带未知观测输入和观测丢失多传感器随机不确定系统的集中式融合滤波

对带未知观测输入和观测丢失的多传感器随机不确定系统设计了集中式融合滤波器。通过乘性噪声描述的随机不确定性存在于系统的状态和观测矩阵中。在没有观测干扰任何先验信息的情况下,应用线性无偏最小方差准则,设计了不依赖于未知观测输入的具有Kalman形式的集中式融合滤波器。仿真验证了算法的有效性。     

带未知观测丢失率的自校正加权观测融合估计

对于带未知丢失观测率的离散线性随机系统,应用伯努利随机变量来描述观测丢失现象。采用相关函数法辨识丢失观测率。应用加权最小二乘法(WLS)把高维的观测向量进行压缩得到加权观测融合方程。将实时辨识的观测丢失率代入最优加权观测融合滤波器中得到自校正加权观测融合滤波算法。所获得的自校正加权观测融合滤波器收敛于最优融合滤波器。仿真例子验证了算法的有效性。     

单出杆液压缸位置伺服系统输出反馈控制

针对具有状态不可测的单出杆液压缸位置伺服系统,提出一种基于扩张状态观测器和鲁棒控制器的输出反馈控制算法。所构造的扩张状态观测器在观测系统状态的同时,对系统的匹配未知干扰进行估计,并在设计的控制器中进行主动干扰补偿,提高系统控制性能。理论分析表明,本文所提出的液压位置伺服系统输出反馈控制器能够保证闭环系统的所有信号有界,以及保证预定的瞬态和稳态跟踪性能,当系统不存在未知干扰时可使系统获得渐近跟踪性能。由仿真结果可见,系统跟踪误差最大约为0.03mm,相对跟踪误差约为0.02%,证明了所提算法的有效性。     

带观测滞后多传感器系统的改进协方差交叉融合Kalman滤波器

为了处理带观测滞后多传感器系统的融合估计问题,引入了局部次优递推Kalman滤波器,利用改进的协方差交叉融合算法,提出了改进协方差交叉融合Kalman滤波算法。它可以避免由互协方差计算引起的较大计算负担,并可以处理互协方差未知系统的融合问题。与传统协方差交叉融合Kalman滤波器相比有更高的鲁棒精度,改进的协方差交叉融合器的精度高于每个局部传感器,并且更接近于按矩阵加权的Kalman滤波器精度,因而具有良好的性能。仿真例子验证了其有效性、一致性,并对精度关系做出了几何解释。     

具有随机时变时滞及数据包丢失的网络系统H_∞状态估计

研究了一类具有随机时变时滞和数据包丢失的网络系统H∞滤波器设计问题。由于系统的测量数据打包后经过网络传输到远端的滤波器,数据包在传输过程中会发生时滞甚至丢失等现象,并且时滞的发生是随机的且有界,而数据丢包可能是连续的。提出一个新的模型来同时描述随机时滞和多丢包的网络诱导现象,并基于此模型设计使滤波误差系统均方意义下渐近稳定并具有指定H∞性能的滤波器。滤波器参数通过求解一个线性矩阵不等式得到。仿真算例表明了所提算法的有效性。     

基于自适应无迹卡尔曼滤波算法的非线性系统估计

采用无迹卡尔曼滤波算法在线识别非线性系统参数和进行状态估计时，要求全部外部激励已知，而大多情况下结构外部激励特别是强震甚至未知激励难以直接量测。为解决上述问题，提出并推导了只需结构输出响应，即可实时估计结构状态、未知参数和未知外部激励力的自适应无迹卡尔曼滤波算法。该自适应无迹卡尔曼滤波算法能够自动递推估计观测噪声的协方差，可以有效避免系统估计受限于不当选取的测量噪声初始值。同时，引入最小二乘法估计未知外部激励力。为验证所提出的自适应无迹卡尔曼滤波算法的可行性，以及其对于多种强非线性系统的适用性，选取两种典型的非线性系统包括一个3自由度Bouc-Wen滞回非线性结构和一个Duffing型剪切梁结构进行数值模拟分析。并对一单自由度非线性能量阱进行振动台试验研究，估计未知激励力。由识别结果和实际观测值的良好一致性，以及参数的识别精度表明：在有限的响应测量条件下，提出的自适应无迹卡尔曼滤波算法能够有效地实时追踪非线性系统的状态、估计未知参数以及非线性系统的未知外部激励力。     

采用ARUKF算法的电力系统动态状态估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行电力系统状态估计时容易受到系统噪声和量测粗差影响的缺点,提出了一种新的自适应抗差无迹卡尔曼滤波(adaptive robust unscented Kalman filter,ARUKF)算法来改善估计过程中系统的稳定性。通过添加Sage-Husa噪声滤波器和抗差估计器,提高了未知噪声情况下系统的适应性及量测粗差情况下系统的滤波处理性能。实验结果表明,所提出的ARUKF方法与传统的UKF方法相比,在收敛速度基本不变的情况下,解决了滤波过程中系统噪声未知导致的估计精度下降问题,在系统存在粗差时具有更好的鲁棒性。     

带有色观测噪声的多传感器协方差交叉融合Kalman滤波器及其精度分析

对于带有色观测噪声、公共干扰噪声和量测偏差的多传感器线性定常系统,应用协方差交叉融合估计算法,提出批处理协方差交叉融合(BCI)稳态Kalman滤波器和序贯协方差交叉融合(SCI)稳态Kalman滤波器,此方法可避免计算局部滤波误差互协方差,减小计算负担。特别,相比于每个局部滤波器的精度,所提出的协方差交叉融合Kalman滤波器的精度高。通过引入协方差椭圆给出了协方差交叉融合滤波器精度关系的几何解释。为了验证理论精度关系的正确性,最后给出一个跟踪系统Monte-Carlo仿真例子。     

带有多随机观测时滞系统的最优满阶滤波器

研究了带有多随机观测时滞系统的满阶滤波器设计问题。利用一组服从Bernoulli分布的白噪声序列来描述具有时间戳的随机滞后的观测。采用射影理论,提出了线性最小方差最优满阶Kalman滤波器,与基于概率的滤波算法相比具有更高的精度。仿真实例验证了该算法的有效性。     

弹性边界与未知输入下斜拉索-磁流变阻尼器减振控制研究

在弹性边界条件下,针对斜拉索-磁流变阻尼器系统,进行未知输入作用下的减振控制方法研究。基于Hamilton原理及未知输入观测器原理建立斜拉索-磁流变阻尼器状态空间方程和未知输入估计器。基于未知输入观测器对斜拉索-磁流变阻尼器系统的未知输入实时观测估算,并对未知输入进行重构。在未知输入观测器基础上设计具有新型趋近律的滑移模型控制器。最后,以宁波招宝山斜拉索桥C20号斜拉索为例,进行仿真验证。结果表明:具有新型趋近律的滑移模型减振控制算法能保证斜拉索-磁流变阻尼器系统在未知输入作用下发挥的快速性和稳定性,有效抑制拉索的振幅和振速,且能在突发情况下依旧保持良好的减振效果。