packet dropouts in a representation of Bernoulli distributed white sequences with known conditional probabilities. A case study is carried out to demonstrate the effectiveness of the proposed distributed MPC technique.     

网络化不确定系统集中式融合鲁棒稳态估值器

对于一类在状态转移阵和系统观测阵中带相同的状态依赖乘性噪声、带噪声依赖乘性噪声、一步随机观测滞后、丢包和不确定噪声方差的多传感器网络化系统,文章研究其鲁棒集中式融合稳态滤波问题.应用增广方法将系统转换为带随机参数矩阵、相同过程和观测噪声的集中式融合系统.应用去随机化方法和虚拟噪声技术,系统进一步转化为仅带不确定噪声方差的集中式融合系统.根据极大极小鲁棒估计原理,本文提出了鲁棒集中式融合稳态Kalman估值器(预报器、滤波器和平滑器),证明了所提出的集中式融合估值器的鲁棒性,给出了鲁棒局部与集中式融合估值器之间的精度关系.本文提出了应用于多传感器多通道滑动平均(MA)信号估计的一个实例,给出了相应的鲁棒局部和集中式融合信号估值器.仿真实验验证了所提出方法的有效性和正确性.     

信息物理环境下不确定系统的随机分布式预测控制

针对信息物理系统环境下可能发生的信息丢包问题,提出一种随机分布式预测控制的分析与设计方法.考虑控制器端到执行器端的传输丢包,采用马尔科夫过程对这一丢包过程进行描述.通过对马尔科夫跳变的线性模型进行增广,研究一种具有随机丢包不确定系统的分布式预测控制方法;将系统分解成多个子系统进行描述,研究基于最小最大化优化的分布式预测控制器设计方法,并提出基于迭代交互的子控制器协调算法.将随机分布式预测控制算法在实际电机系统中进行仿真测试,以验证所提出方法的有效性.     

一种滚动时域估计方法在目标跟踪中的应用

针对目标跟踪问题中存在的约束问题 ,拓展模型预测控制 (MPC)的在线滚动优化原理 ,介绍了一种能够将有约束的滤波问题转换为最优状态估计问题的滚动时域估计 (MHE)方法 ,并通过引入一个到达代价 (arrivecost)函数 ,有效地缩减了滤波所需的计算量 ,最后 ,将此方法应用于目标跟踪问题 ,仿真研究表明该估计器具有较好的效果     

基于滚动时域估计的带约束运动目标跟踪*

针对实际的运动目标跟踪问题中存在的各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法,将跟踪滤波问题转换为带约束的有限时域优化问题,并通过引入到达代价函数,有效减少了优化问题求解所需的计算量。最后,对实际的目标跟踪问题进行了滚动时域估计仿真研究。Monte Carlo仿真结果表明,滚动时域估计能有效提高跟踪精度,并且能在采样周期之内完成求解,满足在线估计的需要。