具有不确定未知界的相似组合系统的鲁棒自适应跟踪控制

讨论一类具有相似结构的不确定组合系统的鲁棒自适应跟踪问题。针对系统的不确定性界和扰动界完全未知的情形 ,首先从理论上证明了可设计鲁棒自适应分散跟踪控制器 ,确保受控系统的输出渐近跟踪参考模型的输出 ;进而从工程实际的角度 。

一类不确定未知界相似组合系统的指数实用稳定分散自适应输出反馈控制

研究了一类具有加性扰动不确定未知界的相似组合系统的指数实用稳定分散自适应输出反馈镇定问题 ,给出了系统输出反馈指数实用稳定的条件·受控系统的不确定项可以是非线性的或时变的·输入通道不确定性满足一般限制·系统的不确定项的界是存在的 ,但却是未知的·设计的确定性自适应控制器能保证受控系统的状态 。

不确定未知界的相似组合系统分散自适应输出反馈控制

研究一类具有加性扰动的不确定相似组合大系统的分散自适应输出反馈镇定问题 ,给出了该系统输出反馈镇定的条件。受控系统的不确定项可以是非线性的或时变的 ,输入通道不确定性满足一般限制 ,系统的不确定项的界是存在的但却是未知的。所设计的确定性非线性控制器能保证受控系统渐近收敛于系统的平衡点 ,并且自适应律保持有界。最后进行了仿真研究 。

过程噪声未知但有界情况下系统最优滤波器设计方法

本文基于模型匹配方法提出了一种极小化误差幅值的线性系统的最优滤波器的设计方法 ,所考虑的过程噪声和量测噪声均为未知但幅值有界信号 .该方法的特点是能够处理无穷观测数据量的最优滤波问题 .当系统的初始条件已知时 ,将滤波器设计问题化为一个标准二块 1优化问题 ;当系统含有未知但有界初始条件时该问题归结为有限个标准 1优化问题 ,而标准 1优化问题已有成熟算法求解 .仿真实例子说明了所提出方法的有效性和可行性 .

过程噪声未知但有界情况下不稳定线性离散时间系统最优滤波器设计研究

本文首先研究了不稳定线性离散时间系统的最优线性滤波器设计问题,利用状态观测器结合互质分解方法,将不稳定系统的最优线性滤波问题转化成可解的模型匹配问题,从而可利用已有的逐点优化算法进行求解,推广了线性滤波器的逐点优化设计方法.然后,本文还进一步研究了线性离散时间系统线性滤波器的最优性问题,从理论上证明了线性离散系统的线性滤波器能与非线性滤波器达到相同的最优性.

自适应噪声定界的改进集员辨识算法

集员辨识所需的系统噪声边界在现实应用中往往难于精确确定,通常采取的过估边界将导致算法性能的退化.本文针对缺乏足够先验噪声边界知识下的集员辨识问题进行了相应的研究,通过对输入干扰和测量误差的有界假设,将系统噪声边界建模为一个依赖于模型参数的时变量,由此提出了一种根据估计参数自适应调定噪声边界的改进最优定界椭球辨识算法,避免了过估噪声边界假设引起的保守性增大的缺陷,提高了算法的收敛速度.仿真中将本文提出的改进算法和带固定过估噪声边界的原始算法进行了比较,表明了该方法的有效性.

一种优化的扩展定界椭球集员滤波算法

针对噪声未知分布但有界的非线性系统,为了提高计算效率,提出了一种优化的选择更新方法用于扩展定界椭球集员滤波。通过对非线性系统的高阶误差项进行定界处理,给出了选择更新策略以及滤波参数优化方法。与扩展卡尔曼滤波算法的仿真比较,验证了本优化算法的有效性。

基于集员未知输入观测器的风力机桨距执行器故障诊断

风力机一般放置在恶劣的环境中,其桨距执行器极易出现故障。文中针对一类含有未知但有界干扰和噪声的风力机系统的桨距执行器故障问题,设计了集员未知输入观测器对桨距的执行器故障进行检测并分离。采用气动机理和现代辨识原理建立风力机系统模型,通过优化未知输入观测器设计对系统中的干扰解耦,基于中心对称多胞体估计不考虑故障时残差的区间包络,并将其作为残差估计的上下动态阈值,实现状态估计。在上述基础上提出了利用一组集员未知输入观测器进行故障诊断的策略。仿真结果表明,在实验过程中,文中所设计的集员未知输入观测器准确地诊断出了风力机桨距执行器的3阶和5阶线性系统在发生突变故障和缓慢时变故障的时间和位置,证明了所提故障诊断策略的有效性。

带不确定混合噪声系统的变分贝叶斯期望最大滤波算法

卡尔曼滤波器假设量测噪声为已知统计特性的高斯白噪声,然而系统可能受到不确定随机噪声以及未知有界噪声共同影响,若采用单一滤波策略,则估计结果易出现较大偏差。将两种不确定噪声运用未知参数的高斯混合模型进行表示,提出变分贝叶斯期望最大滤波算法。所提方法采用变分贝叶斯最大化方法对量测噪声模型中的超参数进行更新,在得到模型超参数后,利用变分贝叶斯期望算法计算噪声模型的隐变量。对上述过程反复迭代,最终获得系统的状态和协方差。仿真结果表明,相比于传统的卡尔曼滤波算法和联合滤波算法,变分贝叶斯期望最大滤波算法在出现混合不确定噪声时,经纬度定位精度均提高60%以上,提高了导航系统的精确性。

时变不确定非线性系统自适应滑模跟踪控制

针对一般的具有时变且界未知的非线性不确定性的单输入多输出非线性系统,提出一种自适应滑模跟踪控制器的框架。在该框架内,系统的时变且界未知的非线性不确定性可以通过函数逼近技术(FAT)表示成为一组正交基函数序列的组合,并通过滑模控制技术和直接Lyapunov方法获得基函数系数的更新律以及对不确定性逼近误差的在线自适应补偿,从而得到自适应的滑模控制律。所提出的基于函数逼近技术的自适应滑模跟踪控制策略在直流电机跟踪控制系统实验装置上进行了实际控制实验,并进行了性能的对比与分析。

一类离散不确定系统自适应滑模输出反馈控制

研究了离散不确定系统的滑模输出反馈控制问题.考虑离散系统的不确定为非匹配不确定,且具有未知的范数界,通过设计死区自适应律,实现了对此不确定界的在线辨识.在此设计的基础上,基于快速输出采样(multirate output sampling)原理,对系统设计了具有不确定自适应的滑模输出反馈控制器,在所设计的控制器作用下系统渐近稳定.快速输出采样是通过设置输出采样频率大于输入采样频率,经过相应的运算得到系统的当前状态信息与系统前一时刻输入信息和当前输出信息具有一定的函数关系.最后通过数值仿真验证了所设计控制器的有效性.

区间分析及其在参数估计中的应用

对区间分析及其在系统参数估计中的应用进行了综述。首先分析了使用区间分析进行参数估计的原因,进而对区间分析理论进行了简介,然后对区间分析在常规参数估计方面的应用和未知但有界误差参数估计方面的应用(包括在线性系统参数估计中的应用和在非线性系统参数估计中的应用)进行了综述,最后进行了总结和展望。

一种新的线性系统模型参数估计方法

分析了使用区间分析进行参数估计的原因,由此在未知但有界(UBB)误差假设下,提出了线性系统模型参数估计的区间分析方法,同时,对Matlab区间算法工具箱INTLAB进行了简介,并将INTLAB应用于使用所提算法的算例中。通过数值算例,将此算法与Fogel椭球算法和最小二乘算法进行了比较,算例结果表明了所提算法的有效性和可行性。

区间分析及其在参数估计中的应用

对区间分析及其在系统参数估计中的应用进行了综述。首先分析了使用区间分析进行参数估计的原因,进而对区间分析理论进行了简介,然后对区间分析在常规参数估计方面的应用和未知但有界误差参数估计方面的应用(包括在线性系统参数估计中的应用和在非线性系统参数估计中的应用)进行了综述,最后进行了总结和展望。

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.

一种用于非线性系统的扩展集员滤波状态估计算法

针对噪声未知分布但有界的非线性系统,为了提高系统计算效率,提出一种通过对非线性系统的高阶误差项进行定界处理并考虑线性化误差边界的方法。首先,对非线性状态方程和量测方程进行泰勒级数展开,利用区间分析法进行线性化处理,将系统误差整合到椭球集合中,在此基础上进行时间更新策略和测量更新策略。分析仿真结果表明了该算法良好的鲁棒性。

一种在不等式约束下的故障诊断集员滤波器的设计

为了解决在不等式约束下的故障诊断的问题,提出了集员滤波器的设计方法,所提方法不仅可以对故障大小进行估计,有效检测出故障,还能解决运行系统中要求的100%包含真实最小域的需要,并且能够判定出故障信号类型.针对不等式约束,采用S-过程方法,并利用Schur补引理证明所提出的定理,最后运用递归优化算法对集员滤波器的设计进行优化,并且用线性矩阵不等式(LMI)方法求解所设计集员滤波器的主要参数.数值仿真说明该方法的可行性和有效性.

区间多目标粒子群优化算法及其应用

提出了一种区间多目标粒子群优化(IMOPSO)算法,用于解决多目标下区间变量的优化问题.基于区间可信度定义两个区间解的占优关系,通过归一化方法和区间拥挤度距离对Pareto最优解排序,并设立归档机制,利用外部存储器保存Pareto最优解集.针对有界误差系统的建模问题,提出了基于IMOPSO算法训练区间神经网络(INN)模型参数的建模方法,解决了误差界已知和误差界未知两种情况下的有界误差系统建模问题.最后,以一阶不确定系统为例,利用所提算法进行了建模仿真,验证了建模方法的有效性.

未知噪声环境下面向末端拦截的递归滤波算法

当线性系统的噪声为方差已知的高斯白噪声时,可以通过卡尔曼滤波器得到最小均方误差下的最优状态估计。但在系统噪声统计特性未知的情况下,传统卡尔曼滤波器的滤波精度便会大大降低,甚至发散。针对这一问题,提出一种基于最小二乘法的递归滤波方法。首先将滤波问题转化为带不等式约束的二次目标函数优化问题;其次利用最小二乘法对噪声协方差进行近似计算;然后得到无需噪声先验知识的递归最小均方误差滤波算法;最后将提出的滤波算法应用于二维末端拦截制导问题中。根据低成本传感器对视线角的不精准测量值,通过该方法对视线角速度进行实时估计,然后构造比例导引律,实现低成本导弹对机动目标的末端拦截。通过与传统卡尔曼滤波器的性能做比较,验证了该递归滤波器对视线角速度的估计精度更高,进而提高了导弹的制导拦截性能。

基于ESMF算法的GPS信号多普勒频率估计

针对GPS接收机对载波信号的跟踪性能受到不同类型噪声的影响,且这些噪声的统计特性很难得到的问题,提出一种基于扩展集员滤波(ESMF)的解决方法.该方法根据载波信号中噪声统计特性未知但有界(UBB)的特点,设定合理的噪声边界,将UBB噪声包含在椭球集合内;利用集员的思想实现载波信号多普勒频率的在线非线性估计,且估计过程中同时能够检测系统坏值的发生时刻.仿真中,模型选取三维空间运动的载体.仿真结果表明,ESMF在处理该模型时是一种有效的鲁棒估计算法.