非线性时变随机系统状态及参数的实时联合估计

在文[1]中,我们给出了一种用于一类非线性时变随机系统的带次优渐消因子的扩展卡尔曼滤波器,可以估计出快速变化的系统状态.本文推广了文[1]的结果,使其可处理一般的非线性测量.同时,给出了一种状态及参数的联合估计方法.所做大量仿真研究表明,本文方法具有良好的实时性及动态跟踪性.     

带有死区输入的非线性系统的自适应控制

针对一类具有死区非线性输入的非线性系统,同时考虑系统中存在未建模不确定项,设计了自适应控制器及未知参数的自适应估计率.该控制器使得闭环系统全局稳定且实现了输出信号对参考信号的精确跟踪.仿真结果进一步证实了该控制器能对未知死区及未建模动态进行有效的补偿。     

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.     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

交互式容积卡尔曼滤波及其应用 交互式容积卡尔曼滤波及其应用

针对非线性系统模型参数未知情况下的状态估计问题, 提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF). 该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想, 实现对模型未知参数的确定, 从而使滤波算法摆脱对模型参数精确已知的依赖, 并通过容积卡尔曼滤波算法完成状态估计和量测更新. 仿真结果表明, 相比于经典的参数扩维方法, InCKF 算法具有更高的精度和更强的数值稳定性.

     

模型不确定非线性Markov 跳变系统的滤波算法

针对模型不确定非线性Markov跳变系统,提出一种新的滤波算法.相比于传统交互多模型粒子滤波,该方法通过引入前一时刻的滤波误差来增强原先由于不精确模型而造成权值较小的真实粒子在滤波过程中的作用,以此来改善算法的估计性能.仿真结果表明,该方法在处理含不确定模型参数的非线性Markov跳变系统状态估计问题时具有较好的性能.     

网络化不确定非线性时滞系统的状态估计

本文研究了离散不确定非线性时滞系统在网络传输不可靠情况下的状态估计问题.针对网络传输丢包问题,采用伯努利(Bernoulli)随机模型,建立了控制信号和输入信号的不可靠传输模型.本文通过状态扩展的方法处理不确定非线性项,得到了扩展状态系统.基于不可靠的控制和测量信息,设计了状态预测器和估计器,并给出相应的误差系统.通过设计最优估计器增益,本文给出了状态预测误差协方差的迭代公式.为了进一步提高状态估计器的精度,设计了一种新型的参数迭代优化方法.针对状态预测误差协方差,本文得到了其稳定性的判别准则.最后,通过一例数值仿真,验证了所得结论的有效性.     

飞行器自适应神经网络时滞控制

在飞行器稳定性控制问题的研究中,针对含有外部扰动、参数不确定性、状态和控制时滞的非线性飞行器系统,提出了一种时滞状态反馈控制与神经网络自适应估计相结合的方法.对非线性系统线性化处理得到飞行器线性模型,并由线性矩阵不等式(LMI)设计反馈控制律;采用径向基函数(RBF)神经网络自适应在线估计策略,对反馈控制律进行补偿以消除未知非线性影响;采用Lyapunov稳定性理论证明了在所设计控制律作用下,闭环系统渐近稳定同时满足H∞性能指标.仿真结果验证了上述方法的可行性及有效性.     

基于Unscented变换的非线性状态平滑

众所周知, 平滑因可以使用更多的量测信息而能够获得比滤波更精确的状态估计. 为此, 本文提出一种面向非线性随机系统的状态平滑新算法. 首先, 基于最小方差估计理论, 提出了一种新颖的最优平滑器, 该平滑器为解决非线性状态平滑问题提供了一种通用的理论框架;接着, 采用Unscented变换(UT)来近似上述最优平滑框架中的平滑增益, 进而设计出一种次优平滑算法;最后, 相比传统扩展卡尔曼平滑器(EKS), 仿真结果验证了新算法的有效性和可行性.     

未知状态模型下基于高阶容积卡尔曼滤波和神经网络的状态估计算法

针对非线性系统状态模型未知的情形,提出一种基于高阶容积卡尔曼滤波和神经网络的状态估计算法,解决了未知非线性系统模型的状态估计问题。在算法的实现过程中,首先利用神经网络对非线性系统建立状态空间模型,然后把神经网络的权重和系统的状态变量组合在一起作为新的状态变量,并采用高阶容积卡尔曼滤波对新的状态进行实时更新,从而达到神经网络对非线性系统模型的真实逼近以及对状态值的精确估计。最后的目标跟踪仿真表明,该算法具有更高的估计精度。     

带有色厚尾量测噪声的鲁棒高斯近似滤波器和平滑器

为了解决带有色厚尾量测噪声的非线性状态估计问题,本文提出了新的鲁棒高斯近似（Gaussian approximate,GA）滤波器和平滑器.首先,基于状态扩展方法将量测差分后带一步延迟状态和白色厚尾量测噪声的非线性状态估计问题,转化成带厚尾量测噪声的标准非线性状态估计问题.其次,针对量测差分后模型中的噪声尺度矩阵和自由度（Degrees of freedom,DOF）参数未知问题,设计了新的高斯近似滤波器和平滑器,通过建立未知参数和待估计状态的共轭先验分布,并利用变分贝叶斯方法同时估计未知的状态、尺度矩阵、自由度参数.最后,利用目标跟踪仿真验证了本文提出的带有色厚尾量测噪声的鲁棒高斯近似滤波器和平滑器的有效性以及与现有方法相比的优越性.     

IMM算法实现非线性状态估计的研究与仿真

研究交互式多模型算法的非线性状态估计性能,按照工作点把非线性系统线性化为多个子模型,建立多模型自适应状态估计器.利用Monte-Carlo仿真法将其与EKF和UKF算法在不同参数下的噪声抑止能力和鲁棒性进行了比较,并分析了马尔可夫参数和模型个数对算法性能的影响.仿真结果表明该算法能达到理想的估计精度、收敛速度、稳定性和鲁棒性,能克服单一估计器由于参数变化和外部扰动所造成的估计误差过大,甚至发散的问题,能覆盖大范围的参数不确定性.     

一类非线性系统参数突变故障的检测与诊断

本文针对一类非线性系统提出了一种非线性自适应故障检测滤波器,可以实时检测并分离、估计出其参数的突变故障。仿真实例说明了本文方法的有效性。     

基于UD分解的自适应扩展集员估计方法

用于非线性椭球估计的扩展集员算法在实际应用中存在着数值稳定性差、计算复杂度高以及滤波器参数难以选择等问题. 本文提出了一种基于 UD 分解的自适应扩展集员估计算法, 用于解决非线性系统时变状态和参数的联合估计和定界问题. 新算法将 UD 分解与序列更新和选择更新策略结合起来, 改进了传统扩展集员算法的数值稳定性和实时性能; 同时, 对滤波器参数进行自适应选择以进一步降低计算复杂度并达到次优估计结果. 仿真实验表明了该算法的有效性和鲁棒性.     

基于状态观测器的伪非线性系统的镇定设计

对非线性系统进行分析，首先通过一个简单例子说明对于非线性系统研究用估计状态进行设计的必要性，然后对伪非线性系统给出了用估计状态进行镇定的有关结论，最后举例说明基于估计状态的非线性控制器的设计方法。     

基于Uni-Tire轮胎模型的车辆质心侧偏角估计

针对车辆质心侧偏角估计的准确性和实时性能问题,提出了车辆质心侧偏角估计的非线性全维观测器设计方法.首先基于车辆动力学模型及纵滑-侧偏联合工况下的Uni-Tire轮胎模型,利用车载传感器测量车辆状态;观测器利用这些状态估计出车辆的纵向速度、侧向速度及横摆角速度,并由此得到车辆的质心侧偏角估计.其次利用输入-状态稳定(input-to-state stability,ISS)理论对观测器的稳定性进行了分析.最后采用红旗CA7180A3E型轿车的车辆参数使用车辆仿真软件veDYNA对极限工况下的估计结果进行了离线仿真研究,并利用xPC-Target仿真环境和dSPACE实时仿真系统搭建仿真平台,对非线性全维观测器的实时性进行验证.仿真结果表明,非线性估计方法估计精度较高,实时性较好,可以满足工程应用的要求.     

一种改进型残差约束渐消采样滤波器

非线性系统的状态方程和观测方程不准确时,非线性自适应采样滤波器的滤波精度将偏离真实值:严重时将引起滤波器的发散,得到完全虚假的滤波值,失去了滤波原本的意义.为减小线性化误差对非线性系统状态估计的影响,本文采用采样滤波器中的UKF(Unscented Kalman Filter)方法对非线性系统进行高精度滤波.同时深入研究UKF的自适应渐消记忆策略,以增强对建模误差的鲁棒性和对突变状态的跟踪能力,提高状态估计的精度和快速性.本文针对上述滤波方法进行改进,并通过一个非线性系统滤波仿真试验.证明其有效性.     

具有非匹配扰动的非线性变参数系统模型参考跟踪控制

本文研究了一类含有非匹配扰动的非线性变参数系统的跟踪控制问题.首先,设计非线性扰动观测器用于估计系统所受到的未知扰动.其次,在前馈–反馈跟踪控制器中引入扰动补偿控制项,提出一种基于扰动观测器的跟踪控制策略.利用依赖于状态和时变参数的线性矩阵不等式,导出保证闭环系统输入–状态稳定的充分条件,进而运用平方和凸优化技术解析地构造出扰动观测器和跟踪控制器.通过理论证明,所设计的控制策略能够实现非线性变参数系统输出对参考模型输出的跟踪,消除输出通道中非匹配扰动的影响.最后,由数值仿真例子验证了所提方法的有效性.     

三相电压型逆变器的一种非线性复合控制策略研究

为了减少在三相电压型逆变器系统中应用精确线性化时选择反馈增益矩阵参数的随机性,提出将精确线性化方法和反步法结合起来应用于此系统中.首先根据非线性微分几何理论,验证了该系统仿射非线性模型满足2输入2输出系统精确线性化的条件.经过非线性坐标变换得到系统的参数严格反馈形式模型,再根据反步法的设计步骤,逐步设计虚拟控制相量和中间控制相量,使系统的状态分量具有渐近稳定性,从而得到原非线性系统的控制模型.最后通过实验验证了该复合控制策略的可行性.     

基于高阶滑模观测器的状态和未知输入同时估计方法

对一类含有未知输入的仿射非线性系统,讨论了一种能同时估计系统状态和末知输入的未知输入观测器设计方法.首先利用李导数对仿射非线性系统进行线性化,将其转化为可控标准型.其次,针对变化后的等价系统,提出了一种高阶、高增益滑模观测器,由此不仅能得到系统状态的估计,同时还得到状态微分的估计.再次,基于状态及其微分的估计,对未知输入提出了一种重构方法.该方法能对强时变未知输入重构,而且重构中没有用到系统微分的信息.最后,通过对两个实际模型的仿真,表明了方法的可行性.