基于分布式滤波器的多智能体系统未知输入估计

发布时间：2021-11-29 14:47

　　多智能体系统作为一类特殊的控制系统,由于其信息互通的特性,可以在相同的单体计算能力的情况下解决很多单一系统无法完成的复杂任务,因此其理论研究和实际应用得到越来越多的重视。在实际的工业系统中,经常会存在未知输入信息,影响多智能体系统的状态与输出,这些未知输入有可能是故障信息或者强烈的扰动信息,对于他们的估计是保证多智能体系统平稳运行的基础。本文研究了针对多智能体系统的未知输入估计问题,采用了分布式无偏最小方差滤波器的方法,具体工作和成果包括:1.针对含有同源未知输入的线性离散时间多智能体系统,第二章提出了基于分布式无偏最小方差滤波器的状态与未知输入估计方法,相较于传统的无偏最小方差状态与未知输入滤波器,分布式无偏最小方差滤波器具有更加宽松的存在条件,并且其估计效果相较于传统的滤波器也更好。2.针对含有同源未知输入的线性离散时间多智能体系统,第三章改进了基于分布式无偏最小方差滤波器的状态与未知输入估计方法:针对同源的未知输入,采用了分布式的估计方法,针对异构的状态,采用了分散式的估计方法,提出了半分布式无偏最小方差滤波器。通过仿真验证了半分布式滤波器的估计效果优于分散式与分布式滤波器的估计... 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：210 页

【学位级别】：博士

【部分图文】：

图２－５基于分布式滤波器得到的系统状态的估计误差??Ｆｉｇ．２－５?Ｔｈｅ?ｅｓｔｉｍａｔｉｏｎ?ｅｒｒｏｒ?ｏｆ?ｔｈｅ?ｓｔａｔｅｓ?ｂａｓｅｄ?ｏｎ?ｔｈｅ?ｄｉｓｔｒｉｂｕｔｅｄ?ｆｉｌｔｅｒ??

?????１｜???????０????????ｉ?〇???－１０?２０?４０?６０?１?０?２０?４０?６０??ｆｔ?Ｉ??１ｉ??１?＜???＾?０??ｉ???????？｜?１??－?丨丨．■？?，?？■????＂０?２０?４０?６０?０?２０?４０?６０??ｋ?ｋ??１ｉ??????１｜?????＊１０?２０?４０?６０?＊ｊ０?２０?４０?６０??ｆｔ?ｈ??图２－１３基于分布式滤波器得到的系统状态的估计误差??Ｆｉｇ．２－１３?Ｔｈｅ?ｅｓｔｉｍａｔｉｏｎ?ｅｒｒｏｒ?ｏｆ?ｔｈｅ?ｓｔａｔｅｓ?ｂａｓｅｄ?ｏｎ?ｔｈｅ?ｄｉｓｔｒｉｂｕｔｅｄ?ｆｉｌｔｅｒ??■１０?２０?．?４０?６０?＊１０?２０?，?４０?６０??ｋ?ｋ??ｗ１０?２０?４０?６０?＂１０?２０?４０?Ｗ??ｋ?ｋ??－１０?２０?４０?６０?‘１０?２０?４０?８０??ｋ?ｋ??１ｉ??????１ｉ?????—ｉ??＾?ｉ????｜??＾???????０?２０?４０?６０?０?２０?４０?６０??ｋ?ｋ??图２－１４基于分布式滤波器得到的系统未知输入的估计误差??Ｆｉｇ．２－１４?Ｔｈｅ?ｅｓｔｉｍａｔｉｏｎ?ｅｒｒｏｒ?ｏｆ?ｔｈｅ?ｕｎｋｎｏｗｎ?ｉｎｐｕｔｓ?ｂａｓｅｄ?ｏｎ?ｔｈｅ?ｄｉｓｔｒｉｂｕｔｅｄ?ｆｉｌｔｅｒ??４０??

?北京化工大学博士学位论文???０．７?Ｉ?Ｉ?Ｉ?Ｉ??０．６?－?－??０．５?－?｛?－??０．４?－?／?－??０．３?－?丨?－??０．２?－?／?－??０．１?－?／?－??０?丨＇－?■】?１?—?＾?＇???０?５０?１００?１５０?２００?２５０??图３－１〇矩阵的??Ｆｉｇ．３－１０?ｏｆ?ｔｈｅ?ｍａｔｒｉｘ??通过图３－１０可以发现，九小于１，因此，时不变滤波器是渐近稳定的。状态估??计误差的协方差矩阵％所到达的固定点的值戶所示如下。??＂０．００１２?〇．〇〇〇〇〇．〇〇〇〇?０．００５１?—０．００３８?０．０００１?０．０００９?－０．００４８?＂??０．００００?０．０１２２?０．００００?０．００００?０．００００?０．００００?０．００００?０．００００??〇．〇〇〇〇〇．〇〇〇〇〇．〇０５５?０．００００?０．００００?０．００００?０．００００?０．００００??－－０．００２１?０．００００?０．００００?－０．００７３?０．００４２?－０．００１０?０．０００２?０．００５０??Ｐ＝??０．００５３?０．００００?０．００００?０．００１３?－０．０００９?－０．００４９?０．４９４７?－０．４９０７??－０．００３０?０．００００?０．００００?０．００３９?０．００７７?０．０１４６?－０．１４８６?０．１４１７??０．０９４３?〇．〇〇〇〇〇．〇〇〇〇－〇．〇５４９?０．２８２４?０．１３３２?０．２５９２?－０．１１００??－０．０９０３?０．００００?０．００００?０．０５７８?－０．２７３

【参考文献】：
期刊论文
[1]失控:全人类的最终命运和结局[J]. 凯文·凯利.  学习月刊. 2015(13)
[2]输入未知条件下基于自适应广义卡尔曼滤波的结构损伤识别[J]. 穆腾飞,周丽.  振动工程学报. 2014(06)
[3]Unknown Input Extended Kalman Filter and Applications in Nonlinear Fault Diagnosis[J]. 李令莱,周东华,王友清,孙德辉.  Chinese Journal of Chemical Engineering. 2005(06)
[4]多智能体技术应用综述[J]. 刘金琨,尔联洁.  控制与决策. 2001(02)

博士论文
[1]低阶多智能体系统分析与控制协议设计[D]. 王强.山东大学 2012



本文编号：3526696