分散估计理论综述*

本文从五个方面对分散估计理论进行了综述。它们是:关于队决策系统的分散估计理论;分散估计的最优合成理论;分散估计的一致性理论;基于分散探测器网络的分散估计理论;以及若干经典估计方法的分散化理论。给出了各种理论的主要结果,并进行了讨论。     

非线性组合系统基于状态观测器的分散镇定

讨论了一类非线性相似组合系统的基于估计状态反馈的分散控制问题。构造了非线性渐近状态观测器,并证明了状态误差按指数收敛到零。同时,给出了组合系统经估计状态向量的反馈控制可实现分散镇定的一个充分条件。     

一类离散非线性不确定互联系统的模糊分散控制

利用模糊控制方法研究一类离散非线性互联系统的分散控制问题.首先采用模糊(T-S)模型对离散非线性不确定互联系统进行模糊建模,应用并行分布补偿算法(PDC)给出状态反馈分散模糊控制方案,并基于李亚普诺夫函数方法证明了闭环系统的稳定性.然后当系统的状态不完全可测时,设计模糊分散观测器来估计各子系统的状态,从而给出基于观测器的状态反馈分散模糊控制设计的方法.因为该分散模糊控制设计问题是以线性矩阵不等式的形式给出,所以很容易用凸优化方法求解.仿真结果验证了所提出控制方法的有效性.     

含无序量测的多传感器信息融合算法研究

由于通信时间的延迟性,在多传感器系统中常常会出现无序量测情况.为提高估计的精度,系统须对无序量测进行处理,状态更新法是处理无序量测问题的一种有效方法.对于多传感器信息融合问题,给出了一种处理无序量测的状态估计更新算法.仿真计算表明该算法能有效的提高融合估计的精度.     

带非线性等式约束无迹卡尔曼滤波方法

针对带非线性等式约束的非线性系统的状态估计问题,给出了一种新形式的基于无迹卡尔曼滤波及伪观测手段的处理约束的状态估计方法（SPUKF）。在该方法中原动态系统被虚拟地分离成两个并行的子系统,各时刻的状态估计由基于这两个子系统构建的两套滤波链交替得到。相对于伪观测法中的序贯形式估计器,SPUKF无需事先确定观测及约束的处理次序且能获得更好的估计结果,故可以用来解决序贯方法中观测与约束的处理次序问题。由钟摆运动的实例仿真结果看到,SPUKF不仅有好于序贯形式无迹卡尔曼滤波的估计效果,误差改善比达到22%左右,而且算法运行时间与序贯形式估计器相近。此外,其估计效果还与批处理无迹卡尔曼滤波相当。     

离散系统状态和参数鲁棒滤波分离算法

提出了一种离散系统的鲁棒分离滤波方法.为了对状态向量进行较准确估计,将鲁棒滤波器分为:1)零误差状态估计器;2)不确定矩阵估计器;3)鲁棒合成器.零偏差状态估计器是假定系统的不确定部分为零时的状态估计器;其新息作为不确定部分的估计变量,并由此估计系统的不确定部分;最后,根据系统不确定部分估计误差的上下界,用鲁棒合成器对状态向量的估计值进行鲁棒修正.为了在合成器中得到鲁棒滤波的逼近计算式,通过变换状态估计误差的协方差阵,得到了系统矩阵不确定部分的误差上界不等式逼近,并且得到了估计误差协方差阵逆阵的下界不等式逼近,从而给出了鲁棒合成滤波的完整算法.     

信息融合算法在机器人足球系统中的应用

最优信息融合Kalman滤波算法给出了实时动态环境中线性方差最小的融合估计。采用该算法对机器人足球系统中的小球进行状态估计和预测,并给出了信息融合处理结构和该算法的具体实现步骤。实验结果表明,该算法可以克服单一视觉传感器采集的数据含有较大噪声等局限性,实现了对小球精确的状态估计和预测,具有可行性和优越性,并且在某一机器人视觉传感器出错时,系统仍具有良好的容错性和鲁棒性。     

基于状态观测器的伪非线性系统的镇定设计

对非线性系统进行分析，首先通过一个简单例子说明对于非线性系统研究用估计状态进行设计的必要性，然后对伪非线性系统给出了用估计状态进行镇定的有关结论，最后举例说明基于估计状态的非线性控制器的设计方法。     

一类非线性不确定组合系统基于观测器的鲁棒分散镇定

讨论一类组合系统的鲁棒观测器的设计及该类系统基于估计状态反馈分散镇定问题.所设计的变结构观测器使得观测误差渐近趋于零,基于估计状态所设计的鲁棒分散控制器确保闭环系统是渐近稳定的,系统的相似结构使得所设计的各个子系统的分散观测器以及控制器在结构上具有一致性,从而简化了系统的设计.     

基于辅助输出的线性系统状态和未知输入同时估计方法

在未知输入观测器匹配条件不满足的情况下, 针对一类线性时不变系统, 研究了同时估计系统 状态和未知输入的问题. 首先, 基于可测输出对未知输入的相关度的概念, 给出了辅助输出 的构造方法, 使得匹配条件得以满足. 为了处理辅助输出中的未知信息, 提出了一种高增益 观测器设计方法, 它不仅能估计辅助输出, 而且还能估计辅助输出的导数. 然后, 基于辅助 输出的估计值, 提出了一种降维观测器设计方法, 可以在不受未知输入影响的情况下估计系统 的状态; 接下来, 基于状态和辅助输出及其导数的估计值, 给出了未知输入估计. 最后, 对一个五 阶系统进行了数字仿真, 仿真结果表明所提出的方法是有效的.