广义系统ARMA最优递推状态估值器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,由非递推状 态估值器的递推变形,提出了广义系统的ARMA稳态最优递推状态估值器.它们具有 Wiener滤波器形式,可处理带奇异状态转移阵和/或带相关噪声的广义系统,可统一处理滤 波、平滑和预报问题,且可统一处理广义和非广义系统状态估计问题.仿真例子说明了其有效 性.     

同步发电机非线性广义子系统模型的解耦控制

针对基于非线性奇异子系统模型的同步发电机,本文利用逆系统方法,研究了其励磁汽门综合控制的输入输出线性化解耦问题.同步发电机本质上是电力大系统中的一个非线性奇异子系统,同步发电机的解耦控制是使系统达到优良性能的重要途径之一.本文提出一种递推算法,利用逆系统方法将被控系统转化为两个独立的积分型线性子系统,实现了系统的动态解耦.仿真结果表明了本文所提控制方法的有效性.     

基于广义KYP 引理方法的奇异摄动系统有限频段正实性能分析

基于广义KYP引理,研究了奇异摄动系统的有限频段正实性能.根据奇异摄动系统的双频标特性,即有低频和高频两种频域尺度,应用广义KYP引理,分别研究了奇异摄动系统的降阶子系统在其低频段和高频段的正实性,并以线性矩阵不等式形式给出了上述子系统在有限频段正实的充分必要条件.在此基础上,进一步证明了奇异摄动系统在一定条件下是部分频段正实的.     

基于神经网络非线性系统的广义预测

为了对复杂的非线性系统进行广义预测控制 ,避免较长的离线训练 ,采用受控自回归积分滑动平均模型来描述线性子系统 ,用神经网络来逼近非线性子系统 ,利用递推最小二乘法和 Davidon最小二乘法分别作为线性子系统和非线性子系统的在线学习算法 ,建立了一种适合于广义预测控制的非线性系统控制模型。仿真结果证明 ,该模型在非线性系统的广义预测中的有效性 ,在实时控制中具有极其广阔的应用前景。     

带乘性噪声和延时观测广义系统的多步最优预测器

本文研究了状态空间描述的离散广义系统最优预测器的设计问题,该系统带有即时和延时观测,所有观测中带有乘性噪声.论文在两个基本假设条件下采用标准的奇异值分解方法给出了受限等价时滞系统,对于此类系统没有采用状态增广方法,而是采用新息重组分析理论给出了多步预测器.因为延时观测的存在,所给出的多步预测器包含了两套递推的广义系统黎卡提方程.本文给出了一个数学算例验证了所提方法的正确性和有效性,并给出了四幅图片,根据算例可以看出一般情况下预测的步数越少,预测的结果越好.本文方法可以进一步来研究更复杂的一些问题,如延时广义系统的H_∞滤波和控制问题.     

Hammerstein-Wiener系统的递推贝叶斯参数辨识算法

为了辨识一类非线性Hammerstein-Wiener系统,基于递推贝叶斯算法和奇异值分解,提出了一种两阶段在线辨识算法。该算法首先利用递推贝叶斯算法估计乘积项参数,然后利用奇异值分解得到待估计参数。仿真结果表明,所提算法可以以较小的计算量获得精度较高的参数估计值。     

带多层融合结构的广义系统 Kalman 融合器

对带多传感器的线性离散随机广义系统, 用奇异值分解将其化为两个降阶耦合子系统, 应用现代时间序列分析方法, 基于自回归滑动平均 (Autoregressive moving average, ARMA) 新息模型和白噪声估计理论, 提出了带三层融合结构的分布式稳态 Kalman 融合器, 它由两个加权融合器和两个复合融合器组成. 第一层给出子系统状态融合器, 实现了每个子系统分量解耦融合; 第二层给出变换后状态融合器, 实现了两个子系统的解耦融合; 第三层给出原始状态融合器, 它可统一处理状态融合滤波、平滑和预报问题. 为计算最优加权阵, 给出了计算局部估计误差互协方差阵公式, 证明了它的精度比每个局部估值器精度高. Monte Carlo 的仿真实例说明了其有效性.     

广义离散随机线性系统最优递推预报方法及其渐近稳定性

讨论广义离散随机线性系统最优状态估计问题,运用新息理论和射影的方法提出了 广义离散随机线性系统最优递推预报器和滤波器,证明了递推预报器对于初始值的选取渐近 稳定.     

广义离散随机线性系统的最优递推滤波方法(Ⅰ)

本文用加权最小二乘方法讨论了广义离散随机线性系统的最优状态估计,得到了系统状态的最优滤波估计的递推算法.     

Lipschitz广义非线性系统观测器设计

研究一类广义非线性系统的观测器设计问题．首先讨论了半正定Lyapunov函数下指数1广义非线性系统稳定及渐近稳定性,然后对一类由线性和Lipschitz非线性项组成的广义非线性系统,给出了渐近稳定观测器存在的条件,并把观测器反馈增益矩阵的设计归结为广义线性系统容许控制以及奇异值计算问题,证明了若容许广义线性系统矩阵的最小奇异值大于系统的Lipschitz常数,容许控制器增益矩阵就是待求的观测器反馈增益矩阵。     

Singular control of stochastic linear systems with recursive utility

We formulate a class of singular stochastic control problem with recursive utility where the cost function is determined by a backward stochastic differential equation. Some characteristics of the value function of the control problem are obtained by the method of approximation via penalization, and the optimal control process is constructed.     

带有色观测噪声的广义系统Kalman滤波器

对于带自回归滑动平均(ARMA)有色观测噪声的多传感器为广义离散随机线性系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了广义系统多传感器信息融合状态滤波问题。为了提高精度,采用Kalman滤波方法,在线性最小方差按块对角阵最优加权融合准则下,给出了按矩阵加权解耦的分布式Kalman滤波器,可减少计算负担和改善局部滤波精度。为了计算最优加权,提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了方法的有效性。     

Parametric estimation of interconnected nonlinear systems described by input-output mathematical models

In this paper, two types of mathematical models are developed to describe the dynamics of large-scale nonlinear systems,which are composed of several interconnected nonlinear subsystems. Each subsystem can be described by an input-output nonlinear discrete-time mathematical model, with unknown, but constant or slowly time-varying parameters. Then, two recursive estimation methods are used to solve the parametric estimation problem for the considered class of the interconnected nonlinear systems. These methods are based on the recursive least squares techniques and the prediction error method. Convergence analysis is provided using the hyper-stability and positivity method and the differential equation approach. A numerical simulation example of the parametric estimation of a stochastic interconnected nonlinear hydraulic system is treated.     

广义离散随机线性系统的马尔可夫估计

本文讨论了带有脉冲模的广义离散随机线性系统Exk=Φxk-1+гwk-1,yk=Hxk+vk 的马尔可夫状态估计问题,得到了这个估计的递推算法.     

Robust H∞ Sliding Mode Control for a Class of Singular Stochastic Nonlinear Systems

This paper concerns the problem of robust H_∞ sliding mode control for a class of singular stochastic nonlinear systems. Integral sliding mode control is developed to deal with this problem. Based on the integral sliding surface of the design and linear matrix inequality, a sufficient condition which guarantees the sliding mode dynamics is asymptotically mean square admissible and has a prescribed H_∞ performance for a class of singular stochastic nonlinear systems is proposed. Furthermore, a sliding mode control law is synthesized such that the singular stochastic nonlinear system can be driven to the sliding surface in finite time. Finally, a numerical example is proposed to illustrate the effectiveness of the given theoretical results.     

离散随机奇异系统的最优融合全阶状态估值器

研究带多传感器和相关观测噪声的离散随机奇异系统的分布式融合状态估计问题.核心思想是将带多传感器的随机奇异系统转化为一个等价的非奇异系统组.在得到局部非奇异系统的状态估计后,利用线性最小方差意义下的最优加权融合算法,得到原系统的全阶最优融合滤波器和平滑器.仿真算例表明,融合估值器优于每个局部估值器.     

Weak connections, time scales, and aggregation of nonlinear systems

If nonlinear subsystems with continuous equilibria are weakly connected, their local behavior is fast compared with the system-wide behavior caused by the connections. The slow behavior is described by an aggregate model which appears as a slow subsystem in the singular perturbation form of the model. In this way earlier linear aggregation results by Simon et al. in economics and slow coherency results in power systems are extended to nonlinear systems and related to singular perturbations.     

On partial-information optimal singular control problem for mean-field stochastic differential equations driven by Teugels martingales measures

This paper is concerned with partial-information mixed optimal stochastic continuous–singular control problem for mean-field stochastic differential equation driven by Teugels martingales and an independent Brownian motion, where the Teugels martingales are a family of pairwise strongly orthonormal martingales associated with Lévy processes. The control variable has two components; the first being absolutely continuous, and the second singular. Partial-information necessary and sufficient conditions of optimal continuous–singular control for these mean-field models are investigated. As an illustration, this paper studies a partial-information linear quadratic control problem of mean-field type involving continuous–singular control.     

有色量测噪声下的改进求容积卡尔曼滤波器

为解决标准求容积卡尔曼滤波器在有色量测噪声条件下滤波精度退化的问题,提出改进求容积卡尔曼滤波器及其平方根形式.首先利用一阶马尔科夫模型白化非线性离散随机系统中有色量测噪声,将有色量测噪声下非线性离散随机系统转化为白噪声下非线性时滞系统.然后根据所得非线性时滞系统推导其高斯域的贝叶斯滤波框架,最后基于3度Spherical-Radial规则将该滤波框架近似为改进的求容积卡尔曼滤波器和其平方根形式.机动目标跟踪仿真试验结果表明两种改进求容积卡尔曼滤波算法在标准白噪声条件下与标准求容积卡尔曼滤波算法的估计精度相同,而在有色量测噪声背景下滤波精度和鲁棒性更优.