具有不确定噪声的离散广义线性系统的鲁棒状态估计

本文研究了一类具有不确定噪声的离散广义线性系统的鲁棒状态估计问题，利用对策论的基本原理，给出了一种比较简单实用的近似估计方法．即最小化不确定下最坏性能的极小极大鲁棒状态估计．     

线性系统状态估计器的鲁棒设计方法

在考虑对噪声不确定系统的状态估计器进行鲁棒设计的条件下，提出一种新的简化性能指标函数，据此设计的状态估计器，设计过程为简单直观。     

逆协方差交叉融合鲁棒Kalman滤波器

分布式状态估计系统通过将多个传感器状态融合以得到更精确的融合结果,当传感器之间的协方差未知时,常采用保守估计的策略,但结果精确度较差。为了在传感器之间互协方差未知时得到更精确的融合结果,引入了逆协方差交叉算法,将其与局部稳态Kalman滤波器相结合,提出逆协方差交叉融合鲁棒Kalman滤波器。它克服了协方差交叉融合（CI）算法保守的缺点,证明了ICI的精度高于CI的精度,并基于协方差椭圆给出ICI、CI和局部传感器精度的几何解释。通过两传感器系统的蒙特卡洛仿真例子表明,其实际精度相比于CI融合鲁棒稳态Kalman滤波器更接近于带已知互协方差的最优融合器的精度。     

参数不确定性系统鲁棒状态估计的新方法

提出了参数不确定性线性系统的鲁棒状态估计设计的新方法，并采用简单的方法得到问题的解，通过仿真结果证实了新方法的有效性。     

不确定噪声下Markov跳跃线性系统的确保控制性能鲁棒跟踪

考虑了具有不确定二阶统计特性噪声的连续时间Markov跳跃线性系统的确保控制性能鲁棒跟踪问题.该不确定性允许参考模型与跟踪系统的过程与测量噪声的谱密度矩阵能在给定的类型中任意变化.给出了基于确保跟踪控制性能的不确定噪声协方差矩阵的扰动上界以及极小极大鲁棒跟踪控制器的设计方法.采用这种跟踪控制器不仅能极小化不确定时的最坏性能,而且能确保跟踪控制性能指标达到给定的自由度.最后给出了算例来说明所用设计方法的性能.     

二项分布参数的线性组合的Γ—极小极大估计

本文对二项分布的参数的线性组合在参数的一阶矩和二阶矩的某些限制条件下的Γ-极小极大估计进行了讨论。     

正态分布均值的Г—极小极大后验估计

讨论了正态分布均值在先验正态分布族参数有一定限制条件下的Г－极小极大后验估计，并指出当样本容量趋于无穷时，它与样本均值具有相同的渐近性状。     

不确定系统鲁棒稳定性分析——扰动界的估计

利用隐函数的理论，给出不确定系统矩阵A0 △A的特征根λ在标称点A0处的导数矩阵，它对于研究特征根函数λ＝λ（A0 △A）在标称点A0点附近的变化情况提供了一种方法。     

回归系数的极小极大估计

将文献[1]中提出的求不相容方程组的极小极大解的方法，应用于线性回归方程中的参数估计，提出了一个包括两个普通的最小二乘法的算法。在基于“最大残差最小”的意义下，得到的参数估计忧于员小二乘估计。     

正态分布均值的г－极小极大后验估计

讨论了正态分布均值在先验正态分布族参数有一定限制条件下的г－极小大后验估计，并指出当样本客量趋于无穷时，它与样本均值具有相同的斯近性状．     

线性不确定系统最优保成本滤波器设计的LMI方法

研究了一类线性不确定系统保成本滤波器的设计问题,用线性矩阵不等式LMI（linear matrix inequality)的形式给了保成本钱棒滤波器存在的简便检验方法,由线性矩阵不等式的解直接得到滤波器各参数的值,对保成本滤波器存在的系统,进一步优化保成本矩阵,获得了最优保成本滤波器,同时保证系统具有很好的鲁棒稳定性。最后给出了一个仿真实例,以验证本文结果的有效性。     

一类不确定切换系统的鲁棒保成本控制

研究了一类不确定切换系统的鲁棒保成本控制问题.将状态矩阵和控制输入矩阵中同时含有未知、有界不确定性的一类切换系统转化为动态区间系统.利用线性矩阵不等式技术,给出了在任意切换策略下,不确定切换系统稳定的充分条件,且使得二次型成本函数具有较小上界.此方法把确定多个矩阵不等式解的复杂问题简化为求解一个LMI的问题,大大减少了计算量,同时具有较小的保守性.仿真结果表明该方法的有效性.     

分布式不敏卡尔曼滤波状态估计技术

在许多实际的分布式多传感器系统中,系统的动态或传感器的观测方程是非线性的.解决分布式多传感器非线性系统的状态估计问题,通常采用的一种方法是分布式扩展卡尔曼滤波.但由于模型的线性化误差,EKF的滤波效果在很多情况下并不能令人满意.另外,在许多实际应用中,模型的线性化过程比较繁杂,而且也不容易得到.为了有效解决分布式多传感器非线性系统的状态估计问题,提出了一种基于不敏卡尔曼滤波的状态估计技术.不敏卡尔曼滤波是最近提出的一种新的非线性滤波方法.由于不需要对非线性系统进行线性化,不敏卡尔曼滤波可以很容易地应用于非线性系统的状态估计,并且其性能也要优于扩展卡尔曼滤波.仿真结果说明分布式不敏卡尔曼滤波方法的性能要优于分布式扩展卡尔曼滤波方法.     

基于扩展卡尔曼滤波器的液压驱动器状态估计

本文的液压驱动器属于不可观测的非线性系统,普通的状态观测器难以胜任系统的状态估计,故采用扩展卡尔曼滤波器对液压缸活塞腔和杆腔压力进行估计.建立了液压系统的4阶非线性状态空间模型,用高斯-牛顿法拟合模型参数,用关节角度信号通过扩展卡尔曼滤波器估计液压驱动器状态.仿真结果表明该方法可以精确估计液压缸压力,实验结果显示该方法估计的关节扭矩接近测量值;从而验证了扩展卡尔曼滤波器估计液压系统状态的有效性,为基于状态的故障诊断和液压驱动器控制提供了一定的借鉴.     

基于Burg算法与卡尔曼滤波的有色噪声状态估计

探讨一种有色噪声卡尔曼滤波算法。基于静态环境下多传感器的噪声信号,借助Burg算法和自回归模型,获得可在线估计噪声信号的噪声模型,进而结合经典卡尔曼滤波算法,获得可估计系统状态的有色噪声卡尔曼滤波模型。数值实验结果比较显示该模型对系统的状态估计精度高、噪声抑制能力强。     

基于卡尔曼滤波的车辆状态与路面附着估计

建立了采用Dugoff轮胎模型的三自由度车辆估算模型,设计了基于联邦卡尔曼滤波理论的车辆行驶状态估计算法与基于扩展卡尔曼滤波理论的路面附着系数估计算法,使车辆状态估计与路面附着估计相互联系、闭环反馈、同时进行.选择典型工况,应用Car Sim与Matlab/Simulink联合仿真实验对车辆状态算法和路面附着估计算法进行了验证.结果表明:文中算法能够实现对车辆状态及路面附着系数的准确估计.     

带有双误差项线性回归模型的鲁棒参数估计

一般的参数估计往往对分布的偏差很敏感,对于带有一个误差项的系统,鲁棒参数估计方法能较好地解决这一问题.这里基于极小极大方法,给出了带有两个误差项线性回归模型的鲁棒参数估计.