丢包环境下的鲁棒最优滤波

发布时间：2020-08-23 19:16

【摘要】：滤波技术一直是数字处理领域的热门课题之一,其在航天航空、工业生产、军用科技等方面都有着极其广泛的应用。近些年随着网络技术的发展,基于网络化控制系统的滤波方法得到了极大重视。随着滤波理论与应用技术的不断提升与发展,现今基于网络化控制系统的滤波方法层出不穷,有效地解决了工业生产中大量实际问题,提升了现实生产力。本文借助非零和纳什博弈来描述多目标滤波问题,考虑丢包环境下的鲁棒最优滤波,分别给出有限时间和无限时间下的鲁棒最优滤波器增益和最差扰动信号的解析解。针对物理模型同时存在随机噪声和不确定性噪声的情况,实现观测数据传输出现缺失时的鲁棒最优滤波。具体可将内容分为:第一部分:定义系统在同时存在随机噪声和不确定性噪声时的鲁棒最优滤波问题。详细描述物理系统和涉及信息传输的网络模型,分别给出有限时间和无限时间下的鲁棒最优滤波器形式,构建基于误差信号的代价函数,通过一组纳什均衡不等式分别在有限时间和无限时间下给出亟需满足的鲁棒最优滤波性能指标。第二部分:针对基于丢包的有限时间鲁棒最优滤波器设计问题,通过借助一组耦合黎卡提差分方程组,给出相应滤波器的设计方案,并解析地构造出滤波器的最优增益,从而满足待设计的性能指标。具体包括找到鲁棒性能最差时的最差信号,进而基于最差信号给出鲁棒最优滤波器的形式。第三部分:针对基于丢包的无限时间鲁棒最优滤波器设计问题,通过借助一组耦合修正代数黎卡提方程组,给出相应滤波器的设计方案,并解析地构造出滤波器的最优增益,从而满足待设计的性能指标。具体包括给出均方稳定和完全可观的定义,给出误差系统均方稳定的证明。基于误差系统均方稳定,找到鲁棒性能最差时的最差信号,进而基于最差信号给出鲁棒最优滤波器的形式。第四部分:借助小车测速仿真和实验来验证算法的可行性。包括对小车进行建模,通过迭代算法来求解耦合修正代数黎卡提方程组,得到最差情况下的增益和鲁棒最优滤波器增益,完成滤波器的设计。并与相关算法作比较,通过实时估计图来验证算法的可行性。进一步给出物理实验,具体包括通过ZigBee平台对小车进行超声波测距,最后分析估计速度曲线和实际速度曲线的误差。最后,对本文的研究成果进行总结说明,并给出后续工作的展望和未来的研究方向。
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN713
【图文】：

无线检测,输气管线

图 1-1 远程输气管线无线检测系统Figure 1-1. Remote gas pipeline wireless monitoring system与网络技术在推动工业发展和提升生产力的同时，也给控制系列新的难题与挑战。例如法国南特矿业大学的仿生机械鱼实验过遥操作来控制机械鱼在核电站内部的工作，但无线通信装置带来了信号的干扰、衰减等现象，这些因素都大大影响了机械率。再者，信息网络的开放性与易感染性也给控制系统带来了患，如伊朗核电站遭受“震网”(Stuxnet)病毒攻击[12]，乌克兰rgy3 恶意软件攻击[13]，美国伊利诺伊州城市供水系统的供水泵此外，无线网络的能耗、节点间的资源配置、网络传输中数据化效应、时变采样等都是网络通讯中的常见现象，但在传统控少涉及。现状

混合滤波,估计误差

图1-2 显示了在相同条件下，混合滤波与H 滤波的效果比较图。图 1-2 混合滤波与 H 滤波估计误差对比Figure 1-2. Contradistinction of mixed filter and H filter其中黑色实线表示混合滤波的估计误差，蓝色虚线表示H 滤波的估计误差。可见，这种H 高斯混合滤波是处理系统同时含有不确定性和系统噪声情况时的一种有效手段。文献[53]表明，直流电机驱动系统同时存在参数变化和噪声，这种H 高斯滤波器能有效估计系统中的负载转矩。同时，线性矩阵不等式（LMI）方法也广泛地应用于解决不确定系统中的各种多目标滤波设计问题，参见文献[54] [55][56][57][58]及其中的参考文献。但另一方面，基于网络化控制系统的混合2H /H 滤波问题还值得进一步研究。

混合滤波,丢包

言合2H /H 滤波相关的方法和应用成果已在绪论中做了相应介绍工业设计中，系统往往同时带有统计特性已知的白噪声和任意这时候用混合2H /H 滤波能取得较好的滤波效果。本章将详细下的鲁棒最优滤波器设计，并定义相关问题。具体包括：将丢利过程；基于丢包环境下的系统模型，分别给出有限时间和无优滤波器形式；在鲁棒最优滤波器的基础上，定义代价函数和性描述统与网络模型

【相似文献】