随着网络和通信技术水平的提高,自动控制领域中的各类系统朝着网络化和智能化的方向不断发展。相较于传统的直接控制方式,网络化控制系统(Networked Control Systems,NCSs)更加高效、智能以及安全。但由于网络带宽的有限性,传输过程中...
详细信息
随着网络和通信技术水平的提高,自动控制领域中的各类系统朝着网络化和智能化的方向不断发展。相较于传统的直接控制方式,网络化控制系统(Networked Control Systems,NCSs)更加高效、智能以及安全。但由于网络带宽的有限性,传输过程中难免会发生网络延迟和丢包等不确定现象。同时,在现有研究中,一般假设系统中的噪声为白噪声,但在工程实践中,系统会受到有色噪声的干扰。针对上述问题,本文应用极大极小鲁棒估计(Minimax Robust Estimation,MRE)原理,研究带有色噪声的不确定网络化系统的鲁棒Kalman融合滤波问题,主要研究内容如下。一是利用集中式融合(Centralized Fusion,CF)算法分别对仅输入噪声为有色噪声、输入噪声和观测噪声为同一有色噪声、以及输入噪声和观测噪声为不同有色噪声的三类不确定多传感器NCSs进行处理。用Bernoulli随机序列来描述通信传输过程中的不确定现象。通过增广方法、去随机化方法和虚拟噪声技术进行模型转换,根据MRE原理,对三类系统提出了相应的无偏线性最小方差(Unbiased Linear Minimum Variance,ULMV)意义下的鲁棒CF稳态Kalman估值器(包括预报器、滤波器和平滑器)。通过增广噪声、非负定矩阵分解以及Lyapunov方程等方法,证明了CF稳态估值器的鲁棒性。二是为了克服CF算法计算负担偏大的问题,采用分布式融合算法对两类不确定多传感器系统进行处理。针对输入噪声和观测噪声线性相关的不确定NCSs,首先设计了鲁棒局部稳态Kalman估值器,然后对局部估值器采用矩阵加权融合算法,得到了鲁棒分布式融合稳态Kalman估值器。针对带公共干扰自回归(Autoregressive,AR)有色噪声的不确定NCSs,通过状态空间等方法转换模型,在得到鲁棒局部估值器的基础上,利用按对角阵加权融合算法得到了相应的分布式融合估值器。证明了所提出的局部和分布式融合估值器的鲁棒性,并分析了它们的精度关系。三是对带随机参数矩阵的多通道AR信号不确定NCSs设计了鲁棒稳态Kalman预报器。针对单传感器观测情形,先将信号模型转换为状态空间描述,再通过模型转换方法将混合不确定系统转换为仅带不确定噪声方差的形式,利用MRE原理提出了鲁棒稳态Kalman信号预报器。针对该模型的多传感器观测情形,采用分布式融合方法,设计了更高精度的鲁棒矩阵加权融合稳态Kalman信号预报器。严格证明了所提出的信号预报器的鲁棒性。通过不间断电力系统(Uninterruptible Power System,UPS)和弹簧-阻尼等系统对所提出方法进行仿真,仿真结果验证了所提出方法的正确性与有效性。
暂无评论