基于非完整信息的网络化系统非线性滤波研究

发布时间：2020-05-27 00:07

【摘要】：随着计算机和通信技术的发展,网络已成为工业生产和日常生活中必不可少的一部分。在网络化系统中,控制对象变得越来越复杂,很多设备的运行过程会表现出不同程度的非线性和随机性,这给滤波问题的研究带来了本质的困难。此外,网络的使用也不可避免地引入数据包丢失、网络诱导时延、衰减测量等通信受限问题,从而导致系统接收到不完整的信息。因此,针对通信网络引起的信息不完整问题,本文就网络化系统的非线性滤波理论展开系统性研究。主要研究成果如下:首先,研究受随机非线性和多重衰减测量影响的网络化系统非线性滤波问题。其中随机非线性干扰的统计特性已知,各传感器的衰减概率由一个满足特定分布的独立随机变量来支配。通过将随机非线性的统计特性和衰减增益矩阵引入无迹卡尔曼滤波器设计中,提出一种改进的非线性滤波算法。然后,通过分析估计误差及其协方差的有界性,给出保证滤波器收敛的衰减率临界值以及使其随机稳定性的充分条件。其次,研究受数据包丢失影响的网络化系统非线性滤波问题。采用基于Send-on-Delta的事件触发传感器调度策略减少不必要的测量值传输,进而降低数据包丢失发生的概率。然后,利用一组独立同分布的随机变量对数据包丢失进行建模。综合考虑事件触发传感器调度和丢包的影响,给出事件触发传感器调度策略与非线性滤波器的协同设计方法,并给出保证设计滤波器随机稳定的充分条件。然后,考虑到确定性传感器调度策略会破坏滤波器更新过程的高斯性。研究基于随机事件触发传感器调度的网络化系统非线性滤波问题。与确定性调度策略相比,随机调度策略可保持滤波器更新过程的高斯性,有利于滤波器设计。根据随机事件触发调度策略的不同,提出两种非线性滤波算法,并分析了两者的优缺点。最后,分别给出保证两种滤波算法收敛和随机稳定的充分条件。最后,考虑受网络诱导时延影响的网络化系统非线性滤波问题。通过引进随机事件触发传感器调度策略,减少不必要的测量传输并保证状态的高斯性。然后,采用特定长度的缓存器存储延时的测量值,以保证远端滤波器最大程度地利用测量数据。最后,提出一种随机事件触发无迹卡尔曼滤波算法,充分利用缓存器中存储的测量值以补偿网络诱导时延,进而保证状态估计的有效性。
【图文】：

网络化系统,整体结构

( )k k ky h x v 式中，k N表示离散采样时刻， N 0,1, ，nkx R是状态向量，mky R表示传感器测量输出，kD 是一个已知的矩阵与适当的尺寸，qkw R和mkv R分别程噪声和观测噪声。kw 和kv 均为零均值的高斯噪声序列，并且与初始状态0x 互关。以下为0x ，kw 和kv 满足的统计特性：0 0|0 0|0 { x } x x ,T0 0|0 0 0|0 0|0 { ( x x )( x x ) } P， { } 0k w T{ }k k k w w Q， { } 0k v ，T{ }k k k v v R整个网络化系统的框图如图 3-1 所示。智能传感器通过无线网络信道与远端器进行连接，，并且测量值在网络传输过程中会发生数据包丢失现象。智能传感一般的传感器和事件触发调度器组成，其中调度器决定是否传输当前时刻的测当一个特定的条件满足时，传感器传输测量值ky ；否则，不传输ky 。对于传感言，用于计算的能耗远远低于传输能耗，因此，这种事件触发机制可以减少传的能量消耗，从而延长智能传感器的使用寿命。

框图,框图,非线性离散系统,二值变量

以下带有随机事件触发方式的非线性离散系统： k 1k kk kx f xy h x 表示离散的采样时刻，nkx R是系统状态，mky R表示mk R分别表示过程噪声和测量噪声。非线性函数 m R已知并连续可导。k 和k 是相互独立的零均值噪声kR 。此外，初始状态0x 服从均值为0|0x ，方差为0|0 P 的高斯和k 相互独立。整体框图如图 4-1 所示。测量值ky 由传感器传输到事件触行特定的比较策略产生一个二值变量k ，同时k 的取值表ky 。当 1k 时，传感器传输ky ，否则，不传输ky 。本章波器设计两种非线性滤波器，即采用不可控和可控随机事滤波器。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN713;TP212

【参考文献】