基于系统拆分的状态、参数协同估计
发布时间：2021-11-18 08:09
近年来,随着科学技术的不断发展,多源信息融合技术被广泛的应用到工业、交通运输及军事国防等各个领域。状态估计与参数估计技术作为多源信息融合技术的重要组成部分,已经成为信息技术领域内的热点研究问题。系统拆分作为一种有效的滤波器设计方法,能够降低系统的非线性程度、复杂噪声影响及减小计算过程中矩阵维数等。本文拟利用系统拆分的思想,研究非线性系统、多噪声系统及高维状态系统的高效滤波方法,重点开展如下研究。（1）针对一种含有未知参数的非线性系统,分别运用扩展卡尔曼滤波状态与参数联合估计方法和双扩展卡尔曼滤波状态与参数交替估计方法,对系统状态和未知参数进行估计;重点分析对比系统在不同非线性程度时,两类估计方法在估计精度方面的差异。（2）针对包含线性部分与非线性部分的系统模型,将其拆分为线性子系统与非线性子系统。若状态方程中存在线性部分与非线性部分,则将线性子系统的最优滤波结果作为非线性子系统UKF过程的参数,进行交替滤波方法设计,显著提高整个系统的滤波精度。若观测方程中存在线性部分与非线性部分,则分别对两个子系统分别进行滤波器设计,并将各子系统的滤波结果进行分布式融合,有效提高整个系统的滤波精度。（...
【文章来源】：河南工业大学河南省
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
数据级融合特征级融合属于中间层次融合
于中间层次融合。首先对每个传感器采集到数据，根向量，然后在融合中心完成特征向量的融合处理，最决策判断。提取的特征向量信息一般情况下应能充分特征级融合在提取特征向量时实现了对原始数据压缩时处理能力比数据级融合有了明显的提高。按照特征的信息进行特征提取的时候提取的只是代表了目标特据中的有用信息不可避免的损失了，这就使得融合系况下就会表现出系统融合性能的降低。特征级融合主式识别领域，具体方法包括卡尔曼滤波理论、多假设论、聚类法、神经网络、K 近邻法等。
图 3 决策级融合级别的融合算法各有利弊，而且不同的问题对多传感的要求不同，所以可以根据实际情况开发相应的混合以满足任务要求。构统进行信息融合的过程中，按照多传感器系统采集的置节点不同，可以把多传感器系统的结构分成三种类式结构。三种系统结构的区别在于融合中心处理的数据构处理的是多传感器系统中各个传感器采集到的原始据所包含的信息损失量小，但是该种融合结构对系统心需要处理的数据最多，计算复杂，计算量大，当数
【参考文献】：
期刊论文
[1]A New Cooperative Distributed MPC Method Based on Reduction and Classification[J]. WU Lan,WANG Lei. Chinese Journal of Electronics. 2017(03)
[2]基于未知输入观测器的非线性动态系统故障估计[J]. 胡正高,赵国荣,周大旺. 航空学报. 2015(11)
[3]确定采样型强跟踪滤波飞机舵面故障诊断与隔离[J]. 马骏,倪世宏,解武杰,董文瀚. 控制理论与应用. 2015(06)
[4]基于SVDD的冷水机组传感器故障检测及效率分析[J]. 李冠男,胡云鹏,陈焕新,黎浩荣,李炅,胡文举. 化工学报. 2015(05)
[5]柔性机械臂振动控制中的压电传感器故障诊断[J]. 马天兵,杜菲,熊能,钱星光. 电子测量与仪器学报. 2014(12)
[6]基于参数估计的一类非线性系统故障诊断算法[J]. 孙蓉,刘胜,张玉芳. 控制与决策. 2014(03)
[7]基于SRCKF的移动机器人同步定位与地图构建[J]. 王宏健,傅桂霞,边信黔,李娟. 机器人. 2013(02)
[8]基于模型诊断技术的神经网络实现方法[J]. 马纪明,万蔚,王法岩. 北京航空航天大学学报. 2013(02)
[9]改进UKF算法及其目标跟踪性能研究[J]. 陈伟衡,赵毅寰. 现代电子技术. 2011(23)
[10]基于Hopfield神经网络的非线性系统故障估计方法[J]. 王占山,张恩林,张化光,冯健. 南京航空航天大学学报. 2011(S1)
博士论文
[1]智能传感器侦察网络中的目标跟踪算法研究[D]. 肖延国.中国科学技术大学 2007
硕士论文
[1]一类噪声为非高斯分布的非线性系统滤波方法研究[D]. 程兴硕.杭州电子科技大学 2016
本文编号：3502533
【文章来源】：河南工业大学河南省
【文章页数】：83 页
【学位级别】：硕士
【部分图文】：
数据级融合特征级融合属于中间层次融合
于中间层次融合。首先对每个传感器采集到数据，根向量，然后在融合中心完成特征向量的融合处理，最决策判断。提取的特征向量信息一般情况下应能充分特征级融合在提取特征向量时实现了对原始数据压缩时处理能力比数据级融合有了明显的提高。按照特征的信息进行特征提取的时候提取的只是代表了目标特据中的有用信息不可避免的损失了，这就使得融合系况下就会表现出系统融合性能的降低。特征级融合主式识别领域，具体方法包括卡尔曼滤波理论、多假设论、聚类法、神经网络、K 近邻法等。
图 3 决策级融合级别的融合算法各有利弊，而且不同的问题对多传感的要求不同，所以可以根据实际情况开发相应的混合以满足任务要求。构统进行信息融合的过程中，按照多传感器系统采集的置节点不同，可以把多传感器系统的结构分成三种类式结构。三种系统结构的区别在于融合中心处理的数据构处理的是多传感器系统中各个传感器采集到的原始据所包含的信息损失量小，但是该种融合结构对系统心需要处理的数据最多，计算复杂，计算量大，当数
【参考文献】：
期刊论文
[1]A New Cooperative Distributed MPC Method Based on Reduction and Classification[J]. WU Lan,WANG Lei. Chinese Journal of Electronics. 2017(03)
[2]基于未知输入观测器的非线性动态系统故障估计[J]. 胡正高,赵国荣,周大旺. 航空学报. 2015(11)
[3]确定采样型强跟踪滤波飞机舵面故障诊断与隔离[J]. 马骏,倪世宏,解武杰,董文瀚. 控制理论与应用. 2015(06)
[4]基于SVDD的冷水机组传感器故障检测及效率分析[J]. 李冠男,胡云鹏,陈焕新,黎浩荣,李炅,胡文举. 化工学报. 2015(05)
[5]柔性机械臂振动控制中的压电传感器故障诊断[J]. 马天兵,杜菲,熊能,钱星光. 电子测量与仪器学报. 2014(12)
[6]基于参数估计的一类非线性系统故障诊断算法[J]. 孙蓉,刘胜,张玉芳. 控制与决策. 2014(03)
[7]基于SRCKF的移动机器人同步定位与地图构建[J]. 王宏健,傅桂霞,边信黔,李娟. 机器人. 2013(02)
[8]基于模型诊断技术的神经网络实现方法[J]. 马纪明,万蔚,王法岩. 北京航空航天大学学报. 2013(02)
[9]改进UKF算法及其目标跟踪性能研究[J]. 陈伟衡,赵毅寰. 现代电子技术. 2011(23)
[10]基于Hopfield神经网络的非线性系统故障估计方法[J]. 王占山,张恩林,张化光,冯健. 南京航空航天大学学报. 2011(S1)
博士论文
[1]智能传感器侦察网络中的目标跟踪算法研究[D]. 肖延国.中国科学技术大学 2007
硕士论文
[1]一类噪声为非高斯分布的非线性系统滤波方法研究[D]. 程兴硕.杭州电子科技大学 2016
本文编号：3502533
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3502533.html
