基于LMI的鲁棒H_∞估计器

研究了参数不确定系统的鲁棒H∞估计问题。用MATLAB工具箱中的函数hinflmi来设计H∞估计器,是一种H∞优化设计,会导致过宽的估计器带宽。文中导出了一个用于H∞次优设计的线性矩阵不等式,利用这单一的LMI,选择一个次优值γ就可以控制带宽以减少估计误差。

一类不确定线性系统鲁棒状态估计器设计

本文对一类不确定线性系统给出了一种鲁棒状态估计器设计方法．其主要思想是对允许的系统扰动，通过设计估计器参数矩阵使增广系统的极点位于左半复平面指定圆形区内或指定直线的左侧，且稳态误差协方差阵不超过给定上限．给出了鲁棒估计器存在条件及其解的一般表达式．

线性系统状态估计器的鲁棒设计方法

在考虑对噪声不确定系统的状态估计器进行鲁棒设计的条件下，提出一种新的简化性能指标函数，据此设计的状态估计器，设计过程更为简单直观．

基于改进两阶段鲁棒优化的电力系统状态估计方法

误差是测量值相对于真值的偏差,由于实际中真值不可得,传统基于误差理论建立的状态估计模型具有较大的局限性。为此,首先基于马氏距离,确定PMU最佳缓冲长度并与SCADA数据统一到同一时间断面;然后,在两阶段算法框架下,基于不确定测度理论和在该理论下的测点相对偏离,考虑严格的零注入约束关系,以加权不确定测度相对偏离之和最小为目标,提出一种基于改进两阶段鲁棒优化的电力系统状态估计方法。仿真结果表明,相对于传统状态估计方法,所提方法能够严格满足零注入节点的注入功率为零,且鲁棒性好,估计结果契合度较高。

参数不确定系统的鲁棒H_∞估计

从代数Riccati不等式 (ARI)设计H∞ 控制问题出发 ,通过选取参数矩阵M和N ,对鲁棒H∞ 估计器的代数Riccati不等式进行简化 .再根据Schur补公式 ,导出用线性矩阵不等式设计鲁棒H∞ 估计器的定理 .

应用H^∞控制律的鲁棒自适应控制

提出了一种新颖的自适应控制方案，它将Ｈ∞鲁棒控制律应用于自适应控制当中，并与鲁棒参数估计器相结合，以进一步提高自适应控制系统的鲁棒性能．并以严密的理论支持将鲁棒控制律引入到自适应控制中，得到了一类保证全局稳定的自适应控制系统．

H_∞估计器的LMI设计

本文在Fu等学者[1] 研究不确定系统鲁棒H∞ 估计器的基础上 ,提出用LMI法设计估计器。指出通常的三个LMI方法[2 ] 求解鲁棒H∞ 估计器时 ,存在问题。文中还利用有界实引理 ,导出待求参数的线性矩阵不等式 ,还是用LMI法来综合设计鲁棒H∞

一种新的鲁棒子空间建模方法

针对传统子空间建模技术中存在的两个难点问题,即对训练数据中的噪音或局外点非常敏感和基于批处理方式的大尺度高维样本模型学习计算非常费时,提出了一种新的鲁棒子空间建模方法。该方法先利用基于双平方函数的鲁棒估计,基于梯度下降的学习规则和M-估计器来同时学习和估计线性模型的初始参数,自动分级检测出初始训练样本集中的样本级局外点和样本中的信号级局外点;然后利用鲁棒的增量学习来更新参数,获得可靠的子空间模型。实验证明,这种新的鲁棒子空间建模方法能有效处理不同类型的噪音数据,在学习亮度子空间模型时能有效解决亮度明显变化、遮挡、噪音污染等敏感问题,并且具有较快的学习速度。

船用天然气发动机电子节气门自适应高阶滑模控制

针对船用天然气发动机电子节气门非线性控制问题以及高阶滑模控制存在的边界难以估计问题,提出了一种基于高阶滑模理论的节气门自适应控制算法,设计了基于系统相平面轨迹收敛过程的自适应策略,为了增加控制算法的实用性,在自适应策略的基础上设计了检测区域,通过判断系统状态与该区域的相对位置双向调节控制增益,以防止增益过大而导致控制精度降低、控制能量浪费的问题;同时,采用鲁棒微分估计器,对不可观测量进行估计;最后,设计3种测试方案,将该算法与传统高阶滑模算法进行实验对比。实验结果表明:在阶跃信号下,该算法使系统响应速度提高35%,稳态误差均方根减小37.5%;在正弦信号下,系统最大稳态误差和稳态误差均方根分别减小30%和22%。

Unscented Transformation Based Robust Kalman Filter and Its Applications in Fermentation Process

State estimation is the precondition and foundation of a bioprocess monitoring and optimal control. However,there are many difficulties in dealing with a non-linear system,such as the instability of process, un-modeled dynamics,parameter sensitivity,etc.This paper discusses the principles and characteristics of three different approaches,extended Kalman filters,strong tracking filters and unscented transformation based Kalman filters.By introducing the unscented transformation method and a sub-optimal fading factor to correct the prediction error covariance,an improved Kalman filter,unscented transformation based robust Kalman filter,is proposed. The performance of the algorithm is compared with the strong tracking filter and unscented transformation based Kalman filter and illustrated in a typical case study for glutathione fermentation process.The results show that the proposed algorithm presents better accuracy and stability on the state estimation in numerical calculations.