基于自适应分布式滤波观测器的多智能体系统编队控制

本文考虑了全局指令系统输出信息受到信道扰动情况下线性多智能体系统的编队控制问题.首先,基于协作式输出调节理论框架对线性多智能体系统的编队控制问题进行数学建模.其次,针对受到信道扰动的全局指令系统输出信息,提出了一类基于受扰输出的自适应分布式滤波观测器,在降低网络信息交换量的同时消除扰动的影响.最后,设计了输出反馈确定等价控制律,解决了线性多智能体系统的分布式编队控制问题.给出了数值仿真结果检验控制性能.

ADAS系统视觉与毫米波雷达分布式抗差卡尔曼滤波融合算法

自动驾驶车辆常常利用多传感器对周围目标进行检测和跟踪,但受限于传感器多源异构特性和复杂多变的驾驶环境,准确的多目标检测和跟踪仍是实现自动驾驶的一大困难和挑战。本文面向高级驾驶辅助系统(ADAS)的多目标检测与跟踪任务,采用了基于1个视觉传感器和5个毫米波雷达(1V5R)的传感器配置方案,且设计了基于分布式抗差卡尔曼滤波器的多传感器信息融合算法以实现对周围目标的准确感知。首先,针对不同传感器数据特征,采用不同的线性卡尔曼滤波器和扩展卡尔曼滤波器进行数据融合,并基于分布式卡尔曼滤波建立了1V5R多传感器信息融合框架。其次,为降低传感器动态误差对于融合精度的影响,在卡尔曼加权观测融合的基础上,引入抗差估计方法,实现了对传感器动态误差的实时估计和修正。最后,通过离线仿真和实车道路试验对所提出的基于分布式抗差卡尔曼滤波的多传感器融合算法进行了验证。试验结果表明,与单一传感器的测量值相比,所提出的算法能有效融合多个传感器的信息以提升目标的检测与跟踪精度,且鲁棒性较好。

军用无人系统协同感知与分布式滤波技术

现代战争由机械化向无人化转型,而人工智能、大数据等技术的发展促使未来战争形态呈现出仿生智能的特点。仿生无人机、智能无人车等载荷打击平台通过卫星数据链开展典型区域联合作战的前提是已知敌我双方的准确位置信息。围绕军用无人运动平台的演化历程和发展趋势,对无人系统的构成和特点进行归纳,进而指出多传感器协同感知是信息获取的主要形式,通过分布式滤波处理得到平台的位置和姿态。对多平台协同感知能力、协作估计策略和SLAM技术进行分析和总结,指出融合深度智能的协同认知、数据驱动和多源多模态融合等技术是提升无人作战效能的核心关键。

带DoS攻击补偿的线性离散系统分布式融合滤波器

多传感器网络化线性离散系统的每个传感器基于自己的观测数据可进行局部状态估计。当局部估值被传输给融合中心时,可能遭受DoS(Denial of service)攻击。为了补偿DoS攻击引起的数据丢失,采用丢失数据的预报器进行补偿。应用线性无偏最小方差矩阵加权融合算法获得分布式融合状态滤波器。所提出的分布式融合滤波器改善了局部估计的精度,且比协方差交叉融合算法具有更高的估计精度。仿真例子验证了算法的有效性。

基于图滤波器和SVDD算法的分布式光伏集群发电异常检测研究

由于电网企业不断加快数字化转型,利用北斗定位技术将自动获取区域内光伏计量装置经纬度这一关键技术参数。文章充分利用分布式光伏集群内光伏发电装机位置空间相关性,提出一种在弱监督下基于图滤波与支持向量数据描述(support vector data description,SVDD)的分布式光伏集群发电异常检测方法。首先建立分布式光伏集群发电图数据结构模型,通过加权邻接矩阵描述分布式光伏发电点空间耦合性,其次构造图高通滤波器将时域参数转化为频域参数,然后通过SVDD算法优化图滤波结果,进一步挖掘图高通滤波器阈值与输出功率数据之间的关系。结果表明,采用图滤波器和SVDD算法模型方法在分布式光伏发电异常检测精度上有显著提高。

一种基于优化分布式算法的FIR滤波器设计

本文针对采用分布式算法设计实现高阶FIR滤波器时,RAM资源占用较多的问题,提出了一种分布式算法的优化方法。讨论了分布式算法的基本原理,给出了分布式算法的优化方法并进行FPGA设计。结果表明,优化分布式算法相比于传统分布式算法,RAM资源占用量减少50%,具有良好的工程应用价值。

基于分布式信息滤波的集群导弹协同定位方法

针对领从式集群导弹中的从弹定位问题,考虑领弹动态地切入切出导航网络情况,提出了一种基于捷联惯性导航系统(INS)与到达时间(TOA)测距系统相融合的领从类分布式协同导航方法。该方法综合考虑了导航参数与相关传感器误差模型,基于INS误差系统建立线性状态空间模型,基于弹间数据链TOA测距系统建立非线性伪距量测模型,并基于扩展信息滤波器实现动态信息的分布式融合,以适应量测信息节点数目动态变化引起的协同导航网络结构变化。将其应用于集群导弹协同导航系统中,仿真结果表明所提算法可以快速且高精度地完成从弹导航参数的估计,可以有效消除领弹节点变化所带来的负担。该方法可以作为低成本从弹导航系统的补充手段。

考虑光储协调的配电网多阶段就地-分布式电压控制策略

针对高渗透率光伏并网点附近线路的电压越限问题,基于对含分布式电源配电网的功率调压原理的分析,提出了考虑光储协调的多阶段电压控制方法。采用切比雪夫多项式滤波方法改进基于一致性原理迭代的分布式控制方式,有效加快了分布式控制的收敛速度;提出了多阶段就地-分布式电压控制策略,包括光伏逆变器就地无功补偿的阶段Ⅰ调压、全网光伏逆变器分布式无功调节的阶段Ⅱ调压、全网储能一致性分布式有功调节的阶段Ⅲ调压。以改进的某实际55节点中压配电系统为算例进行仿真,验证了所提多阶段就地-分布式电压控制策略的有效性和优越性。

无线传感器网络的鲁棒分布式估计算法

为了提高无线传感器网络在非高斯噪声环境下的分布式估计性能,提出了一种基于半二次准则的变尺度扩散式自适应滤算法,该算法采用了一种凸代价函数的半二次准则(half-quadratic criterion,HQC),使算法可以更加有效地寻找最优解、具有更快的收敛速度和更高的滤波精度,并且对脉冲噪声具有更强的鲁棒性.另外,通过引入变尺度因子来平衡和进一步提高算法的收敛速度与稳态误差性能.文中对算法的性能进行了理论分析和仿真对比,结果表明在不同的非高斯噪声环境下,所提算法对未知系统具有更高的辨识效率,其收敛性能和稳态误差性能都优于其他的扩散式自适应滤波算法.

分布式驱动电动汽车状态与路面附着系数估计

【目的】准确获取车辆行驶状态参数和路面附着系数对于维持分布式驱动电动汽车的安全性和稳定性十分重要,针对于此,研究了一种能够准确估计其参数的算法,既能降低量产车辆的成本,又能达到车辆安全稳定的目的。【方法】首先,建立三自由度车辆模型,应用基于奇异值分解方法(SVD)的容积卡尔曼滤波算法搭建参数估计器。然后,搭建Carsim/Simulink联合仿真实验平台,采用高、低附着和对接路面双移线工况进行仿真验证。【结果】仿真实验结果表明,估计器能够较准确地估计出参数的真实值。基于仿真的良好估计效果,搭建实车实验平台,进一步进行验证得出,实车实验结果与仿真结果趋势一致,该算法具有较好的估计准确性和时效性。

基于ASTUKF的分布式农业车辆路面参数辨识方法

针对分布式驱动农业车辆在路面参数辨识过程中,因路面环境变化出现的状态模型误差和时变噪声,导致辨识结果发散的问题,提出了基于自适应强跟踪无迹卡尔曼滤波(Adaptive strong tracking unscented Kalman filter,ASTUKF)的辨识方法。与传统内燃机农业车辆相比,分布式驱动可以直接获取驱动轮的状态信息,结合含有峰值附着系数和极限滑转率的μ-s曲线模型,建立了无迹卡尔曼滤波(Unscented Kalman filter,UKF)辨识算法的状态方程和量测方程。同时,将强跟踪滤波(Strong tracking filter,STF)和自适应滤波(Adaptive filter,AF)引入辨识算法,用以提高对多变环境的识别精度和鲁棒性,并采用奇异值分解(Singular value decomposition,SVD)解决了迭代过程中出现的非正定矩阵的问题。仿真试验结果表明,在突变噪声环境工况下,ASTUKF辨识结果可以快速收敛至目标值附近,且不受突变噪声的影响,各驱动轮峰值附着系数估计结果的平均绝对误差(Mean absolute error,MAE)分别为0.0144、0.0267、0.0144、0.0267,极限滑转率估计结果的MAE分别为0.0025、0.0028、0.0025、0.0028。实车试验表明,在已耕地和未耕地的试验路面上,ASTUKF辨识结果的均值95%置信区间能够匹配测量值,整车的附着系数辨识结果为0.4061(未耕地)、0.3991(已耕地),极限滑转率辨识结果为0.1484(未耕地)、0.3600(已耕地),可为分布式电动农业车辆作业参数感知提供理论参考。

非线性多智能体系统的固定时间分布式优化算法研究

针对非线性多智能体系统(MASs)的分布式优化问题,提出一种固定时间自适应神经网络输出反馈控制策略。在惩罚函数的基础上,解除一致性约束条件来重构全局目标函数。为了避免反演过程中偏导数的计算和“复杂性爆炸”的问题,设计了一种基于命令滤波的固定时间控制器,并引入补偿信号对滤波误差进行补偿。基于Lyapunov稳定性理论,证明系统中所有输出信号在固定时间内均能达到最优解。最后,通过仿真实验验证了所提控制方案的有效性。

天基分布式无源探测的空间多目标跟踪方法

针对巨型星座群等空间非合作目标实时跟踪难题,提出一种天基分布式协同无源探测的多目标跟踪方法。首先,建立了地球非球形J2项摄动和大气阻力摄动条件下的轨道动力学模型,并建立了星载的单位视线矢量测量模型。然后,建立了基于势均衡概率假设密度滤波的多目标跟踪算法,并采用高斯混合方法求得多维积分的近似封闭解,降低算法的计算复杂度,以解决星载实现问题。接着,设计了多平台多目标跟踪交互的一致性信息融合方案,引入标签进行目标区分,减少不同平台之间信息传递与融合带来的计算匹配问题,并使用一致性信息滤波进行信息融合。最后,以某星座局部区域的15颗轨道相近的星座卫星作为跟踪目标,对所提方法进行仿真实验验证。仿真结果表明所提方法有效,跟踪性能比传统方法提升了约60%,在协同构型不奇异情况下跟踪的位置误差在5 km以内。

车载GNSS/SINS/里程计分布式弹性融合导航方法

为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法。该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合。通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证。试验结果表明,本文方法能有效减少子系统故障对全局状态估计的影响,提升复杂环境下系统的容错性能。此外,与经典的联邦卡尔曼滤波(FKF)算法相比,SGF算法全局融合精度损失有限,计算效率却显著提升,有利于多源信息弹性融合的实际工程应用。

基于动态最小生成树的分布式协同目标跟踪算法

针对多连接通信拓扑传感器网络因可能存在信息冗余和未知相关性而造成融合估计偏差较大的问题,提出了一种具有通信层和融合层的基于最小生成树的分布式协同目标跟踪算法。在通信层,基于Bellman-Ford-Moore算法对多传感器网络进行动态配置,生成具有最小生成树结构的通信拓扑,消除分布式传感器网络中的冗余连接。在融合层,各传感器节点基于树形连接拓扑的通道滤波算法,对其存储的局部数据和从相邻节点接收到的数据进行分布式数据融合,实现协同目标跟踪。同时,以融合估计的动态均方差为性能评价标准设计了一种通用的数据融合评价方法,对该目标跟踪算法的性能进行了分析。该算法可以推广至任意类型的通信拓扑,并可消除冗余通信连接。仿真结果表明,该算法在理论边界范围内的估计误差的比例大于95%,具有良好的估计精度、跟踪性能和鲁棒性。

分布式集群秩亏约束协同导航方法研究

针对卫星导航拒止环境、分布式集群纯惯导误差快速发散问题,提出了一种适用于所有节点均为纯惯导的分布式集群的协同导航方法,设计了秩亏约束卡尔曼滤波器,在量测量数量少于状态量数量导致滤波方程秩亏时,仍可以实现分布式集群协同导航,减小惯导误差。构建了无人机飞行试验平台,飞行试验验证结果表明,组网内无高精度节点,协同导航修正后位置和速度精度可提升两倍左右;组网内有一个高精度节点,协同导航修正后位置和速度精度可提升10~20倍左右。

一种多传感器组合导航系统的自适应分布式滤波算法

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波技术,推导分布式滤波的一种表达方法,该方法具有估计最优性、故障自动隔离且对导航系统无污染的特点;然后,结合变分贝叶斯估计技术,提出自适应分布式滤波方法,对系统状态和时变的量测噪声方差进行同步实时估计;最后,采用SINS/GNSS/CNS/ADS组合导航系统进行仿真验证。仿真结果表明,本文算法能实时跟踪突变或缓变的量测噪声方差,较联邦滤波算法可有效降低量测噪声统计特性不准确给系统带来的不利影响,进而提高组合导航系统的滤波精度。

分布式伪线性卡尔曼滤波纯方位跟踪

针对纯方位跟踪(BOT)的非线性滤波和距离可观测性较差问题,提出了一种新的分布式多传感器辅助变量伪线性卡尔曼滤波器(DM-IVPLKF)。该滤波器利用辅助变量伪线性卡尔曼滤波器(IVPLKF)独立处理目标测量值,通过偏差补偿伪线性卡尔曼滤波器(偏差补偿PLKF)解决由于量测向量与伪线性噪声相关而产生的偏差,将递归辅助变量估计方法嵌入偏差补偿PLKF中,对目标状态估计和协方差进行修正。所提算法利用多传感器最优信息融合准则,对目标状态进行融合估计。然后,推导了多传感器BOT的克拉默-拉奥下界(CRLB)。通过仿真实验,将所提算法与传统算法进行对比,仿真结果证明了所提算法具有较高的跟踪精度。

处理通信延迟的分布式无迹卡尔曼滤波算法

针对通信延迟影响下非线性系统的状态估计问题,提出了一种分布式无迹卡尔曼滤波器估计算法。考虑了一类由多个子系统组成的非线性系统,各子系统之间通过自身的状态相互作用;基于无迹卡尔曼滤波器原理,给每个子系统设计了相应的局部状态估计器来估计子系统的状态;各局部状态估计器通过通信网络来交换信息,考虑了通信时可能存在时变延迟,提出了一种状态预测器生成延迟子系统的状态预测,补偿延迟带来的影响;通过对一个反应器分离器过程工艺实例的应用,说明了所提出的分布式状态估计方案的有效性和适用性。

基于分布式算法的线性相位滤波器设计及优化

设计了一种实现等波纹带通滤波的线性相位FIR滤波器,分布式算法被用于具体实现过程,并在此基础上进行优化。根据Ⅰ类线性相位滤波器的系数特点,对滤波器进行降阶。通过拆分查找表,减少查找表的规模,从而减小芯片面积。采用并行计算改进分布式算法体系结构,提高运算速度。最后,用Modelsim对不同频率正弦信号进行滤波仿真。