The state estimation method of networked system based on inadequate information of the present invention can be applied to networked system under different circumstances, in which the effects of non-linearity, time delay, changing topology, random internal coupling, variation of estimator execution gain and incomplete measurement information on the state estimation performance are considered, and the system is constructed. The dynamic model and the state estimator model are used to calculate the estimation error and extend the state of the original system. The performance constraints to be satisfied by the designed estimator are given. Then the sufficient conditions to satisfy the performance requirements of the augmented system are obtained. Then the conditions are transformed into LMI forms which can solve the unknown gain parameters of the state estimator. Type. Compared with the existing design method of state estimator, the present invention can be applied to the general networked system in reality and has generality.
【技术实现步骤摘要】
基于不充分信息的网络化系统状态估计方法
本专利技术涉及网络控制
,具体涉及一种基于不充分信息的网络化系统状态估计方法。
技术介绍
网络控制系统是由通信网络组成闭环回路的空间分布式控制系统。随着网络技术的快速发展,网络化系统的应用领域越来越广泛,控制对象日益复杂,控制系统朝着更加分散化、智能化的方向发展。网络的性能不断提高,网络技术也相对成熟,网络可以使用户进行远程的数据传输及交互操作,并且其成本、布线复杂性、维护难度等大大降低。由于网络技术的种种优点,大量的研究及应用开始集中在将数据网络用于远程的工业控制及工业自动化等领域中,并且在先进飞行器、太空船、汽车、机器人、楼宇智能、远程医疗、远程教学及实验、军事指挥及生产制造等复杂控制过程的应用中取得了很大的成果。但网络的介入使控制系统的规模和复杂性显著增加,网络诱导现象也不可避免地出现,例如通信时滞、参数不确定、传感器饱和等,这些现象往往常见于实际工程应用中。所以,网络控制系统的研究具有重要的意义。状态估计问题一直是控制理论和信号处理领域的热点研究问题之一,目的是利用被估计系统的测量输出合理地估计系统的内部状态。这是因为在实际应用中,由于物理约束、技术限制或者昂贵的测量成本等原因,系统状态并不总是可直接获得的。因此,网络化系统的状态估计问题近年来受到了广泛的研究注意。提出能够适用于各种情况下的网络化系统的状态估计器设计方法就具有了重要的实际意义。
技术实现思路
针对现有技术中的缺陷,本专利技术提供一种基于不充分信息的网络化系统状态估计方法,该方法能适用于普遍网络化系统,具有一般性。本专利技术提供的基于不充分信 ...
【技术保护点】
1.一种基于不充分信息的网络化系统状态估计方法,其特征在于,具体包括以下步骤:步骤一:构建待研究的网络化系统的动态模型,所述动态模型中包含网络化系统状态,设定动态模型中函数满足的条件;步骤二:构建含有未知参数的状态估计器模型,根据状态估计器模型对所述动态模型进行状态估计,得到状态估计误差,对所述系统状态和估计误差进行增广,得到状态估计增广系统模型;步骤三:设定估计误差需满足的约束条件,得到状态估计增广系统模型满足性能要求的充分条件;步骤四:根据状态估计器存在的充分条件计算出状态估计器中的未知参数。
【技术特征摘要】
1.一种基于不充分信息的网络化系统状态估计方法,其特征在于,具体包括以下步骤:步骤一:构建待研究的网络化系统的动态模型,所述动态模型中包含网络化系统状态,设定动态模型中函数满足的条件;步骤二:构建含有未知参数的状态估计器模型,根据状态估计器模型对所述动态模型进行状态估计,得到状态估计误差,对所述系统状态和估计误差进行增广,得到状态估计增广系统模型;步骤三:设定估计误差需满足的约束条件,得到状态估计增广系统模型满足性能要求的充分条件;步骤四:根据状态估计器存在的充分条件计算出状态估计器中的未知参数。2.如权利要求1所述的基于不充分信息的网络化系统状态估计方法,其特征在于,所述待研究的网络化系统为含有马尔可夫跳参数的离散时滞神经网络系统。3.如权利要求2所述的基于不充分信息的网络化系统状态估计方法,其特征在于,构建具有马尔可夫跳参数的离散时滞神经网络系统动态模型的具体方法包括:马尔可夫链θ(k)(k≥0)在有限状态空间S={1,2,…,s}中取值,其转移概率矩阵Λ=[λij]s×s为其中,λij≥0(i,j∈S)是从模态i到模态j的转移概率,且考虑含有n个神经元的离散时间马尔可夫跳神经网络,采用以下动态方程描述:y(k)=D(θ(k))x(k)+E(θ(k))h(x(k)),(1-2)其中,x(k)=[x1(k),x2(k),…,xn(k)]T为神经状态向量;g(x(k))=[g1(x1(k)),g2(x2(k)),…,gn(xn(k))]T表示初始条件为g(0)=0的非线性激励函数;d1(θ(k))和d2(θ(k))表示离散时滞;A(θ(k))=diag{a1(θ(k)),a2(θ(k)),…,an(θ(k))}描述当某神经元与网络和外部输入断开连接时,将电位重置为孤立的静息状态的速率;Ad(θ(k))=diag{ad1(θ(k)),ad2(θ(k)),…,adn(θ(k))}为状态时滞的参数矩阵;W(θ(k))=[wij(θ(k))]n×n是连接权重矩阵;为离散时滞连接权重矩阵;y(k)为输出;h(x(k))是输出中的非线性干扰,ψ(k)为给定的初始序列,假定非线性向量值函数为连续,且对于所有x,满足下面扇形有界条件[h(x)-h(y)-Φ(x-y)]T[h(x)-h(y)-Ω(x-y)]≤0(1-3)其中Φ和Ω是合适维数的实矩阵;非线性向量值函数g(x(k))满足:‖g(x(k)+δ(k))-g(x(k))‖≤‖Bδ(k)‖(1-4)对于所有系统模态,B=diag{b1,b2,…,bn}>0为一个已知矩阵,δ(k)为一个向量。4.如权利要求3所述的基于不充分信息的网络化系统状态估计方法,其特征在于,构建含有未知参数的离散时间状态估计器模型为:其中,为估计器的状态,Ki为待设计的矩阵,ΔKi表示增益变化,具有如下范数有界乘法形式:ΔKi=KiHkF(k)Ek(1-6)其中,Hk,Ek为适当维数的已知矩阵,F(k)为满足FT(k)F(k)≤I的未知矩阵。5.如权利要求1所述的基于不充分信息的网络化系统状态估计方法,其特征在于,所述待研究的网络化系统为具有随机变化拓扑的复杂网络系统。6.如权利要求5所述的基于不充分信息的网络化系统状态估计方法,其特征在于,采用由M个耦合节点构成的随机离散时变复杂网络的模型为,其中,为第i个节点的状态向量,为第i个节点的输出,干扰输入为概率空间上的零均值高斯白噪声序列,方差为V1>0,A(k),和Mi(k)(i=1,2,…,M)为已知的具有合适维数的矩阵,随机离散时变复杂网络的外耦合配置矩阵为非零矩阵,其中W(l)=W(l)T,并满足Γ=diag{r1I,r2I,…,rnI}为内耦合矩阵,为概率空间上的高斯白噪声序列,满足δ(·,·)为克罗内克尔delta函数,即:τ(k)为描述复杂网络随机变化拓扑的随机变量,考虑序列{τ(k)}满足一个离散时间同...
【专利技术属性】
技术研发人员:董宏丽,侯男,李雪融,韩非,张勇,路阳,
申请(专利权)人:东北石油大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。