带丢包和量化的参数不确定系统滚动时域估计

针对网络化系统中丢包、量化和参数不确定性对状态估计的影响,提出一种带有预测补偿机制的鲁棒滚动时域估计算法。将丢包现象描述为概率已知的随机Bernoulli序列,并利用丢失数据的预测值进行丢包补偿,将数据量化引入的量化误差描述为观测方程中的一个有界不确定参数,将模型的不确定性描述为系统矩阵受到随机扰动,基于滚动优化策略,考虑量化和模型不确定性影响最严重的情况,通过滚动求解一个min-max问题得到最优状态估计器。对所提算法进行稳定性分析,推导了估计误差范数平方期望的一个上界函数,给出了估计误差范数平方期望收敛的充分条件。最后,通过仿真验证了所提算法的有效性。     

基于量测补偿的多传感器分布式滚动时域估计

针对网络中单个传感器无法对目标状态完全观测的情况,基于量测补偿策略与滚动时域估计方法,提出了一种分布式估计算法。针对网络中单个传感器量测对状态不完全可观测的情况,令各传感器利用其对完全量测的预测来补偿实际量测;进一步针对传感器网络中所有传感器估计的一致性问题,令各传感器利用本身的量测和邻居传感器的传输信息对状态进行滚动时域估计,并在此基础上构造分布式的滚动时域估计优化问题和设计实施算法。仿真结果表明,在整个传感器网络全局可观测的前提下,该算法可以使得传感器网络中的所有传感器实现对目标状态的完整、准确估计。     

数据丢包的参数不确定下无人机滚动时域估计

针对网络中通信链路中断及系统参数不确定现象,研究了数据包丢失的参数不确定无人机系统状态估计问题,基于滚动时域估计理论和随机最小二乘理论,提出了一种分布式滚动时域估计算法。对于数据包丢失和参数不确定问题,采用已知概率的马尔可夫序列和系统矩阵扰动噪声进行建模。仿真结果表明,该算法的估计效果优于一种新的卡尔曼滤波算法。最后,研究分析了系统压缩量、数据包接收概率和时窗长度对所提算法估计性能的影响。在系统不确定性和丢包概率未知的情况下,适当增加时窗长度可以提高算法估计性能。     

城市车载Ad Hoc网络中丢包率与丢包因素的仿真分析

在针对城市车载ad hoc网络性能的仿真实验中发现,丢包率是影响和衡量城市VANET网络性能的重要指标.为此应用ns-2工具在节点密度和速度变化两种情况下设计了仿真实验并提出了对网络丢包率和丢包因素的分析.通过研究网络中报文的所有丢弃因素与网络丢包率之间的相关性和相关程度,指出了影响城市车载ad hoc网络丢包率的本质因素,针对这些因素的进一步研究会有助于降低丢包率和优化网络性能.     

连续搅拌反应釜浓度的滚动时域估计

化学组分浓度大于零以及反应釜的进料温度和浓度等在给定范围内波动对估计问题来说是以约束形式出现的附加已知信息.本文基于预测控制的滚动优化原理,讨论了一种能利用这些已知约束信息来提高估计的合理性与准确性的滚动时域估计方法.最后给出了对CSTR系统的仿真结果并与Kalman估计进行了比较.     

基于惯性传感器网络的分布式导航方法

通常的惯性导航冗余配置及其信息融合技术,是基于相同的系统状态模型,不适合分布式惯性传感器网络的应用。针对该问题,给出了一种基于惯性传感器网络的分布式导航方法,将多个惯性测量单元配置在载体不同部位,不仅能提供冗余的导航信息,还能提供局部运动测量。在惯性网络结构分析基础上,建立了惯性网络动态测量模型,采用最大似然估计和信息滤波法,设计了分布式惯性测量融合与导航状态融合的分阶段信息融合算法,通过仿真进行了验证。结果表明,所提方法充分利用了其他节点的惯性传感器信息和同类导航状态信息,可以提高整个惯性传感器网络的估计性能和故障容错能力,在提高低性能节点导航精度的同时实现对高性能节点的自动对准。     

具有任意有界丢包的网络控制系统的预测控制

针对离散时间线性系统,研究了从传感器到控制器、从控制器到执行器都存在任意有界数据丢包时的网络控制系统的镇定问题。通过建立包含丢包所有可能性的扩展状态空间模型,将具有数据丢包的网络控制系统的镇定问题转化为同时镇定一系列模型的鲁棒控制问题。采用公共Lyapunov方法论证闭环系统的稳定性。通过将无穷时域控制作用参数化为一个自由控制作用加一个状态反馈控制律,提出了一种新的网络预测控制器设计方法。仿真实例说明了新方法的有效性。     

基于卡尔曼滤波的在线量子态估计优化算法

针对连续弱测量中存在高斯测量噪声的问题, 提出一种基于卡尔曼滤波的在线量子状态估计的预测-修正-投影优化算法。首先,在常规在线卡尔曼滤波算法预测状态时间更新和估计状态测量更新的基础上, 通过增加对量子态的约束条件, 将其应用于在线的量子状态估计中, 将量子态在线估计问题转化为一个带有量子态约束条件的卡尔曼滤波优化问题。其次,通过将待优化问题的求解分解成两个凸优化子问题,一个是基于在线卡尔曼滤波算法求解无约束条件下的量子测量更新问题, 另一个是利用量子约束条件信息, 通过求解矩阵投影问题来获得估计状态。最后,将所提算法应用到4量子位系统状态的在线估计数值实验中, 进行了性能对比实验。实验结果表明, 所提算法具有更优的在线状态估计精度, 并且能够以更少的采样次数和耗时, 实现较高精度的量子状态在线估计。     

滚动时域估计中先验估计误差协方差阵的递归算法

对滚动时域状态估计问题中先验估计状态和相应的误差协方差矩阵的计算方法进行了讨论。给出了滚动时域估计中先验状态的估计方法,并导出了与先验滚动估计状态相一致的误差协方差矩阵的递归公式。与其它的滚动时域估计方法相比,本文给出的方法能够提高估计的精确性,具有更好的估计性能。     

网络控制系统随机鲁棒控制律设计方法

研究了具有随机网络诱导时延及数据包丢失的网络控制系统的随机鲁棒控制律设计方法.利用有限状态markov链来描述控制网络中固有的随机传输延迟和丢包过程,建立网络系统的多结构markov跳变模型.基于由蒙特卡罗估计和优化算法构成的随机鲁棒设计方法,结合保证系统均方稳定的充要条件,得到网络控制系统的随机鲁棒控制律.最后,某型无人飞行器纵向俯仰通道的网络控制仿真实例验证了该方法的有效性.     

对丢失数据包的网络控制系统的分析及最优控制

针对同时存在前向通道和反馈通道数据包丢失的离散时间系统,分别将数据包丢失作为独立的贝努利过程进行建模。通过对量化器量化水平参数的约束条件,确保状态估计在均方差意义下的稳定,并基于约束条件获得前向通道的最大丢包率的一个上界。与此同时,基于线性二次型最优控制(LQG)性能指标和状态估计,给出了具有数据包丢失的系统最优控制律,运用线性矩阵不等式(LMI)技术和二分法进行优化设计,并给出了反馈通道最大丢包率的一个优化算法。最后通过仿真实例验证了理论结果。     

基于观测器的丢包网络控制系统控制器设计

针对网络控制系统的数据包丢失(丢包)问题,提出将网络控制系统中的丢包问题看成是被控对象输入矩阵的切换问题和控制器对象输入矩阵的分别切换问题,进而将网络控制系统看成是由矩阵切换决定的切换律未知的切换系统,将丢包等效为切换系统中子系统之间的切换。采用李雅普诺夫函数方法,对每个由矩阵形式决定的子系统设计了基于观测器的状态反馈控制器。利用线性矩阵不等式(linear matrix inequalities,LMI)的可行解给出了计算状态观测器和控制器的参数化方法。最后通过仿真算例验证了该方法的有效性。     

车用自组织网络分层优化策略研究

车用自组网中,有效的分层协议可以增强网络逻辑拓扑结构的稳定性,减小通信中继花费.提出利用相邻车辆节点之间的稳定和非稳定邻居关系,构建网络分层结构,同时利用优化策略选择网络中的最优簇头集合,在保证网络具有良好负载均衡度的基础上,提高网络层次结构的稳定性.仿真数据表明,算法在分层结构的稳定性以及负载均衡度等方面均优于其他算法.     

离散粒子群社区检测算法

针对复杂网络中的社区检测问题,提出了一种基于节点影响力的离散粒子群社区检测方法。该方法以模块度密度作为目标函数,利用离散粒子群算法对其进行优化,在优化过程中提出了节点影响力的概念,其充分利用了网络中节点的相互关系检测网络中的社区结构。同时,在此基础上提出了基于节点影响力的粒子群初始化方法和粒子状态更新方法。利用人工网络数据集和真实网络数据集对所提算法进行测试,实验结果表明,所提算法具有较好的检测结果,能更好地对网络中社区进行划分。     

基于邻接信息熵的网络节点重要性识别算法

通过研究节点与其直接相邻和间接相邻节点之间的关联关系,提出了基于邻接信息熵的网络节点重要性识别算法,算法只需获取节点与其直接邻居及间接邻居间的关联关系,通过计算网络各节点的邻接度,进而计算各节点的信息熵,利用节点信息熵的大小表征节点在网络中的重要性.通过对一个基础网络、无向无权ARPA网络和加权有向ARPA网络进行实验仿真,证明该算法对不同类型网络的通用性;利用该算法对网络按节点重要性进行节点删除实验,研究网络形成子网络的数量与规模,证明了算法的准确性.     

具有时变时延和丢包的网络控制系统H∞优化控制

研究了一类存在时变时延和丢包的网络控制系统(networked control systems, NCS )的H∞优化控制问题。当网络时延和连续丢包有界时,NCS被建模为等效的具有时变时滞的系统,利用Lvapunov Krasovskii泛函和线性矩阵不等式方法,在NCS渐近稳定的基础上给出NCS状态反馈次优和最优H∞控制律的设计方法,求解时不需要使用重复迭代,设计控制器时也无须知道调节参数。仿真表明了此方法的可行性和有效性。     

基于显式拥塞指示的自适应主动队列管理算法

目前Internet网络中间节点拥塞控制问题在网络和控制理论界已获得了广泛关注.本文提出一种基于神经元自适应PID控制器的AQM算法,针对TCP/AQM系统模型,结合中间节点队列管理和显式拥塞指示机制(Explicit CongestionNotincation,ECN)机制,采用梯度学习算法来在线调整基于神经元PID的AQM控制器参数,以实现标记/丢包概率的自适应调整,从而对网络拥塞程度作出及时响应,尤其在网络参数时变的情况下仍能保证良好的动态性能,并显著改善网络的服务性能(QoS).最后通过NS-2仿真结果表明,该算法在队列稳定性、平均丢包率等性能方面要明显优于基于常规PID的AQM算法.     

基于神经网络的实时滚动追逃博弈导弹制导律

针对导弹实时滚动追逃博弈对抗双方制导律求解问题,设置了若干组对抗双方初始状态,采用分解正交配置法分别离线求解双边开环最优控制,并组成神经网络训练数据集。基于数据集将所有短周期初始和终止时刻对抗双方的状态和控制变量作为输入和输出,采用反向传播(back propagation,BP)算法训练神经网络。然后分别在简单、复杂和不确定环境下,基于滚动时域优化框架使用BP神经网络估计短优化周期内双边开环最优控制,反馈更新对抗双方状态并重复上述过程,进而实时滚动求解导弹追逃博弈双边闭环最优控制。最后将上述方法和直接法得到的优化结果进行比较,捕捉点位置和博弈时间最大误差分别为0.554%和0.097%,两种方法的优化结果吻合较好。同时本文方法计算耗时明显下降,有效提高了导弹滚动追逃博弈制导律求解的实时性。     

不确定网络化控制系统鲁棒故障检测

针对一类具有未知输入和模型不确定性的网络化控制系统,基于H_∞滤波器研究了系统的鲁棒故障检测问题.利用输入时滞方法,将含有网络传输时滞和数据丢包的不确定网络化控制系统建模成一类具有双加性状态时滞项的连续系统.采用Lyapunov-Krasovskii泛函方法分析了新系统的H_∞性能,并将所得结果应用于原系统鲁棒故障检测滤波器的设计,得到了滤波器存在的时滞依赖条件.最后,通过仿真验证了该方法的有效性.     

基于多边约束的数据融合网络定位

无线传感网络定位方法近几年来受到广泛的关注。分布式算法是传感网络定位的一个主要要求,它不仅能减小计算和通信负载,同时对络的非连通性有很好的鲁棒性,对测量噪声克服也有一个很好的实现方案。虽然多种测量技术都能实现位置估计,但都存在某些不足。数据融合是一个很好的解决方案。提出了一个数据融合的结构和模糊优化数据融合算法。对每个节点的TOA和RSS数据进行融合。仿真表明位置估计的精度能够得到显著的改进,同时算法的复杂度也得到了降低。