区间系统的离散鲁棒Kalman滤波

着重研究区间系统的鲁棒滤波问题.通过等价变换,将区间系统转换为对应的矩阵 范数不确定系统,并据此导出区间系统的鲁棒滤波算法.该算法为一离散验后(a posteriori) 滤波算法,它能保证区间系统的滤波误差有界.理论分析和实际计算结果表明,本算法能达到 比验前(a priori)滤波小得多的滤波误差的方差上界.     

信息传递法求不确定系统中的状态可达关系

在不确定规划领域中,在求规划问题的解时,由于缺少引导信息,会导致许多无用状态和动作被搜索,造成冗余计算。所以在求规划解之前,找到不确定状态转移系统中状态之间的可达关系是很有意义的。以往的算法是通过矩阵相乘来模拟状态转移,但该类算法对于规模较大的系统开销较大。因此,提出了用信息传递法来求解可达关系,用矩阵来模拟不确定状态转移系统。其中每个状态记录了其他状态到达该状态的可达信息,通过状态之间的可达信息的传递,求得不确定系统的状态可达关系,以避免大量的矩阵运算。通过实验对比表明,当不确定系统规模较大时,所设计的算法优于矩阵相乘的算法。     

基于RFID技术的水中镀件实时定位系统

针对目前电镀厂水中镀件定位问题,应用FRID技术,提出了一个区域定位算法。该算法把各工序电镀槽作为一个个定位区域,通过计算各个电镀槽四周的参考标签与被定位标签的距离,建立一个区域矩阵,通过区域矩阵确定被定位标签的位置。提出一个记录镀件轨迹算法,解决了附着电子标签的镀件掉入水下的定位问题。实验结果表明系统减少了定位误差,提高了定位精度。该定位系统的部署能大大提高电镀厂的生产效率和效益。     

不完备决策系统规则获取的相容矩阵算法

针对不完备信息决策系统问题,引入相容关系下条件属性矩阵和决策属性矩阵的相关概念,并由此提出一种基于矩阵的不完备信息决策系统规则获取算法。该算法无需计算核属性,通过矩阵计算,能够直接从不完备信息决策系统中提取所有的决策规则集。理论分析和实例结果均表明该算法的有效性和实用性。     

非线性系统的鲁棒采样控制

研究在汽车转向控制中遇到的、具有输出约束的一类非线性不确定系统的鲁棒采样 控制和鲁棒采样最优控制问题,结果表示为一些矩阵不等式.最后基于线性矩阵不等式,给出 了一个迭代算法和算例.数值计算实例证明了该算法的有效性.     

改进的AHP算法在Web集群系统负载均衡中的应用

判断矩阵的建立和调整是AHP算法的关键。对Satty的1~9标度方法进行改进,引入3标度法建立判断矩阵。从正互反矩阵充分必要条件出发,提出判断矩阵不一致时的调整方法,以提高判断矩阵的一致性和减少计算量。该方法应用于Web集群系统负载均衡中,确定影响服务器负载的四大类参数的权重。实验表明,改进的AHP算法在判断矩阵不一致时,在尊重原始数据的基础上,调整判断矩阵的计算量减少,判断矩阵的一致性更好,同时可以提高负载均衡系统的性能。     

基于观测器的非线性互连系统的自适应模糊控制

针对一类不确定非线性MIMO互连系统,提出一种自适应模糊控制算法.通过设计观测器来估计系统的状态,因此不要求假设系统的状态是可测的.给出的自适应律只对不确定界进行在线调节,从而大大减轻了在线计算负担.该算法能够保证闭环系统的所有信号是一致有界的,并且跟踪误差指数收敛到一个小的零邻域内.仿真结果表明了算法的可行性.     

基于MME非线性系统递推辨识算法改进及仿真

该文介绍了最小模型误差估计算法（MME）和在非线性不确定系统辨识中的应用，以及分析了基于此算法的系统的鲁棒性的几个方面。并且，基于最优化理论控制以及两点边值问题，采用不变式嵌入法，给出了模型不确定非线性系统中基于MME在线递推估计算法，并首次提出了在满足协方差约束的前提下，如何最优地选择正定矩阵W的初值，以使非线性不确定系统的辨识结果达到最佳。最后，基于此算法，给出了非线性离散系统的仿真实例，仿真结果说明，最优地选择W的初值，使该方法是模型不确定非线性系统中辨识的有效方法。     

基于泰勒级数的迭代学习算法

针对存在不确定扰动的线性时变系统的轨迹跟踪控制问题，提出了基于泰勒级数的迭代学习算法．该算法利用泰勒级数将系统参数化，导出一种基于泰勒级数的线性时变系统的近似模型．在此模型的基础上，利用迭代学习方式修正输入量的泰勒展开系数，并用LMI方法求解学习增益矩阵．所提出算法在系统不满足正则性或无源性时，仍可用输出误差信号来构造学习律．仿真结果表明了该算法的有效性．     

子空间盲辨识的改进算法

针对单输入多输出(SIMO)系统模型参数的盲辨识问题进行了研究,基于二阶统计量,提出一类改进的子空间辨识算法.依据协方差阵的秩对该矩阵进行分块,在此基础上考虑了实际系统中存在的噪声误差,利用总体最小二乘(TLS)得到一个与噪声子空间相关的量,最后对该量进行标准正交化,得到了噪声子空间.与传统子空间方法相比,改进算法不需要对协方差矩阵进行特征值分解,可以减弱噪声及不确定因素的影响,减少了运算量,仿真实验结果表明了该算法的有效性.     

离散系统的鲁棒最小方差滤波新算法及分析

提出了一种线性离散不确定系统鲁棒最小方差滤波新算法.当离散系统含有不确定 项时,能保证滤波误差的方差有界且最小.同已有算法相比,该算法只需要求解两个相互独立 的离散Riccati方程,可大大降低鲁棒滤波的计算和分析难度.通过对算法稳定性和设计参数 取值范围的分析表明,为了保证这种鲁棒滤波器存在,只要求离散系统中受不确定项影晌的 子系统二次稳定即可.实际算例显示了算法的有效性.     

Robust filtering for uncertain linear systems: LMI based methods with parametric Lyapunov functions

This paper addresses the design of robust filters for linear continuous-time systems subject to parameter uncertainty in the state-space model. The uncertain parameters are supposed to belong to a given convex bounded polyhedral domain. Two methods based on parameter-dependent Lyapunov functions are proposed for designing linear stationary asymptotically stable filters that assure asymptotic stability and a guaranteed performance, irrespective of the uncertain parameters. The proposed filter designs are given in terms of linear matrix inequalities which depend on a scalar parameter that should be searched for in order to optimize the filter performance.     

随机不确定系统的鲁棒H∞ 滤波

研究在同时具有参数和随机不确定的情况下的鲁棒H_∞ 估计问题. 假设系统的方程由It^o随机微分方程描述, 不确定的参数是范数有界的, 外部干扰是随机不确定的. 通过解一个线性矩阵不等式, 可以设计鲁棒H_∞ 滤波器, 最后给出的一个例子对理论分析进行了阐述.     

Robust state estimation for a class of uncertain time-delay systems

This paper considers a robust state estimation problem for a class of uncertain time-delay systems. In this problem, the noise and uncertainty are modelled deterministically via an integral quadratic constraint. The robust state estimation problem involves constructing the set of all possible states at the current time consistent with given output measurements and the integral quadratic constraint. This set is found to be an ellipsoid which is constructed via a linear state estimator.     

Design and analysis of discrete-time robust Kalman filters

In this paper, the problem of finite and infinite horizon robust Kalman filtering for uncertain discrete-time systems is studied. The system under consideration is subject to time-varying norm-bounded parameter uncertainty in both the state and output matrices. The problem addressed is the design of linear filters having an error variance with an optimized guaranteed upper bound for any allowed uncertainty. A novel technique is developed for robust filter design. This technique gives necessary and sufficient conditions to the design of robust quadratic filters over finite and infinite horizon in terms of a pair of parameterized Riccati equations. Feasibility and convergence properties of the robust quadratic filters are also analyzed.     

时滞不确定离散系统的鲁棒l2-l∞滤波

将l2-l∞性能指标引入时滞不确定离散时间系统,研究基于这一指标的滤波器设计问 题.所研究的对象是同时具有状态时滞和多面体不确定性的离散时间系统.采用线性矩阵不等 式技术推导了此类不确定系统鲁棒l2-l∞滤波器存在的充分条件,并将滤波器的设计转化为一 个凸优化的求解问题,可以采用较为有效的内点方法进行求解.所设计的滤波器能够保证相对 于所有能量有界的外界扰动信号,滤波误差系统具有一定的l2-l∞扰动衰减水平.数值仿真验 证了所提出算法的可行性.     

线性不确定广义时滞系统的鲁棒无源滤波器设计

研究一类线性不确定广义时滞系统的鲁棒无源滤波器设计问题．系统中所含的不确定性假设是未知且范数有界的．利用线性矩阵不等式方法和Lyapunov函数方法相结合，给出了广义滤波增广系统时滞独立的鲁棒无源滤波器的存在条件．设计目标是对所有的不确定性，滤波增广系统是正则、稳定、无脉冲的，且满足所提的无源滤波性能指标．所提的滤波器设计问题可转化为标准的线性矩阵不等式的求解问题，并可推广到多时滞情况．数值例子验证了设计方法的可行性．     

不确定离散系统的最优鲁棒滤波

本文对一类含有范数有界参数不确定的离散线性系统的滤波问题进行了研究,了有限时域时变以及无限时域时不变两种情形,给出了一个对所有可容许参数不确定都能满足的估计误差方差上界,得到了使得该上界达到最小的最优鲁棒滤波器形式及其存在的充要条件,数值结果表明：当系统存在参数不确定时,本文所得到的滤波器优于标准的Ｋａｌｍａｎ滤波器以及文（４）中的鲁棒滤波器。     

基于T-S 模糊模型的不确定时滞系统鲁棒??1 滤波

针对外部干扰信号为峰值有界的不确定时滞系统,提出一种新的基于T-S模糊模型的鲁棒1滤波方法.根据平行分布补偿法（PDC）和Lyapunov稳定性理论,构造模糊基依赖Lyapunov-Krasovskii泛函,并利用积分不等式方法,建立基于T-S模糊模型的不确定时滞系统的时滞相关峰值—–峰值（L₁）性能判据.最后通过LMI技术将鲁棒1滤波器设计问题转化为LMIs的凸优化求解问题.仿真示例验证了所提出方法的有效性.     

Robust energy-to-peak filter design for stochastic time-delay systems

This paper considers the robust energy-to-peak filtering problem for uncertain stochastic time-delay systems. The stochastic uncertainties appear in both the dynamic and the measurement equations and the state delay is assumed to be time-varying. Attention is focused on the design of full-order and reduced-order filters guaranteeing a prescribed energy-to-peak performance for the filtering error system. Sufficient conditions are formulated in terms of linear matrix inequalities (LMIs), and the corresponding filter design is cast into a convex optimization problem which can be efficiently handled by using standard numerical algorithms. In addition, the results obtained are further extended to more general cases where the system matrices also contain uncertain parameters. The most frequently used ways of dealing with parameter uncertainties, including polytopic and norm-bounded characterizations, have been taken into consideration, with convex optimization problems obtained for the design of desired robust energy-to-peak filters.