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。     

连续系统鲁樟约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差方差稳态值都不大于预先指定值，并举例说明这种设计方法的直接性与简单性．     

离散系统的鲁捧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。     

连续系统鲁棒约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差稳态值都不大于预先的旨定值，并举说明这种设计方法的直接性与简单性。     

满意滤波在航迹辨识中的应用

利用线性矩阵不等式(LMI,linear matrix inequalities)方法,首先研究了Kalman滤波 的稳态误差方差和滤波增益的解法,并根据满意控制的思想,提出了具有误差方差上界约束的 滤波问题,然后研究了误差方差上界约束下对系统测量噪声具有最大容许强度的满意鲁棒滤 波.本文的研究成果已被应用于某型C3I系统中的航迹辨识.     

一类不确定随机系统的鲁棒H∞约束方差控制*

本文根据Ｈ∞优化设计理论及稳态状态协方差配置的系统综合方法，利用一个修正的Ｒｉｃｃａｔｉ方程，对一类具有参数扰动的不确定线性随机系统讨论了鲁棒状态反馈控制器设计，使得闭环系统不但鲁棒稳定并具有指定的稳定裕度；而且系统性能也是鲁棒的，闭环系统同时满足给定的Ｈ∞性能指标及状态方差上限约束。     

Delta算子系统具有极点约束的鲁棒非脆弱方差控制

研究Delta算子描述的线性不确定系统具有圆形区域极点约束的鲁棒非脆弱方差控制问题. 针对系统参数范数有界不确定性和控制器的乘性增益不确定性, 运用线性矩阵不等式(LMI)方法, 提出具有圆形区域极点约束的状态反馈鲁棒非脆弱方差控制器存在的条件和设计方法. 数值算例表明设计方法的可行性.     

带不确定方差乘性和加性噪声系统鲁棒加权 融合稳态Kalman估值器

本文研究带不确定方差乘性和加性噪声和带状态相依及噪声相依乘性噪声的多传感器系统鲁棒加权融合估计问题.通过引入虚拟噪声补偿乘性噪声的不确定性,将原系统化为带确定参数和不确定加性噪声方差的系统,进而利用Lyapunov方程方法提出在统一框架下的按对角阵加权融合极大极小鲁棒稳态Kalman估值器(预报器、滤波器和平滑器),其中基于预报器设计滤波器和平滑器,并给出每个融合器的实际估值误差方差的最小上界.证明了融合器的鲁棒精度高于每个局部估值器的鲁棒精度.应用于不间断电源(uninterruptible power system,UPS)系统鲁棒融合滤波的仿真例子说明了所提结果的正确性和有效性.     

不确定连续模糊系统的鲁棒方差控制

对一类范数有界不确定连续T-S模糊系统，研究了其状态反馈鲁棒方差控制律设计和稳定性问题。利用线性矩阵不等式(LMI)技术，导出了状态反馈鲁棒方差控制律的存在条件和使系统全局渐近稳定的充分条件，并用一组线性矩阵不等式的可行解，给出了使系统全局渐近稳定的状态反馈鲁棒方差控制律的一种参数化表达形式，而这些线性矩阵不等式的解可以用Matlab中LMI工具箱方便地求解。通过对混沌Lorenz系统的仿真，验证了所设计控制器的有效性。     

鲁棒边缘粒子滤波及在目标跟踪中应用

边缘粒子滤波是组合导航和目标跟踪中状态估计的高效方法;文章目的 是研究附加量测噪声具有时变未知方差的鲁棒边缘粒子滤波的算法并对算法仿真验证;设计方法是使用Rao-Blackwellised原则实现混合模型中状态降维,然后状态与量测方差同时分别估计;量测分布模型设置为具有鲁棒性质的学生t分布,通过这种量测似然模型得到粒子权值;变分推断方法加入混合滤波方案进行量测噪声方差参数的实时递推估计;重采样阶段粒子权值与状态及噪声参数一起进行重采样,结果是给出状态与噪声参数估计的鲁棒边缘粒子滤波;通过对常速目标运动跟踪模型量测噪声方差渐变和突变两种情况的仿真设置分析,验证了所提算法在量测方差变化情况下性能优于边缘粒子滤波算法的结论.     

误差方差及圆形区域极点约束下状态估计问题的研究:连续时间情形

提出并讨论了线性连续随机系统在稳态估计误差方差及圆形区域极点约束下的状态估 计问题,即希望设计滤波增益,使得每个状态分量的估计误差方差稳态值不大于各自预先给 定值,同时滤波矩阵的极点位于给定圆形区域内,从而使滤波过程具有良好的稳、暂态特性. 文中利用一修正的代数Riccati方程,给出了期望滤波增益的存在条件及解析表达式.数值 例子说明了文中设计方法的直接性和有效性.     

误差方差及圆形区域极点约束下状态估计问题的研究：离散时间情形

本文研究线性离散随机系统在稳、暂态指标约束下的状态估计问题，即设计滤波增益，使得每个状态的估计误差方差的稳态值不大于预先指定值，同时滤波矩阵的极点位于预先指定的圆形区域内。本文说明上述指标约束可体现于一代数矩阵方程中，并藉此给出期望滤波增益的存在条件及解析表达式。数值例子说明了文中设计方法的直接性与有效性。     

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.     

误差方差约束下Delta算子不确定系统的鲁棒H∞滤波

研究Delta算子不确定系统在稳态估计误差方差约束下的鲁棒H∞滤波问题.目的是设计滤波器,使得系统在状态矩阵和输出矩阵均存在不确定性时,滤波过程是渐近稳定的,每个状态的稳态估计误差的方差不大于事先给定值,且从噪声输入到误差输出的传递函数满足给定的H∞范数约束.基于矩阵不等式方法,提出了滤波器的存在条件和显式表达式.所得结果可将连续和离散系统的有关结论统一到Delta算子框架.     

Robust estimation for discrete time‐varying systems with limited communication capacity

In this paper, we consider the state estimation problem for linear discrete time‐varying systems subject to limited communication capacity which includes measurement quantization, random transmission delay and data‐packet dropouts. Based on transforming the three communication limitations into the system with norm‐bounded uncertainties and stochastic matrices, we design a robust filter such that, for all the communication limitations, the error state of the filtering process is mean square bounded. An upper bound on the variance of the state estimation error is first found, and then, a robust filter is derived by minimizing the prescribed upper bound in the sense of the matrix norm. It is shown that the desired filter can be obtained in terms of the solutions to two Riccati‐like difference equations which also provide a recursive algorithm suitable for online computation. A simulation example is presented to demonstrate the effectiveness and applicability of the proposed algorithm. Copyright © 2010 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

有限时间信息融合线性二次型最优控制

针对有限时间线性二次型最优控制问题, 提出了一种新的求解方法—–信息融合估计方法. 基于线性最小方差估计准则下的融合估计理论, 通过融合期望状态轨迹、理想控制策略等软约束信息, 分别采用集中式融合和序贯式融合两种信息处理方法, 求得最优状态调节器问题的最优融合控制序列. 进一步从理论上论证了序贯式融合控制方法与传统最优控制方法的一致性, 并通过直流电机系统的数值仿真也验证了集中式和序贯式融合控制方法 与传统最优控制方法的等效性, 从而统一了最优估计与最优控制问题, 并为最优控制问题提供了一种新的求解方法.     

Variance‐constrained state estimation for networked multi‐rate systems with measurement quantization and probabilistic sensor failures

This paper is concerned with the variance‐constrained state estimation problem for a class of networked multi‐rate systems (NMSs) with network‐induced probabilistic sensor failures and measurement quantization. The stochastic characteristics of the sensor failures are governed by mutually independent random variables over the interval [0,1]. By applying the lifting technique, an augmented system model is established to facilitate the state estimation of the underlying NMSs. With the aid of the stochastic analysis approach, sufficient conditions are derived under which the exponential mean‐square stability of the augmented system is guaranteed, the prescribed H_∞ performance constraint is achieved, and the individual variance constraint on the steady‐state estimation error is satisfied. Based on the derived conditions, the addressed variance‐constrained state estimation problem of NMSs is recast as a convex optimization one that can be solved via the semi‐definite program method. Furthermore, the explicit expression of the desired estimator gains is obtained by means of the feasibility of certain matrix inequalities. Two additional optimization problems are considered with respect to the H_∞ performance index and the weighted error variances. Finally, a simulation example is utilized to illustrate the effectiveness of the proposed state estimation method. Copyright © 2016 John Wiley & Sons, Ltd.     

多丢包不确定离散系统的鲁棒Kalman滤波

研究了同时具有不确定性和多丢包情况下的离散时变系统的鲁棒滤波问题, 其中的不确定性是时变的、范数有界的, 且存在于系统的状态矩阵和输出矩阵中. 通过把多丢包问题建模成系统模型中的随机参数, 在允许的不确定性情况下, 给出了估计误差方差的上界, 并进一步基于矩阵范数的意义最小化该上界. 结果表明, 通过求解两个Riccati差分方程, 可以设计鲁棒滤波器. 最后, 提出适合在线计算的鲁棒滤波算法, 并通过仿真实例表明所提算法的有效性和实用性.