基于信道丢包补偿技术的多源信息融合研究

在多传感器融合网络中,由于网络本身的内在特性以及受实际应用环境的影响,在数据传输过程中丢包现象经常发生,大量有用的信息丢失直接影响了融合算法的正常运行.现有的一些处理网络丢包现象的方法都是直接将丢包的传感器排除在融合操作之外,因此整个系统的融合精确度大大降低.针对上述问题,提出利用基于最小二乘的多项式拟合技术,对丢失的传感器信息进行近似补偿,从而提出一种基于信道丢包补偿技术的数据融合算法.另外,考虑到集中式融合存在的高计算复杂度的特性,基于信息更新的分布式融合算法被用来融合所有传感器的信息,性能分析和计算机仿真显示了新算法的有效性.     

带时间相关乘性噪声多传感器系统的分布式融合估计

研究带时间相关乘性噪声多传感器系统的分布式融合估计问题,其中时间相关的乘性噪声满足一阶高斯-马尔科夫过程.通过引入虚拟状态和虚拟过程噪声,构建了虚拟状态的递推方程.首先,基于新息分析方法,分别对系统状态和虚拟状态设计局部一步预报器.然后,基于一步预报器设计状态的局部线性滤波器、多步预报器和平滑器.推导了任意两个局部状态估计误差之间的互协方差矩阵.接着,基于线性最小方差意义下的矩阵加权、对角矩阵加权和标量加权融合算法,给出相应的分布式融合状态估值器.最后,分析算法的稳定性.仿真研究验证了该算法的有效性.     

带多丢包和滞后随机不确定系统的最优线性估计

研究了带多丢包和滞后网络化随机不确定系统的最优线性估计问题. 通过白色乘性噪声来描述系统参数的随机不确定性. 通过一组满足Bernoulli分布的随机变量来描述数据传输过程中发生的丢包和滞后现象. 应用新息分析方法, 设计了线性最小方差意义下的最优线性估值器, 包括滤波器, 预报器和平滑器. 给出了稳态估值器存在的一个充分条件. 仿真例子验证了其有效性.     

分布式多传感器数据融合

介绍经典统计推理理论的分布式多传感器数据融合的概念、形式和方法，以及目前在这一领域研究中已取得的进展及今后的发展趋势．     

含未知输入不确定系统的扩展递归滤波算法

对一类具有未知输入、乘性噪声和量测丢失的不确定系统的扩展递归滤波问题进行研究。其中,实际系统存在时变性和不确定性的情形通过乘性噪声描述;量测丢失现象用服从伯努利分布且统计特性已知的随机序列表示;先验信息未知的外界干扰以未知输入的形式存在于系统方程和量测方程中。综合考虑上述因素,首先,利用传统的递归滤波性质和线性无偏最小方差估计准则,设计一种能同时估计系统状态和未知输入的扩展递归滤波器;然后,采用加权最小二乘优化理论和拉格朗日乘子法求取滤波器中待定的增益矩阵;最后,通过数值仿真实验验证了该算法的有效性。     

具有不同观测丢失率多传感器随机不确定系统的加权观测融合估计

本文研究了具有丢失观测的多传感器线性离散随机不确定系统的最优线性估计问题,其中不同的传感器具有不同的丢失率.首先将乘性噪声转化为加性噪声,然后基于矩阵满秩分解和加权最小二乘理论,提出了具有较小计算负担的加权观测融合估计算法.分析了加权观测融合估计算法的稳态特性,给出了稳态存在的一个充分条件.所提出的加权观测融合估值器与集中式融合估值器具有相同的精度,即具有全局最优性.仿真研究验证了算法的有效性.     

基于异步IMM融合滤波的网络化系统故障诊断

针对一类带随机丢包的异步多传感器网络化系统,提出了基于网络化异步交互式多模型（Interacting multiple model,IMM）融合滤波的故障诊断方法.考虑不同传感器通道具有不同丢包概率的情况,将未知的故障幅值看作扩维的系统状态,利用提出的网络化异步IMM融合滤波算法对由系统正常模型和各种可能的故障模型构成的模型集进行滤波,根据模型概率进行故障检测和定位,同时得到故障幅值和系统状态的联合估计.提出的方法避免了传统IMM故障诊断方法模型集设计中故障大小难以确定的问题,适用于具有任意采样速率和任意初始采样时刻的异步多传感器网络化系统,并且通过融合多个传感器的信息提高了故障诊断的准确性.仿真实例验证了所提出方法的可行性和有效性.     

多传感器系统的延长周期全信息融合滤波

提出了基于系统状态预测信息、子系统状态预测信息及量测信息的多传感器系统全信息融合滤波方法.针对多传感器系统中子系统状态估计信息与系统状态预测信息之间存在相关性的问题,采用延长系统融合器融合周期的方法来弱化它们之间的相关性,再进行直接融合来获得系统状态估计.基于"GPS姿态敏感器+陀螺"模式组合的卫星姿态确定系统的仿真结果表明了延长周期全信息融合滤波方法的有效性.     

具有传感器增益退化、随机时延和丢包的分布式融合估计器

研究了具有传感器增益退化、模型不确定性、数据传输时延和丢包的网络化多传感器分布式融合估计问题,模型的不确定性描述为系统矩阵受到随机扰动,传感器增益退化现象通过统计特性已知的随机变量来描述,随机时延和丢包现象存在于局部最优状态估计向融合中心传输的过程中.首先,设计了一种局部最优无偏估计器,然后将传输时延描述为随机过程,并在融合中心端建立符合存储规则的时延-丢包模型,利用最优线性无偏估计方法,导出最小方差意义下的分布式融合估计器.最后,通过算例仿真证明所设计融合估计器的有效性.     

带丢包一致性滤波算法研究

提出了一种基于一致性的分布式滤波算法, 针对实际应用中存在的网络丢包问题, 重点研究了有丢包时的分布式滤波算法, 通过理论分析给出了估计误差系统收敛的充分条件. 应用数值仿真将本 文提出的算法与已有的经典滤波算法分别在理想状况与有丢包状况时进行比较, 研究表明本算法在丢包时具有较优的滤波效果. 并进一步研究了一致性步长对估计误差协方差的影响, 发现存在估计误差达到最小值的最优步长. 最后, 研究了丢包率对算法的影响, 发现起``领导'作用的传感器在滤波时发挥重要作用, 可通过控制这些传感器的丢包率来减小丢包对整个网络系统的影响.     

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.     

带有色观测噪声多传感器多重时滞系统分布式融合滤波器

基于新息分析方法, 对带有色观测噪声的多重时滞系统, 提出了一种带白噪声估值器的非增广的最优滤波器. 它等价于一个带相关白噪声多重时滞系统的一步预报器. 当系统带有多个传感器时, 推导了多重时滞系统的任意两个传感器子系统之间的估计误差互协方差阵. 基于线性最小方差最优加权融合估计算法, 给出了分布式加权融合最优滤波器. 分布式融合估计比基于每个传感器的局部估计具有更高的精度. 比增广的集中式最优滤波器具有更好的可靠性, 且避免了高维计算和大存储空间. 仿真例子验证了其有效性.     

存在部分解耦扰动的网络化系统容错控制

针对一类存在执行器故障和部分解耦扰动的离散时间网络化控制系统,研究测量数据随机丢失情况下的主动容错控制问题。首先,通过模型转换将原系统化为一个与之等价的状态增广系统;然后在考虑测量数据发生随机丢失情况下,构造未知输入观测器(unknown input observer, UIO)实现对系统状态与故障的联合估计,再基于状态和故障的在线估计值,设计基于信号补偿的容错控制律实现对原系统的主动容错控制。在该容错控制算法中,观测器与控制器增益的存在性条件均可利用李雅普诺夫稳定性理论对误差系统进行随机分析得到,相应的估计器和控制器参数可通过在线求解具有凸约束的矩阵不等式获得。最后,通过一个喷气式发动机模型的仿真算例验证所提出的故障估计与主动容错控制方法的有效性。     

同时含有未知输入和测量干扰系统全维和降维观测器设计

针对同时含有未知输入和测量干扰的不确定系统研究了全维和降维观测器设计问题. 首先, 利用待定系数法给出了全维观测器的结构和存在条件. 该条件完全由原系统的系统矩阵给出, 易于检验. 对于降维观测器, 为了消除测量干扰的影响, 提出了一种新的测量输出构造方法, 使得新构造的测量输出不再包含干扰信号. 此外, 证明了全维和降维观测器存在条件的内在统一性, 即全维观测器所需要满足的观测器匹配条件和强可检测条件在研究降维观测器所要讨论的新的系统中都可以得到保持. 因而, 在全维观测器存在条件下, 也可以设计一个相应的降维观测器. 最后, 给出了一个数值例子验证所提方法的有效性.     

时延网络中 Euler-Lagrange 系统的分布式自适应协调控制

对一类含未知参数的Euler-Lagrange系统协调控制问题进行了研究, 提出了一种自适应控制算法. 该算法容许通信网络为最一般的伪强连通图, 并允许通信时延的存在. 对系统中领航者为静态和动态两种情况分别进行了研究, 设计了相应的控制器.研究结果表明,在仅有部分个体能够和领航者进行通信的情况下, 控制器能保证网络中其他个体最终和领航者趋于一致. 运用Lyapunov稳定性定理和Barbalat 定理等对自适应控制器的稳定性进行了证明,并利用数值仿真验证了算法的有效性.     

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.      

随机奇异系统分布式最优融合降阶卡尔曼滤波器

Based on the optimal fusion algorithm weighted by matrices in the linear minimum variance (LMV) sense, a distributed full-order optimal fusion Kalman filter (DFFKF) is given for discrete-time stochastic singular systems with multiple sensors, which involves the inverse of a high-dimension matrix to compute matrix weights. To reduce the computational burden, a distributed reduced-order fusion Kalman filter (DRFKF) is presented, which involves in parallel the inverses of two relatively low-dimension matrices to compute matrix weights. A simulation example shows the effectiveness.     

基于灰色广义预测控制的网络化控制系统丢包补偿

针对网络传输中存在的数据丢包问题，提出了将灰色广义预测控制引入到网络化控制系统的新思想．将网络化控制系统视为灰色系统，设计了一个控制器节点由事件—时间驱动、传感器节点和执行器节点由时间驱动的分布式模型．利用灰色广义预测控制在线计算量小的特点，结合队列机制，提出补偿策略．仿真结果表明补偿策略效果良好．     

ADMM-based Distributed Algorithm for Economic Dispatch in Power Systems With Both Packet Drops and Communication Delays

By virtue of alternating direction method of multipliers(ADMM), Newton-Raphson method, ratio consensus approach and running sum method, two distributed iterative strategies are presented in this paper to address the economic dispatch problem(EDP) in power systems. Different from most of the existing distributed ED approaches which neglect the effects of packet drops or/and time delays, this paper takes into account both packet drops and time delays which frequently occur in communication networks. Moreover, directed and possibly unbalanced graphs are considered in our algorithms, over which many distributed approaches fail to converge. Furthermore, the proposed schemes can address the EDP with local constraints of generators and nonquadratic convex cost functions, not just quadratic ones required in some existing ED approaches. Both theoretical analyses and simulation studies are provided to demonstrate the effectiveness of the proposed schemes.