一种新的顺序数据同化方法

将Monte Carlo方法和H∞滤波技术结合起来,提出了一种适用于非线性系统在不知道观测资料误差统计特性情况下的Monte Carlo H∞滤波顺序数据同化新方法.分别利用Lorenz（1963）系统和浅水方程组对在实际应用中遇到的观测误差时间相关和空间相关问题与集合Kalman滤波同化方法进行了对比数值试验.在观测误差时间或者空间相关且不知道相关统计特性的情况下,新方法的同化结果比集合Kalman滤波方法的更好.结果表明Monte Carlo H∞滤波同化方法对非线性系统是有效和适用的,它不依赖于观测资料的误差估计,对观测误差统计特性的变化具有较好的鲁棒性.另外,新方法中用搜索法寻找到的最小水平因子是随流型演变的.     

一类高速采样不确定系统的混合H2/H∞滤波

研究了含有多面体参数摄动Delta算子系统的混合H2／H∞滤波问题，目的是寻找一个稳定的线性滤波器，使得滤波误差系统在不同滤波通道具有不同性能准则．利用参数依赖型Lyapunov函数方法，提出了新的混合吼，巩性能准则．基于该准则，采用线性矩阵不等式技术推导了此类系统全阶混合H2/H∞滤波器存在的充分条件，并通过求解一个凸优化问题设计滤波器．研究结果表明该方法具有较低的保守性．数值示例验证了所提方法的可行性．     

基于星敏感器估计卫星姿态的预测Kalman滤波算法

提出了一种实时的姿态估计算法, 即预测Kalman滤波算法. 该算法能够只利用星敏感器所提供的矢量观测信息来准确地估计卫星的三轴运动姿态, 算法的实现包括力矩模型误差预测和姿态估计两步. 预测Kalman滤波算法具有良好的滤波性能, 不仅估计精度高而且鲁棒性能强,这一点已通过仿真测试得到了验证.     

一类动态多尺度系统的最优滤波

研究一类动态多尺度系统的最优滤波, 这类系统由具有不同分辨率的多个传感器独立观测, 而系统具有已知的动态系统模型约束. 假设传感器的信号采集带宽成倍递减, 相应的采样频率也成倍递减. 用Haar小波变换来拟合状态在各尺度空间的投影关系, 给出该类多尺度系统的离散模型, 并证明了其可以直接应用Kalman滤波的条件. 基于线性时不变系统, 研究了系统的可控可测性以及滤波的稳定性, 并给出了一个判定定理, 证明系统只要在最细尺度上可控可测, 则Kalman滤波是稳定的. 最后以匀速直线运动过程为例, 验证了所提建模与估计方法的有效性.     

基于遗传算法优化的EPS路感混合H2/H∞控制

针对电动助力转向（EPS）系统统存在系统模型、干扰等不确定性,以及对系统动态特性的要求,提出基于遗传算法的EPS系统混合H2/H∞控制器．在EPS系统及整车二自由度数学模型基础上,以转向路感、系统鲁棒性和转向稳定性为控制目标,构建系统的状态空间方程和增广被控对象矩阵,并运用H2/H∞方法极小化系统中各种干扰对被控输出的影响,并在此基础之上应用H2方法对系统进行优化,提出基于遗传算法的EPS系统混合H2/H∞控制方法.EPS系统路感仿真结果表明,基于遗传算法的EPS系统混合H2/H∞控制器,综合了H2/H∞控制和H2/H∞控制的优点,具有较好的鲁棒性能和鲁棒稳定性,可有效抑制路面随机激励、转矩传感器量测、模型参数不确定等所引起的各种干扰和噪声,使驾驶员获得满意的路感．     

基于输出时滞方法的采样数据系统故障估计

从时滞系统角度率先研究了一类非均匀采样数据系统的故障估计问题.首先,基于输出时滞方法将采样数据系统建模成具有时变时滞输出的连续时间系统;然后,通过分析自适应诊断观测器不再适用于此类连续时滞系统的原因,提出了一种能够保证估计误差指数收敛的增广故障估计滤波器设计新方法;并进一步研究了具有噪声干扰的采样数据系统的时变故障估计问题;最后,通过对某型飞控系统的仿真实验结果验证了所提方法的有效性.     

时滞离散智能系统的动态输出反馈镇定控制器综合的统一方法

提出标准神经网络模型（SNNM）来描述包含神经网络或T—S模糊模型的时滞（或非时滞）离散智能系统．SNNM由离散线性动力学系统和有界静态非线性算子连接而成．利用SNNM的全局渐近稳定性分析的结果，分别设计线性或非线性动态输出反馈控制器，使得SNNM的闭环系统稳定．控制方程可以表示为线性矩阵不等式（LMI）形式，便于利用各种凸优化算法求解以获得控制规律．大部分基于神经网络（或模糊模型）的时滞（或非时滞）离散智能系统都可以转化为SNNM，以便采用统一的方法来综合这些智能系统的控制器．SNNM的3个应用例子表明：SNNM不仅使得大多数基于神经网络（或模糊模型）的离散智能系统镇定控制器的综合简单易行，而且为其他类型的非线性系统的控制器综合提供新的思路．     

传感器系统误差与目标航迹的分布式估计

精确估计传感器的系统误差, 对提高整个跟踪系统的性能具有十分重要的意义. 已有的研究方法一般是把系统误差加到状态向量中形成扩维状态向量, 利用Kalman滤波进行估计. 由于这种方法计算量很大, 许多工作致力于研究状态向量和系统误差的解耦问题, 但均未实现系统误差的分布式估计和解决计算量问题, 且无法真正实现分布式航迹融合. 考虑了传感器测量有系统误差时的多传感器分布式航迹融合问题, 实现了状态向量和系统误差的解耦、系统误差的分布式估计与分布式航迹融合. 仿真结果表明此方法能给出精度较高的系统误差和状态向量估计.     

基于自主运动状态估计及信息交互的多移动机器人协作定位

主要研究了未知动态环境中多移动机器人利用环境信息交互完成协作定位的问题.考虑移动机器人自身运行状态对协作定位的影响,提出基于自主运动状态估计的协作定位周期自适应选择算法.为避免机器人相互直接观测需要配备特定标识的局限,并充分利用处于同一场景中多机器人观测信息的可交互性,论文提出基于MbICP算法的多机器人观测信息交互方法,同时利用扩展Kalman滤波实现多机器人变速运行中的协作定位.通过应用于Pioneer3-DX机器人平台所获得的协作定位实验结果及数据分析,验证了所提方法的有效性和实用性.     

零售商需求合作供应链动态模型及鲁棒H∞控制

以多个分销商和多个零售商组成的二级供应链网络为研究对象,在考虑零售商需求合作的情况下,建立了该供应网络的动态模型,同时分析系统在不确定性扰动下的牛鞭效应问题。运用H∞鲁棒控制方法来弱化供应链牛鞭效应的影响,并采用线性矩阵不等式(LMI)方法来获取H∞鲁棒控制策略。最后,结合相关算例验证了H∞鲁棒控制策略在改善供应网络动态性方面的可行性和有效性。对比分析表明,零售商需求合作及H∞鲁棒控制能够有效抑制牛鞭效应、改善系统的动态性,并为供应网络提供较优的库存控制策略。     

最小迹扩展集员估计

针对扩展Kalman滤波器(EKF)在进行非线性估计时一致性较差的问题,提出了适于一类高阶非线性系统的最小迹扩展集员估计算法(LTESMF).该算法通过引入反馈机制实现观测更新,避免了椭球相交计算.算法用估计误差定界椭球参数矩阵的迹作为优化目标,迭代优化反馈系数.本文还提出用随机状态边界度量的收敛性来评价随机系统稳定性.并用该方法证明了LTESMF的估计误差能收敛到有界区域内.最终仿真结果表明,LTESMF的估计结果的稳态精度接近EKF,计算算效率与EKF相当,估计结果的一致性和收敛速度明显高于EKF.     

信源数目未知和动态变化时的盲信号分离

研究源信号数目未知与／或动态变化情况下的盲信号分离问题．首先证明若混合矩阵满列秩（观测信号的数目m不小于源信号的数目n），则互信息是盲信号分离的对比函数；在互信息的全局极小值点即分离点处，盲信号分离系统的输出除了零分量外，其他非零分量；黾希望提取的源信号．其次，利用混合矩阵的转置和m个观测信号向量构成的矩阵以概率1具有相同的零空间这一性质，只需少量观测样本就可以估计源信号的数目n，进而检测其动态变化情况．源信号数目未知且动态变化的盲信号分离计算机仿真验证了所提出理论和算法的有效性。     

基于Hamilton函数方法的非线性微分代数系统反馈控制

基于Hamilton函数方法研究了一类非线性微分代数系统的镇定和H∞控制问题. 首先结合非线性微分代数系统内在的广义能量平衡特性提出了一种新的耗散Hamilton实现结构. 基于该结构, 对不存在外部扰动的非线性微分代数系统设计了镇定控制器, 对存在外部扰动的非线性微分代数系统, 证明了其L2增益分析问题可以归结为广义Hamilton-Jacobi不等式的求解问题, 并给出了H∞控制器的构造方法. 所提出的非线性微分代数系统的镇定和鲁棒控制器设计方法能充分利用非线性微分代数系统的结构特点, 所设计的控制器形式简单, 易于实现.     

广义Hamilton系统的观测器及基于观测器的H∞控制设计

研究广义Hamilton系统的观测器设计和应用问题. 首先, 根据广义Hamilton系统的结构特性, 提出一种新的观测器设计方法: 扩张+反馈法. 基于该方法, 文中设计了两种观测器, 一种是针对系统结构中不含参数摄动的情况而设计的; 另一种是自适应观测器, 则是针对系统结构中含参数摄动的情况而提出的. 然后, 运用所得到的观测器研究广义Hamilton系统的基于观测器的H∞控制设计问题, 给出一种新的设计方法. 最后, 把得到的结果应用于电力系统, 给出单机无穷大系统的状态观测器和基于观测器的H∞控制方案. 仿真结果表明, 所提出的方法是非常有效的.     

基于LMI的一种统一的降阶控制器设计方法

在时域中研究线性对象的镇定控制，协方差上界控制，ＬＱＧ控制，Ｌ∞控制、Ｈ∞控制，正实控制及鲁棒Ｈ２、鲁棒Ｌ∞和鲁棒Ｈ∞等控制问题，把上述问题归纳到基于线性矩阵不等式的统一框架之中，得到了降阶控制器的存在准则，给出了满足设计要求的控制器阶次的一个上界，并提出了适用于上述所有问题的统一的降阶控制器设计方法，该方法仅涉及系统等价变换和降维的ＬＭＩ的有限维凸优化地，所有满足要求的降阶控制器可以由ＬＭＩ的解     

基于D-S理论的分布交互式多传感器联合概率数据互联算法

为了解决杂波环境下利用分布式多传感器系统跟踪多机动目标的问题，提出了一种分布交互式多传感器联合概率数据互联算法,该算法对每个传感器应用交互式联合概率数据互联法滤波，并将模型概率、状态估计等滤波结果送至融合中心．融合中心首先对各目标进行航迹相关判别并应用D-S证据理论对不同传感器关于同一目标的各模型概率进行融合，然后依此模型概率计算各目标状态估计并反馈至各传感器．最后给出了该算法的分析，仿真结果表明本算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题．     

两步EFOP参数估计的递推算法

经验频域最优参数（EFOP）估计方法是基于时域估计和频域估计的一种系统辨识方法．其优点在于能够降低噪声影响，对小样本数据的随机系统具有较好的辨识效果．利用松弛算法而建立的两步EFOP方法，可适用于ARMA和Box-Jenkins等模型．文中对受干扰的随机系统，推导出两步EFOP方法的递推算法．对新的递推算法进行了仿真，并利用实验结果分析和验证了该算法的有效性．     

MIMO-OFDM系统中基于变分Bayes EM算法的联合符号检测与鲁棒Kalman信道跟踪

基于变分Bayes期望最大化VBEM(variational Bsayes expectation maximization)算法和Turbo原理,提出了快时变信道条件下MIMO-OFDM系统中的联合符号检测与信道估计算法.在VBEM框架下,信号检测和信道估计分别由修正的列表球形译码算法和软输入Kalman算法完成,检测器和估计器分别考虑了信道和检测信号的估计误差协方差矩阵.当信道时变剧烈时,存在较大检测误差的数据在软输入Kalman算法中引入异常值(outliers),由于Kalman算法对于异常值的敏感性,系统会在错误传播的影响下出现误码平台.为削弱异常值的影响,利用鲁棒统计理论设计了VBEM框架下改进的鲁棒软输入Kalman算法,该算法能在出现异常值的条件下保持较好的信道跟踪能力.仿真结果表明:在快速时变多径信道条件下,文中设计的鲁棒VBEM算法优于传统的VBEM算法和EM算法.     

区间时变时滞离散广义系统的稳定与镇定

研究了一类区间时变时滞离散广义系统的稳定与镇定问题。利用一个新构造的Lyapunov泛函和线性矩阵不等式方法,给出了使得系统正则、因果且稳定的时滞相关型稳定性新判据,并在其基础上得到了系统状态反馈镇定控制律的一个直接的设计方法。在讨论过程中,充分考虑了系统时变时滞信息,且保留了Lyapunov泛函导数中的有用项,使得结果具有较小保守性。数值实例表明了方法的有效性和优越性。     

信息融合非线性控制理论初探

将信息融合思想引入控制领域,提出信息融合非线性控制理论．基于信息融合最优估计理论,研究非线性离散控制系统的最优控制问题．信息融合控制是把对控制系统的所有性能要求以及系统动力学转化为可融合信息,然后从信息融合估计的角度,使原问题转化为求控制量的“融合估计”问题．首先,给出了非线性信息融合估计定理;然后,推导了非线性系统信息融合控制的算法;最后,通过对机械手的转移控制问题的仿真研究说明了信息融合非线性控制算法的有效性．