基于改进粒子滤波的混合系统状态估计算法的设计及实现

发布时间：2021-10-30 10:58

　　随着系统规模和复杂程度的不断增加,混合系统逐渐成为控制领域关注的重点。研究混合系统的状态估计方法,实时获取系统的离散工作模式和连续动态行为,不仅便于识别和控制系统,同时,当离散模式包含有故障模式时,状态估计的结果还能够支持故障诊断和决策,因而具有重要的理论及现实意义。本文基于粒子滤波算法,对混合系统应用背景下的若干问题进行了相应的研究,主要工作如下：1.介绍了粒子滤波算法的基本原理及基于标准粒子滤波的混合系统状态估计算法,并分析其应用优势和存在的问题。2.针对转移概率低而导致某些离散模式没有粒子覆盖的问题,设计了一种改进的遗传粒子滤波算法。通过分析遗传算法与粒子滤波算法的相似性,将遗传算子引入粒子滤波算法,用以增加粒子多样性,使其能覆盖所有模式。在MATLAB下的仿真实验表明改进的算法能够改善滤波精度,缩短采样时间。3.针对转移概率未知的混合系统,提出了一种基于观测值的自适应粒子滤波算法。算法将转移概率扩展为系统参数进行在线估计,充分利用观测值的信息对所有后继模式进行评价,根据似然度与先验转移概率的乘积确定各模式的后验转移概率,并在估计过程中不断对其进行调整。仿真结果表明,相比于已有的... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
致谢
中文摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 合动态系统状态估计研究现状
        1.2.2 基于粒子滤波的混合系统状态估计研究现状
    1.3 研究内容
    1.4 论文结构
2 粒子滤波算法基本原理
    2.1 动态空间模型
    2.2 贝叶斯估计理论
    2.3 基本粒子滤波算法
        2.3.1 蒙特卡洛方法
        2.3.2 序贯重要性采样(SIS)与重采样(SIR)
        2.3.3 标准粒子滤波算法计算流程
        2.3.4 标准粒子滤波算法缺点及改进
    2.4 本章小结
3 基于遗传粒子滤波的混合系统状态估计算法设计及仿真
    3.1 基于标准粒子滤波的混合系统状态估计算法
        3.1.1 混合系统状态空间模型
        3.1.2 混合系统状态估计的PF算法
    3.2 改进的遗传粒子滤波算法设计
        3.2.1 遗传算法与粒子滤波算法的相似性分析
        3.2.2 遗传粒子滤波算法流程设计
    3.3 仿真分析
    3.4 本章小结
4 基于观测值的自适应粒子滤波算法设计及仿真
    4.1 转移概率矩阵问题分析及常用解决方法
        4.1.1 转移概率矩阵问题分析
        4.1.2 常用的解决方法
    4.2 基于观测值的自适应粒子滤波算法
        4.2.1 算法原理
        4.2.2 算法计算流程
        4.2.3 算法分析
    4.3 仿真对比
    4.4 本章小结
5 列车运行状态混合估计
    5.1 列车运行混合模型
    5.2 基于观测值的自适应RBPF算法设计
        5.2.1 RBPF算法
        5.2.2 基于观测值的自适应RBPF算法
    5.3 列车运行混合系统状态估计仿真
    5.4 本章小结
6 结论与展望
    6.1 主要工作与结论
    6.2 作展望
参考文献
作者简历
学位论文数据集



本文编号：3466605