带未知有色观测噪声的自校正融合Kalman滤波器

对于带未知有色观测噪声的多传感器线性离散定常随机系统, 未知模型参数和噪声方差的一致的融合估值器用递推增广最小二乘法(RELS)和求解相关函数方程得到. 将这些估值器代入到最优解耦融合Kalman滤波器中, 得出了自校正解耦融合Kalman滤波器, 并用动态方差误差系统分析(DVESA)和动态误差分析(DESA)方法证明了它收敛于最优解耦融合Kalman滤波器, 因而具有渐近最优性. 一个带3传感器跟踪系统的仿真例子说明了其有效 性.     

基于递推最小二乘估计的动力学模型参数识别

动力学建模过程中,模型参数的不确定性和参数的未知变化使得建模精度大为降低。通过对非线性最小二乘估计理论的研究,提出动力学模型参数的最小二乘估计,并设计出相应的估计器,基于现场数据给予模型较为准确的定论。应用于曲柄滑块机构中滑块与滑动面间的摩擦系数的估计,经过较少的迭代次数获得满意的估计效果。为动力学模型参数识别,建立更精确模型提供一个有效的途径。     

含未知参数的自校正融合Kalman滤波器及其收敛性

对于带未知模型参数和噪声方差的多传感器系统,基于分量按标量加权最优融合准则,提出了自校正解耦融合Kalman滤波器,并应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了它的收敛性.作为在信号处理中的应用,对带有色和白色观测噪声的多传感器多维自回归(Autoregressive,AR)信号,分别提出了AR信号模型参数估计的多维和多重偏差补偿递推最小二乘(Bias compensated recursive least-squares,BCRLS)算法,证明了两种算法的等价性,并且用DESA方法证明了它们的收敛性.在此基础上提出了AR信号的自校正融合Kalman滤波器,它具有渐近最优性.仿真例子说明了其有效性.     

带有色观测噪声系统最优和自校正状态估计器

基于ＡＲＭＡ新息模型，通过计算白噪声估值器和输出预报器，提出了带有色观测噪声系统的一种新的最优和自校正状态估计器，可统一处理滤波、平滑和预报问题，可处理未知的非平衡有色观测噪声、不稳定系统和状态转移阵奇异的系统。一个雷达跟踪系统的仿真例子说明了其有效性。     

不受约束的全局最优加权观测融合估计

利用矩阵满秩分解方法,基于加权最小二乘理论提出了一种不受各传感器观测阵是否相同、观测噪声是否相关约束限制的加权观测融合估计算法。证明了其估计结果每时刻恒同于集中式融合Kalman估计结果,因而具有全局最优性,且可明显减小计算负担,便于实时应用。通过对GPS目标跟踪系统的两种方案进行仿真说明了它的功能等价性、快速性以及最优性。     

基于递推最小二乘的三轴磁强计在线自校正方法

针对现有三轴磁强计误差校正方法存在计算量大、依赖外界参考信息、不能在线校正等问题,提出一种基于递推最小二乘的误差在线自校正方法。根据Poisson方程对磁场测量模型的描述,导出磁场矢量误差校正模型;基于椭球假设理论,建立校正模型与椭球曲面方程系数之间的关系;推导了基于递推最小二乘的椭球方程系数在线辨识的实现过程,进而求得误差校正参数。实验结果表明:提出的方法能有效校正软磁和硬磁效应引起的数据畸变;采样点磁场强度最大波动幅度由67. 112 8μT降低至14. 064 8μT,误差标准差由15. 828 7μT降低至6. 345 1μT,适用于无外部参考基准下三轴磁强计的误差自动校正。     

自校正多传感器观测融合Kalman估值器及其收敛性分析

对于带未知噪声方差的多传感器系统,应用加权最小二乘(WLS)法得到了一个加权融合观测方程,且它与状态方程构成一个等价的观测融合系统.应用现代时间序列分析方法,基于观测融合系统的滑动平均(MA)新息模型参数的在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正融合滤波、预报和平滑问题,并用动态误差系统分析方法证明了它的收敛性,即若MA新息模型参数估计是一致的,则它按实现或按概率1收敛到全局最优加权观测融合Kalman估值器,因而具有渐近全局最优性.一个带3传感器跟踪系统的仿真例子说明了其有效性.     

基于TVARMA的飞行器结构响应序列参数谱估计

针对时变自回归滑动平均(TVARMA)模型参数谱估计容易出现谱峰漂移的问题,提出一种基于组合目标函数和遗传算法的TVARMA模型参数估计方法,并将之应用于飞行器结构响应序列的谱估计。首先,通过长自回归方法和增广最小二乘方法获得TVARMA模型参数初始估计值;其次,依据连续函数极值条件推导模型参数的频域约束条件并结合罚函数方法构造组合目标函数;最后,采用遗传算法对模型参数进行优化获得使组合目标函数最小的参数值作为TVARMA模型参数的最优估计。应用结果表明:该方法可以克服谱峰漂移现象,提高模型在时域和时频域的建模精度。     

二级倒立摆的参数自校正模糊PI控制

为了解决高阶次、多变量、非线性、强耦合的直线二级倒立摆的稳定控制问题,设计了一种参数自校正模糊PI控制器算法。结合线性二次型最优调节器(LQR)方法,设计了融合函数,降低了模糊控制器的维数、减少了控制器规则数、实现了参数在线自校正,进而提高了控制器的性能。借助固高科技倒立摆硬件平台,采用MATLAB仿真及实时控制,系统均能在较短时间内达到稳定,且控制效果较好,满足了稳定性和鲁棒性要求。     

飞行器气动力参数辨识

基于飞行器法向过载方程,首先采用逐步回归分析方法对气动力系数的多元线性回归模型进行因子筛选,确定气动模型结构,然后用逐步回归分析法的结果作为初值,用实时递推最小二乘法估计气动力参数。     

带未知通信干扰和丢包补偿的多传感器网络化不确定系统的分布式融合滤波

研究了带有未知通信干扰、观测丢失和乘性噪声不确定性的多传感器网络化系统的状态估计问题.通过白色乘性噪声描述系统状态和观测中的随机不确定性,采用一组服从Bernoulli分布的随机变量描述网络传输过程中存在的观测丢失现象,且数据传输中存在未知的网络通信干扰.当发生丢包时,以当前丢失观测的预报值进行补偿.对每个单传感器子系统,应用线性无偏最小方差估计准则设计了不依赖于未知通信干扰的最优线性滤波器.推导了任两个局部滤波误差之间的互协方差阵.进而,应用矩阵加权融合估计算法给出了分布式融合状态滤波器.仿真例子验证了算法的有效性.     

基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器

对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器（Unscented Kalman filter,UKF）,提出了非线性加权观测融合无迹Kalman滤波器（WMF（Weighted measurement fusion）-UKF）.与集中式融合UKF（CMF（Centralized measurement fusion）-UKF）相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真例子验证了算法的有效性.     

Distributed Model Predictive Control for Networked Plant-wide Systems With Neighborhood Cooperation

For large-scale networked plant-wide systems composed by physically (or geographically) divided subsystems, only limited information is available for local controllers on account of region and communication restrictions. Concerning the optimal control problem of such subsystems, a neighbor-based distributed model predictive control (NDMPC) strategy is presented to improve the global system performance. In this scheme, the performance index of local subsystems and that of its neighbors are minimized together in the determination of the optimal control input, which makes the local control decision also beneficial to its neighboring subsystems and further contributes to improving the convergence and control performance of overall system. The stability of the closed-loop system is proved. Moreover, the parameter designing method for distributed synthesis is provided. Finally, the simulation results illustrate the main characteristics and effectiveness of the proposed control scheme.      

非线性动态系统模型结构确定和参数估计新算法

非线性动态系统模型一般可表示为NARMAX模型的形式.本文对此类模型给出了同时确定模型结构和参数的递推新算法.它基于"新息"理论和一些信息准则,借耽于矩阵运算的技巧,将新息计算、结构确定和参数估计巧妙地结合起来,因而计算量小,并能确保得到最优的系统描述.最后用仿真例子验证了新算法的有效性.     

考虑不确定测量和个体差异的非线性随机退化系统剩余寿命估计

剩余寿命估计是预测与健康管理的基础,是降低系统运行风险、提高系统安全性与可靠性的有效途径.针对工程实际中大量存在的非线性随机性退化系统,现有方法仅单独考虑了不确定测量或系统间个体差异对剩余寿命的影响,尚未实现同时考虑不确定测量和个体差异的剩余寿命估计.因此,本文首先建立了一种基于扩散过程的非线性退化模型,进一步通过建立的状态空间模型和Kalman滤波实现了同时考虑不确定测量和个体差异下的随机退化系统剩余寿命自适应估计,同时对漂移系数进行自适应估计,以获取非线性退化系统更加精确的剩余寿命估计.最后,将所提方法应用于疲劳裂纹和陀螺仪的监测数据,结果表明本文方法显著优于仅考虑不确定测量或仅考虑个体差异的寿命估计方法,具有潜在的工程应用价值.     

Model Predictive Control for Nonlinear Distributed Parameter Systems based on LS‐SVM

This paper presents a novel model predictive control configuration for nonlinear distributed parameter systems based on least squares support vector machine. First, a data‐based modeling methodology for an unknown nonlinear distributed parameter system is introduced. Subsequently, the model predictive control framework based on the aforementioned model is presented at the measured point. To verify the effectiveness and feasibility of the control arithmetic, simulation results from a tubular reactor with the controller designed by the presented procedure are given.     

基于MIMO模糊控制的锂离子电池参数自适应等效电路模型及SOC估计

针对锂电池等效电路模型无法在荷电状态(SOC)全区间精确反映锂电池内部真实状态的问题,提出了基于多输入多输出(MIMO)模糊控制的参数自适应等效电路模型.该等效电路模型以新一代汽车伙伴关系(PNGV)模型为自适应原型,根据锂离子电池和PNGV模型的外特性参数差异,由MIMO模糊调节器动态实时修正模型参数,达到精确建模、反映电池内部真实状态的目的.实验验证了自适应参数对模型精度和自适应性能的影响及模型在变工况下的模拟效果.通过对比锂电池参数自适应模型和静态参数PNGV模型的扩展卡尔曼滤波算法估计SOC的误差,验证了参数自适应模型的有效性.     

基于参数估计的多层M-S模型杯盘分割方法

多层Mumford-Shah模型能够很好地分割通过彩色眼底成像得到的视乳头杯盘图像,但由于光照不均、对比度小等因素,图像中存在很多无用的噪声点,对于不同的图像,多层Mumford-Shah模型需要不同的长度参数,为了解决这个问题,给出了一个自适应的长度参数估计模型.另外,血管遮挡也会使得杯盘边缘曲线的凹陷和断裂,从而造...     

Variance-Constrained Filtering Fusion for Nonlinear Cyber-Physical Systems With the Denial-of-Service Attacks and Stochastic Communication Protocol

In this paper, a new filtering fusion problem is studied for nonlinear cyber-physical systems under error-variance constraints and denial-of-service attacks. To prevent data collision and reduce communication cost, the stochastic communication protocol is adopted in the sensor-to-filter channels to regulate the transmission order of sensors. Each sensor is allowed to enter the network according to the transmission priority decided by a set of independent and identically-distributed random variables. From the defenders’ view, the occurrence of the denial-of-service attack is governed by the randomly Bernoulli-distributed sequence. At the local filtering stage, a set of variance-constrained local filters are designed where the upper bounds (on the filtering error covariances) are first acquired and later minimized by appropriately designing filter parameters. At the fusion stage, all local estimates and error covariances are combined to develop a variance-constrained fusion estimator under the federated fusion rule. Furthermore, the performance of the fusion estimator is examined by studying the boundedness of the fused error covariance. A simulation example is finally presented to demonstrate the effectiveness of the proposed fusion estimator.