学位论文 > 优秀研究生学位论文题录展示

网络化控制系统的建模与融合估计

作　者: 马静
导　师: 孙书利
学　校: 黑龙江大学
专　业: 微电子学与固体电子学
关键词: 网络化控制系统多传感器融合估计随机乘性噪声多速率采样
分类号: TP273
类　型: 博士论文
年　份: 2012年
下　载: 150次
引　用: 4次
阅　读: 论文下载

内容摘要

随着网络通讯技术和计算机技术的飞速发展，大量的网络化控制系统随之应运而生。网络传输方式被广泛应用于国防建设和国民经济的各个方面，如军事、工业、医学、交通、航天等领域。但由于网络的承载能力和通信带宽有限，以及遮挡和干扰等因素的影响，网络系统中不可避免地存在时间延迟、数据包丢失和多速率采样等问题。这些问题在传统的控制系统中是不存在的，因此基于传统的估计理论给出的估计策略已不能直接应用到网络化控制系统中，必须针对网络化控制系统的复杂结构和所存在的上述特殊问题，研究适合网络环境的估计策略。在这样的背景下，本文综合考虑以上问题，基于射影理论和线性最小方差意义下的最优融合算法，研究网络化控制系统的建模和融合估计问题，主要内容和创新点如下：对观测数据包存在丢失的多传感器线性离散时变随机系统，提出了分布式和集中式信息融合估值器，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矩阵。对于线性定常系统，给出了分布式和集中式稳态估值器存在的一个充分条件。证明了任两个局部估计误差之间的互协方差阵的稳态解的存在性。进一步，对观测数据包和控制数据包同时存在丢失的多传感器线性离散时变随机系统，提出了集中式最优和稳态信息融合估值器。对带有随机乘性噪声不确定性和观测数据包丢失的多传感器离散时变随机系统，设计了局部单传感器子系统的估值器、分布式和集中式融合估值器。同时给出了稳态估值器存在的一个充分条件。对带有随机乘性噪声不确定性和不确定观测的多传感器离散随机时变系统，提出了集中式最优和稳态信息融合估值器。与目前文献所提出的鲁棒滤波器相比，不需要人为选择抗干扰噪声的系数矩阵和方差阵，并且所提出的滤波器在线性最小方差意义下是最优的。对同时带有随机传感器滞后、数据包丢失和不确定观测的多传感器线性离散时变随机系统，利用三个伯努利分布的随机变量，建立了统一的观测模型来描述这三种随机现象。进而基于所建立的观测模型对单传感器系统在现有文献的增广方法下提出了线性最优估值器。与文献中滤波器相比，由于考虑了增广的系统噪声是同时刻和相邻时刻都相关的有色噪声，因此在大滞后率下提高了估计精度。但有色噪声的存在导致滤波器的结构过于复杂，不便于实时应用。因此，我们提出一种新的增广方法，并基于这种增广方法，设计了一种新的线性最优估值器。与前面所提出的滤波器相比，由于建立了一个低阶的参数化系统并且避免了有色噪声的引入，因此所提出的估值器具有更简洁的形式和较小的计算负担。同时将目前所研究的问题推广到多传感器情形，基于新的增广方法，提出了分布式和集中式信息融合估值器。对多速率多传感器线性离散随机系统，其中状态具有最高的状态更新率，不同的传感器具有不同的较低的观测采样率，通过建立第i个传感器的观测采样点上的状态空间模型，给出了状态更新点上的局部状态滤波器。利用次优加权融合算法和协方差交叉融合算法，提出了状态更新点上的分布式次优融合滤波器。与状态增广方法相比，明显减小了计算负担。对带有不同观测数据包丢失率的多速率多传感器线性离散随机系统，通过引入伪观测序列将多速率系统的融合估计问题转化为等价的单速率系统的融合估计问题。进而，基于数据包丢失的实现过程，提出了分布式最优融合滤波器，推导了任两个局部估计误差之间的互协方差阵。与没有考虑互协方差阵的方法相比，可明显改善估计精度。通篇以Matlab仿真软件为平台，通过与已有文献结果的比较仿真研究，验证了所提算法的有效性。

全文目录

中文摘要  6-8
Abstract  8-18
第1章绪论  18-39
  1.1 课题研究的背景和意义  18-20
    1.1.1 课题来源  18
    1.1.2 课题研究的目的和意义  18-20
  1.2 网络化控制系统概述  20-30
    1.2.1 网络化控制系统的结构  20-22
    1.2.2 网络化控制系统中的几个常见问题  22-25
    1.2.3 网络化控制系统中状态估计问题的研究现状  25-30
  1.3 多传感器信息融合技术的研究概况  30-38
    1.3.1 多传感器信息融合的结构和方法  30-35
    1.3.2 多传感器信息融合状态估计的研究现状  35-38
  1.4 主要研究内容  38-39
第2章多丢包系统的信息融合估值器  39-78
  2.1 引言  39
  2.2 带有观测数据包丢失系统的信息融合估值器  39-59
    2.2.1 问题的阐述  39-40
    2.2.2 局部单传感器子系统的估值器  40-43
    2.2.3 分布式信息融合估值器  43-48
    2.2.4 集中式信息融合估值器  48-55
    2.2.5 信息融合稳态估值器  55-59
  2.3 带有观测数据包和控制数据包丢失系统的信息融合估值器  59-71
    2.3.1 问题的阐述  59-60
    2.3.2 集中式信息融合估值器  60-68
    2.3.3 信息融合稳态估值器  68-71
  2.4 仿真研究  71-77
  2.5 本章小结  77-78
第3章带有随机乘性噪声不确定性网络化控制系统的信息融合估值器  78-114
  3.1 引言  78
  3.2 带随机状态乘性噪声和多丢包系统的信息融合估值器  78-96
    3.2.1 问题的阐述  78-79
    3.2.2 局部单传感器子系统的估值器  79-85
    3.2.3 分布式信息融合估值器  85-87
    3.2.4 集中式信息融合估值器  87-92
    3.2.5 信息融合稳态估值器  92-96
  3.3 带随机状态和观测乘性噪声和不确定观测系统的集中式融合估值器  96-103
    3.3.1 问题的阐述  96-97
    3.3.2 集中式信息融合估值器  97-102
    3.3.3 信息融合稳态估值器  102-103
  3.4 仿真研究  103-113
  3.5 本章小结  113-114
第4章带有混合不确定性系统的信息融合估值器  114-155
  4.1 引言  114-115
  4.2 系统模型的建立  115-117
  4.3 线性最小方差最优估值器  117-130
    4.3.1 问题的阐述  117-118
    4.3.2 线性最优滤波器  118-127
    4.3.3 线性最优预报器和平滑器  127-130
  4.4 多传感器分布式信息融合估值器  130-140
    4.4.1 问题的阐述  130-132
    4.4.2 局部单传感器子系统的估值器  132-138
    4.4.3 分布式信息融合估值器  138-140
  4.5 多传感器集中式信息融合估值器  140-144
    4.5.1 问题的阐述  140-141
    4.5.2 集中式信息融合估值器  141-144
  4.6 仿真研究  144-153
  4.7 本章小结  153-155
第5章多速率多丢包系统的分布式信息融合滤波器  155-181
  5.1 引言  155-156
  5.2 多速率系统的分布式信息融合滤波器  156-162
    5.2.1 问题的阐述  156
    5.2.2 分布式信息融合滤波器  156-162
  5.3 多速率多丢包系统的分布式信息融合滤波器  162-168
    5.3.1 问题的阐述  162-163
    5.3.2 局部单传感器子系统的滤波器  163-166
    5.3.3 分布式信息融合滤波器  166-168
  5.4 仿真研究  168-179
  5.5 本章小结  179-181
结语  181-183
参考文献  183-195
致谢  195-196
攻读学位期间发表的学术论文  196-199

网络化控制系统的建模与融合估计

内容摘要

全文目录

相似论文