具有未知传感器干扰的多速率不确定系统的融合估计

发布时间：2017-06-14 20:00

  本文关键词：具有未知传感器干扰的多速率不确定系统的融合估计，由笔耕文化传播整理发布。

【摘要】：在信息处理、工程控制和故障诊断等领域中,广泛涉及具有未知传感器干扰的不确定系统的融合估计问题。传感器遭受无法测定的扰动,我们将它称之为未知传感器干扰(即未知输入)。随着“互联网+”时代的到来,网络化控制系统(NCSs)的发展也将更加深入。然而当系统规模不断增大,复杂程度逐渐增加,各种问题也就随之而来。由于网络负载能力差,带宽受限,正在被传送的数据发生观测丢失现象在所难免。除此之外,乘性噪声引起系统不确定性的问题亦不容忽视。如果对以上干扰置之不理,不采取有效的检测、分离措施,可能会造成生产上的损失。现如今,各行业为了获取更全面的信息以提高系统性能,原有单传感器系统和单速率系统将不能满足其需求,多速率多传感器系统因此成为研究热点。考虑上述所有问题,本文对具有未知传感器干扰的多速率不确定系统融合估计问题的研究很有必要。主要内容如下:线性无偏最小方差准则与最优融合算法(线性最小方差意义下)支撑本文理论部分。对同时带有未知传感器干扰、观测数据丢失的多传感器异步均匀采样系统,给出了与未知传感器干扰解耦的具有Kalman滤波形式的观测采样点和状态更新点上的局部滤波器。在并未推导局部估计误差互协方差阵的情形下,对系统设计了SCI次优融合和矩阵加权次优融合两种次优融合滤波器。对同时带有未知传感器干扰、观测丢失的多传感器异步均匀采样系统,直接设计不依赖于未知干扰的具有Kalman滤波形式的状态更新点上的局部滤波器。而后分三种不同情况推导了任两个传感器子系统之间的估计误差互协方差阵,最后给出拥有较高估计精度的分布式融合滤波器。对同时带有未知传感器干扰、乘性噪声和数据丢失的多传感器异步均匀采样系统,提出了不依赖于未知传感器干扰的具有Kalman滤波形式的状态更新点上的局部滤波器。其中乘性噪声由零均值的高斯白噪声来描述。然后给出所有可能存在采样情况下的局部估计误差互协方差阵,最后给出矩阵加权分布式次优和最优融合滤波器。
【关键词】：未知传感器干扰 观测丢失 多速率采样 线性无偏最小方差 乘性噪声 融合估计
【学位授予单位】：黑龙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212;TP202
【目录】：

• 中文摘要4-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 课题研究的背景和意义10-11
• 1.2 多传感器信息融合11
• 1.3 多速率多传感器不确定系统融合估计的研究现状11-13
• 1.4 预备知识13-17
• 1.4.1 线性最小方差意义下的矩阵加权融合估计算法14
• 1.4.2 按矩阵加权次优融合估计算法14-15
• 1.4.3 序贯协方差交叉融合滤波器15-16
• 1.4.4 分块矩阵求逆和矩阵迹的求导公式16-17
• 1.5 本文主要研究内容17-19
• 第2章 带未知传感器干扰和观测丢失多速率不确定系统的次优融合估计19-40
• 2.1 引言19
• 2.2 问题描述19-21
• 2.3 观测采样点上状态空间模型的建立21-23
• 2.4 两种次优融合滤波器23-28
• 2.4.1 观测采样点上的局部滤波器23-26
• 2.4.2 状态更新点上的局部滤波器26-28
• 2.4.3 序贯协方差交叉次优融合滤波器28
• 2.4.4 按矩阵加权次优融合滤波器28
• 2.5 仿真研究28-39
• 2.6 本章小结39-40
• 第3章 带未知传感器干扰和观测丢失多速率不确定系统的分布式最优融合估计40-62
• 3.1 引言40
• 3.2 问题描述40-41
• 3.3 信息融合滤波器41-49
• 3.3.1 状态更新点上的局部滤波器41-45
• 3.3.2 局部估计误差互协方差阵45-48
• 3.3.3 分布式信息融合滤波器48-49
• 3.4 仿真研究49-61
• 3.5 本章小结61-62
• 第4章 带未知传感器干扰、观测丢失和乘性噪声多速率不确定系统的融合估计62-83
• 4.1 引言62
• 4.2 问题描述62-63
• 4.3 信息融合滤波器63-71
• 4.3.1 状态更新点上的局部滤波器63-68
• 4.3.2 局部估计误差互协方差阵68-71
• 4.3.3 分布式信息融合滤波器71
• 4.4 仿真研究71-82
• 4.5 本章小结82-83
• 结论83-84
• 参考文献84-91
• 致谢91-92

【相似文献】

中国期刊全文数据库 前10条

1 金学波,孙优贤,孙政荣;多传感器状态融合估计理论在成纸定量估计中的应用[J];系统工程理论与实践;2005年03期

2 崔培玲;王桂增;潘泉;;一类动态多尺度系统融合估计算法的分析[J];控制理论与应用;2007年01期

3 王炯琦;周海银;赵德勇;吴翊;;非标准多传感器信息融合下的状态融合估计[J];系统工程与电子技术;2008年08期

4 王欣;朱齐丹;孙书利;;不受约束的全局最优加权观测融合估计[J];计算机工程与应用;2010年24期

5 金学波,赵冬梅;H_∞最优状态融合估计及其在成纸定量中的应用[J];浙江工程学院学报;2004年04期

6 王再富;金学波;林岳松;;新型融合估计方法及其在成纸定量中的应用[J];传感技术学报;2007年07期

7 岑明;罗代升;刘兴法;;不确定性量测的融合估计[J];四川大学学报(工程科学版);2009年06期

8 杨世华;王秀敏;朱烨俊;任建新;;基于串行通信不完全数据采集的融合估计算法[J];计算机应用;2011年04期

9 张文安;薛东国;俞立;;面向节能的无线多传感器H_∞融合估计[J];浙江工业大学学报;2014年03期

10 邱爱兵;文成林;姜斌;;基于异步多传感器采样量测的最优状态融合估计[J];电子学报;2010年07期

中国重要会议论文全文数据库 前1条

1 孙红岩;毛士艺;;Bayes融合估计的精度和信任区间[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

中国博士学位论文全文数据库 前3条

1 金学波;多传感器状态融合估计理论与应用研究[D];浙江大学;2003年

2 陈博;网络化多传感器信息融合估计算法研究[D];浙江工业大学;2013年

3 王欣;多传感器广义线性系统最优和自校正加权观测融合估计方法研究[D];哈尔滨工程大学;2011年

中国硕士学位论文全文数据库 前10条

1 吴琼;具有未知传感器干扰的多速率不确定系统的融合估计[D];黑龙江大学;2016年

2 薛东国;通信受限下网络化多传感器系统的融合估计研究[D];浙江工业大学;2014年

3 刘书丽;金融时间序列的融合估计[D];吉林大学;2007年

4 冯肖亮;噪声相关和无序量测系统的网络融合估计[D];杭州电子科技大学;2009年

5 张建;基于乱序数据传输的信息融合估计[D];黑龙江大学;2012年

6 赵婵园;带有时滞和丢包系统的信息融合估计[D];黑龙江大学;2012年

7 鄢守玮;不确定观测多传感器ARMA信号信息融合估计[D];黑龙江大学;2010年

8 陈海霞;有限丢包系统的分布式信息融合估计[D];黑龙江大学;2012年

9 郝惠娟;多传感器信息融合中目标跟踪的算法研究[D];西北工业大学;2007年

10 肖春玉;多传感器异步采样信息融合估计[D];黑龙江大学;2011年

  本文关键词：具有未知传感器干扰的多速率不确定系统的融合估计，由笔耕文化传播整理发布。

，

本文编号：450347