具有未知输入干扰的离散状态估计器设计

基于离散系统，本文研究被控对象含有未知输入干扰的状态估计问题，提出了一种新的能够消除未知输入干扰影响的全维状态估计器，给出了新型状态估计器存在的条件．最后给出了仿真示例，证明了本文的结果．

具有未知输入干扰的比例积分观测器的改进设计

提出对未知输入干扰采用比例积分的估计方法 .该观测器不仅包含误差估计的比例和积分回路 ,而且在未知输入干扰的估计中增加了比例环节 ,实现了状态估计 ,加速和改善了对未知输入干扰的估计效果 .同时引入H∞ 跟踪性能指标 ,给出了观测器的设计过程 ,得到了估计误差的上界 ,并且该估计误差的上界与所设计的待定参数无关 .

面向高超声速飞行器双重不确定性的自适应状态估计

将高超声速飞行器双重不确定性因素建模为未知干扰输入项,针对状态演化方程和量测方程含有不同未知干扰输入的高超声速飞行器控制系统状态估计问题开展研究,提出一种基于自适应方差极小化的递推状态估计器(Adaptive-variance-minimization-based Recursive Estimator,AVMRE)。首先建立了状态估计递推滤波器模型,实现滤波误差中的量测未知干扰解耦,之后引入自适应调整因子刻画状态未知干扰并推导了最小上界估计误差协方差矩阵,最后,基于最小方差估计准则设计了滤波器中的量测增益反馈矩阵。以外部突风和传感器故障为例,受内外部双重不确定性因素影响下的高超声速飞行器仿真实验验证了本文算法的有效性,与相关算法的仿真对比反映了本文算法的优越性。

网络攻击下无人机信息物理系统的自适应状态估计

针对网络攻击下无人机信息物理系统(CPS)的安全状态估计问题,提出了一种基于自适应方差极小化的递推状态估计器(AVMRE)。通过将针对控制输入和传感器数据的恶意攻击分别建模为状态和量测方程中的未知干扰项,建立了未知干扰解耦状态递推估计器,实现滤波误差中的量测未知干扰解耦,利用滤波残差设计自适应调整因子对估计误差上界进行极小化,应用最小方差估计准则求解出算法中的量测增益反馈矩阵。同时引入事件触发机制,使得系统在保持一定估计精度的情况下节省通信资源。此外,给出了滤波误差指数有界性的充分条件。无人机飞行模型仿真验证了本文算法相比传统算法的有效性和优越性。