学位论文 > 优秀研究生学位论文题录展示

广义系统最优与自校正分布式信息融合估值器

作　者: 马静
导　师: 孙书利
学　校: 黑龙江大学
专　业: 控制理论与控制工程
关键词: 广义系统分布式融合估计降阶估值器满阶估值器自校正融合估值器互协方差阵
分类号: TP11
类　型: 硕士论文
年　份: 2007年
下　载: 93次
引　用: 6次
阅　读: 论文下载

内容摘要

广义系统广泛出现在机器人、电网络和经济管理等实际系统中，广义系统的状态估计问题在系统设计与控制中具有重要的意义。本文研究了广义系统分布式信息融合状态估计算法，包括广义系统降阶信息融合估值器的设计、广义系统满阶信息融合估值器的设计以及带未知噪声统计和／或未知模型参数的广义系统降阶、满阶滤波器的设计。对带多传感器和带相关噪声的广义离散随机线性系统，通过多种非奇异变换，将广义系统转化为不同的降阶子系统标准形，基于线性最小方差最优加权融合算法和射影理论，针对不同的降阶子系统标准型，分别提出了分布式降阶信息融合Kalman估值器和Wiener估值器(包括滤波器、预报器和平滑器)。推导了任两个局部估计误差之间的互协方差阵的计算公式，以及两个降阶子系统之间的局部估计误差互协方差阵的计算公式。当各局部传感器子系统存在稳态滤波时，证明了任两个局部估计误差之间的互协方差阵所满足的方程解的收敛性，即其解可通过带任意初值迭代计算。给出了多传感器降阶信息融合稳态Kalman估值器。并且，降阶信息融合稳态Kalman估值器可在各局部子系统达到稳态时仅通过一次融合求得融合权重，与非稳态情形相比避免了每时刻计算融合权重，可明显减小在线计算负担。将带噪声在同时刻相关的广义系统转化为噪声在同时刻和邻近时刻相关的非广义系统，基于这个非广义系统提出了基于每个传感器的局部满阶Kalman估值器(包括滤波器和平滑器)。基于线性最小方差最优加权融合算法，对带多个传感器的广义系统给出了分布式最优加权满阶Kalman估值器。推导出任两个传感器子系统之间的估计误差互协方差阵所满足的方程。在系统可检和可稳的条件下，证明了局部传感器子系统估计误差方差阵所满足的Riccati方程解的收敛性，进而对多传感器系统证明了任两个传感器子系统之间的互协方差阵所满足的Riccati方程解的收敛性。并给出了满阶信息融合稳态估值器。当系统含有未知噪声统计信息时，基于相关函数给出了一种分布式辨识方法，提出了自校正降阶和满阶信息融合滤波器。当系统含有未知模型参数时，通过直接辨识ARMA新息模型参数，给出了信息融合参数估计算法和自校正降阶、满阶信息融合滤波器。当系统同时含有未知模型参数和噪声统计时，给出了具有三段融合结构的自校正降阶和满阶信息融合滤波器。

全文目录

中文摘要  2-4
Abstract  4-10
第1章绪论  10-20
  1.1 课题研究的背景和意义  10
  1.2 多传感器信息融合技术  10-16
    1.2.1 信息融合技术的国内外研究状况  10-12
    1.2.2 信息融合的结构  12-14
    1.2.3 信息融合的方法  14-15
    1.2.4 信息融合中的状态估计  15-16
  1.3 广义系统概况  16-19
    1.3.1 广义系统理论的发展概况  16-17
    1.3.2 广义系统模型  17-18
    1.3.3 广义系统与正常系统的联系与区别  18-19
    1.3.4 广义系统状态估计的研究概况  19
  1.4 主要研究内容  19-20
第2章预备知识  20-31
  2.1 引言  20
  2.2 线性最小方差最优加权信息融合算法及其计算量比较  20-23
  2.3 基于正常系统的Kalman估值器  23-26
  2.4 广义系统的四种典范型  26-30
  2.5 本章小结  30-31
第3章广义系统降阶信息融合估值器  31-70
  3.1 引言  31
  3.2 Y-可观广义系统降阶信息融合Kalman滤波器  31-36
    3.2.1 问题的阐述  31-33
    3.2.2 局部单传感器降阶子系统的滤波器  33-34
    3.2.3 任两个降阶传感器子系统之间的滤波误差互协方差阵的计算  34
    3.2.4 降阶最优融合滤波器及其两层融合结构  34-36
  3.3 Y-可观广义系统降阶信息融合Kalman预报器  36-40
    3.3.1 问题的阐述  36-37
    3.3.2 局部单传感器降阶子系统的预报器  37-38
    3.3.3 分布式降阶最优融合预报器  38-40
  3.4 Y-可观广义系统降阶信息融合Kalman平滑器  40-44
    3.4.1 问题的阐述  40
    3.4.2 分布式降阶最优融合平滑器  40-44
  3.5 广义系统降阶信息融合稳态Kalman估值器  44-50
    3.5.1 问题的阐述  44
    3.5.2 局部单传感器降阶子系统的稳态估值器  44-46
    3.5.3 任两个降阶传感器子系统之间的稳态误差互协方差阵  46-49
    3.5.4 降阶最优融合稳态估值器  49-50
  3.6 其它典范型下的降阶信息融合估值器  50-62
    3.6.1 基于典范型(II)的递推滤波器  50-55
    3.6.2 基于典范型(III)和(IV)的滤波器、预报器和平滑器  55-62
  3.7 广义系统降阶融合Wiener估值器  62-65
    3.7.1 问题的阐述  62-63
    3.7.2 降阶最优融合Wiener滤波器、平滑器和预报器  63-65
  3.8 仿真研究  65-69
  3.9 本章小结  69-70
第4章广义系统满阶信息融合Kalman估值器  70-98
  4.1 引言  70
  4.2 广义系统满阶信息融合Kalman滤波器  70-76
    4.2.1 问题的阐述  70-72
    4.2.2 局部单传感器子系统的滤波器  72-74
    4.2.3 任两个传感器子系统之间的滤波误差互协方差阵的计算  74-76
    4.2.4 满阶最优融合滤波器  76
  4.3 广义系统满阶信息融合Kalman平滑器  76-85
    4.3.1 问题的阐述  76
    4.3.2 局部单传感器子系统的平滑器  76-80
    4.3.3 任两个传感器子系统之间的平滑误差互协方差阵的计算  80-84
    4.3.4 满阶最优融合平滑器  84-85
  4.4 广义系统满阶信息融合稳态Kalman估值器  85-93
    4.4.1 问题的阐述  85
    4.4.2 局部单传感器子系统的稳态滤波器和平滑器  85-90
    4.4.3 任两个传感器子系统之间的稳态误差互协方差阵的计算  90-92
    4.4.4 满阶最优融合稳态滤波器和平滑器  92-93
  4.5 仿真研究  93-96
  4.6 本章小结  96-98
第5章广义系统自校正信息融合Kalman估值器  98-118
  5.1 引言  98
  5.2 噪声统计未知的广义系统自校正信息融合Kalman滤波器  98-103
    5.2.1 问题的阐述  98-99
    5.2.2 信息融合噪声统计辨识  99-103
  5.3 模型参数未知的广义系统自校正信息融合Kalman滤波器  103-107
    5.3.1 问题的阐述  103-104
    5.3.2 信息融合模型参数辨识  104-107
  5.4 模型参数和噪声统计均未知的广义系统自校正信息融合滤波器及其三段融合结构  107-109
  5.5 仿真研究  109-117
  5.6 本章小结  117-118
结语  118-119
参考文献  119-124
致谢  124-125
攻读学位期间发表的学术论文  125-126

广义系统最优与自校正分布式信息融合估值器

内容摘要

全文目录

相似论文