不可达系统的鲁棒贝叶斯估计方法

本文针对模型扰动下的不可达系统,提出了一种新的针对退化分布下的极大极小博弈问题的求解和证明方法.首先,文章将有相对熵约束的极大极小博弈问题转换成了一个无约束的拉格朗日函数,并找到其在均值和奇异的方差矩阵方向上都为严格凹函数的条件;其次,本文通过求解其均值和方差的极大值,得到所对应的鲁棒贝叶斯估计器和奇异的扰动状态误差协方差矩阵;最后,文章证明存在一个唯一的拉格朗日乘子满足其约束条件.微机电系统加速度计漂移估计仿真结果表明对所提算法的有效性.

可信性理论中的极大似然估计(英文)

本文基于模糊变量的可信性分布,提出了模糊极大似然估计的概念,证明了模糊极大似然估计的不变性及其收敛性。

网络化不确定系统集中式融合鲁棒稳态估值器

对于一类在状态转移阵和系统观测阵中带相同的状态依赖乘性噪声、带噪声依赖乘性噪声、一步随机观测滞后、丢包和不确定噪声方差的多传感器网络化系统,文章研究其鲁棒集中式融合稳态滤波问题.应用增广方法将系统转换为带随机参数矩阵、相同过程和观测噪声的集中式融合系统.应用去随机化方法和虚拟噪声技术,系统进一步转化为仅带不确定噪声方差的集中式融合系统.根据极大极小鲁棒估计原理,本文提出了鲁棒集中式融合稳态Kalman估值器(预报器、滤波器和平滑器),证明了所提出的集中式融合估值器的鲁棒性,给出了鲁棒局部与集中式融合估值器之间的精度关系.本文提出了应用于多传感器多通道滑动平均(MA)信号估计的一个实例,给出了相应的鲁棒局部和集中式融合信号估值器.仿真实验验证了所提出方法的有效性和正确性.

具有噪声方差及多种网络诱导不确定系统鲁棒Kalman估计

对不确定噪声方差乘性噪声,同时带观测缺失、丢包和一步随机观测滞后三种网络诱导特征的混合不确定网络化系统,应用带虚拟噪声的扩维方法和去随机参数方法,将其转化为带不确定虚拟噪声方差的时变系统.基于极大极小鲁棒估计原理,对带虚拟噪声方差保守上界的最坏情形系统,设计了鲁棒时变和稳态Kalman估值器.对所有容许的不确定性,保证实际Kalman估计误差方差有最小上界.应用扩展的Lyapunov方程方法和矩阵分解方法证明了所设计估值器的鲁棒性.证明了实际和保守估值器的精度关系,以及时变和稳态估值器间的按实现收敛性.应用于F-404航空发动机系统的仿真验证了所提出结果的正确性和有效性.

基于人工鱼群算法的鲁棒PID控制器参数整定方法研究

本文首先分析了采用极小—极大原理设计鲁棒PID控制器的方法 ,指出这是一类复杂非线性且非单鞍点的优化命题 ,常规优化算法通常不能有效的求解 .随后提出了采用人工鱼群算法进行参数整定的方法 .最后对典型问题进行了仿真研究 .结果表明 ,人工鱼群算法具备分布并行的寻优能力 ,对初值不敏感 ,能够快速对鲁棒PID的参数进行整定 ,整定后的PID控制器具有良好的控制效果 .

不确定噪声方差定常系统保性能鲁棒Kalman滤波器

对带不确定噪声方差线性定常系统鲁棒Kalman滤波,提出一般的统一的保性能鲁棒性概念.用Lyapunov方程方法,提出两类保性能极大极小鲁棒稳态Kalman滤波器.一类是寻求不确定噪声方差最大扰动域(鲁棒域),使得对于扰动域内的所有扰动,确保系统滤波精度偏差的最大下界是零,最小上界是所预置的精度偏差指标;另一类是在预置噪声方差有界扰动域内,寻求滤波精度偏差的最大下界和最小上界.通过引入不确定噪声方差扰动的参数化表示,问题转化为相应的非线性与线性最优化问题,可分别用Lagrange乘数法和线性规划(LP)方法求解.应用于跟踪系统的仿真例子验证了所提结果的正确性和有效性.

不确定系统改进的鲁棒协方差交叉融合稳态Kalman预报器

针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统,利用虚拟噪声补偿随机参数不确定性,原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界,并利用保守的局部预报误差互协方差,提出改进的鲁棒协方差交叉(Covariance intersection,CI)融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度,且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.

带不确定方差乘性和加性噪声系统鲁棒加权融合稳态Kalman估值器

本文研究带不确定方差乘性和加性噪声和带状态相依及噪声相依乘性噪声的多传感器系统鲁棒加权融合估计问题.通过引入虚拟噪声补偿乘性噪声的不确定性,将原系统化为带确定参数和不确定加性噪声方差的系统,进而利用Lyapunov方程方法提出在统一框架下的按对角阵加权融合极大极小鲁棒稳态Kalman估值器(预报器、滤波器和平滑器),其中基于预报器设计滤波器和平滑器,并给出每个融合器的实际估值误差方差的最小上界.证明了融合器的鲁棒精度高于每个局部估值器的鲁棒精度.应用于不间断电源(uninterruptible power system,UPS)系统鲁棒融合滤波的仿真例子说明了所提结果的正确性和有效性.

带丢失观测和不确定噪声方差系统改进的鲁棒协方差交叉融合稳态Kalman滤波器

对带丢失观测和不确定噪声方差的线性定常多传感器系统,引入虚拟噪声将原系统转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman滤波器及其实际方差最小上界,并利用保守的局部滤波误差互协方差,提出一种改进的鲁棒协方差交叉(covariance intersection,CI)融合稳态Kalman滤波器及其实际方差最小上界.证明了所提出的鲁棒局部和融合滤波器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合鲁棒精度,且高于每个局部滤波器的鲁棒精度.一个仿真例子验证所提出结果的正确性和有效性.

带不确定参数和噪声方差的鲁棒观测融合Kalman滤波器

对带不确定参数和噪声方差的多传感器定常系统,引入虚拟白噪声补偿不确定参数,可将其转化为带已知参数和不确定噪声方差系统.应用极大极小鲁棒估值原理和加权最小二乘法,基于带噪声方差保守上界的最坏情形保守系统,提出了鲁棒加权观测融合Kalman滤波器,并证明了它与集中式融合鲁棒Kalman滤波器是等价的,且融合器的鲁棒精度高于每个局部滤波器鲁棒精度.一个Monte-Carlo仿真例子说明了如何寻求不确定参数的鲁棒域和如何搜索保守性较小的虚拟噪声方差上界.

带不确定协方差线性相关白噪声系统改进的鲁棒协方差交叉融合稳态Kalman估值器

对于带有不确定协方差线性相关白噪声的多传感器系统,利用Lyapunov方程提出设计协方差交叉(CI)融合极大极小鲁棒Kalman估值器(预报器、滤波器、平滑器)的一种统一方法.利用保守的局部估值误差互协方差,提出改进的CI融合鲁棒稳态Kalman估值器及其实际估值误差方差最小上界,克服了用原始CI融合方法给出的上界具有较大保守性的缺点,改善了原始CI融合器鲁棒精度.跟踪系统的仿真例子验证了所提出方法的正确性和有效性.

带不确定噪声方差保性能鲁棒集中式融合Kalman预报器

对于带不确定噪声方差的多传感器系统,基于极大极小鲁棒估计原理,提出保证估计性能的集中式融合鲁棒稳态Kalman预报器.对于预置的估计精度偏差指标,利用Lagrange乘数法求得相应噪声方差的最大扰动域,使该域中所有可容许的噪声扰动,其实际精度对鲁棒精度的偏差被保证在预置范围内,并给出精度偏差的最大下界和最小上界.应用Lyapunov方程方法证明了保证估计性能能够被满足.仿真分析表明了所得结果的正确性和有效性.

网络化随机不确定系统鲁棒矩阵加权融合稳态估值器

对于一类在状态转移阵和系统观测阵中带相同的状态依赖乘性噪声、带噪声依赖乘性噪声、一步随机观测滞后、丢包和不确定噪声方差的多传感器网络化系统,文章研究其鲁棒融合稳态滤波问题.应用增广方法、去随机化方法和虚拟噪声技术,系统被转化为仅带不确定噪声方差的多模型多传感器系统.根据极大极小鲁棒估计原理,并应用按矩阵加权最优融合算法,提出了鲁棒局部和矩阵加权融合稳态卡尔曼估值器(预报器,滤波器和平滑器).应用增广噪声方法、非负定矩阵分解方法和李雅普诺夫方程方法,证明了估值器的鲁棒性.给出了鲁棒局部和矩阵加权融合稳态估值器之间的精度关系.应用于弹簧-质量-阻尼系统的一个仿真例子验证了所提出方法的有效性和正确性.