具有Markovian丢包的复杂网络的状态估计

发布时间：2021-08-07 02:45

　　由于复杂网络规模较大,网络中的节点部分状态信息通常难以测量,而进行网络实时监测、故障诊断等明确需要网络中所有节点的状态信息,因此需要通过构造状态估计器的方法,用测得节点的输出状态信息来估计节点的部分未知信息,以便更好地了解整个网络的行为特性。本文主要的研究工作及取得的主要成果如下:（1）针对现实网络在实际传输过程中存在的数据随机丢包的现象,而这无疑会对复杂网络的状态估计造成影响。因此,本文采用Markovian丢包模型表示数据随机丢包,研究离散时间输出耦合复杂网络的状态估计问题,其目的在于减小数据丢包对复杂网络状态估计产生的影响。通过Lyapunov稳定性理论与随机分析方法,采用LMIs的方法明确了符合条件的状态估计器的构建方法与准则。通过选取考虑Markovian丢包影响的Lyapunov函数,使得估计误差系统能够满足Lyapunov稳定。运用数值仿真实例,表明所设计的状态估计器能够实际有效地估计出原网络节点的状态信息。（2）对于一个实际状态估计系统,不仅要求能有效地估计出原网络的状态信息,还要满足和实际应用相关的性能指标要求。因此,在第一个已有结论的基础之上,进一步考虑状态估计器的... 

【文章来源】：南京邮电大学江苏省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

星型耦合网络模型

图 2.1 星型耦合网络模型个节点间都有且仅有一条连边，其模型如长度分别为： C 1， L 1。由此可以得出有边数最多、平均路径长度最小及聚类现实网络具有的聚类和小世界的特性。

图 2.3 最近邻耦合网络模型中节点的连接方式是无规则的。就是著名的 ER 随机图模型。如下：机图 G ( N , M )。用一个实例来阐述：扣进行穿线。并且每次选择节点现重边和自相连的情形。重复上述的 ER 随机图，这样形成的随机图R 随机图 G ( N , p )。这种网络模型不固定。


本文编号：3326922