【技术实现步骤摘要】
一种具有随机发生耦合的复杂网络优化估计方法
本专利技术涉及具有随机耦合复杂网络优化估计方法。
技术介绍
复杂网络的状态估计是控制系统中一种重要的研究问题，在工程、电网、社交网络等领域的信号估计任务中获得广泛应用。当网络发生拥堵时常常会导致测量丢失现象的发生，此外在实际应用中，由于网络转换造成节点间耦合的随机发生现象。因此，设计同时适用于这些网络诱导现象的状态估计方法是十分有必要的，尤其是当随机发生耦合的概率为不确定的情形；目前现有的状态估计方法不能同时处理具有测量丢失现象和不准确发生概率的随机发生耦合的时滞复杂网络，导致估计性能准确率低；现有的状态估计方法存在传输数据丢失、传输失败、耦合节点无法接收到其他节点信息的情况时，导致估计性能准确率低。
技术实现思路
本专利技术解决了现有状态估计方法不能同时处理具有测量丢失现象和不准确发生概率的随机发生耦合的时滞复杂网络，导致估计性能准确率低，以及存在传输数据丢失、传输失败、耦合节点无法接收到其他节点信息同时发生的情况下，导致估计性能准确率低的问题，而提出一种具有随机发生耦合的复杂网络优化估计方法。一种具有随机发生耦合的复杂网...
【技术保护点】
1.一种具有随机发生耦合的复杂网络优化估计方法，其特征在于：所述方法具体过程为：步骤一、建立随机发生耦合时滞复杂网络动态模型；步骤二、事件触发协议下对步骤一建立的随机发生耦合时滞复杂网络动态模型进行状态估计；步骤三、计算复杂网络的每一个节点i的状态估计的一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、根据步骤三获得的一步预测误差协方差矩阵上界∑i,k+1|k，计算复杂网络的每个节点的估计增益矩阵Ki,k+1；步骤五、将步骤四中获得的每个节点的估计增益矩阵Ki,k+1代入步骤二，得到第i个节点在第k+1时刻的状态估计
【技术特征摘要】
1.一种具有随机发生耦合的复杂网络优化估计方法，其特征在于：所述方法具体过程为：步骤一、建立随机发生耦合时滞复杂网络动态模型；步骤二、事件触发协议下对步骤一建立的随机发生耦合时滞复杂网络动态模型进行状态估计；步骤三、计算复杂网络的每一个节点i的状态估计的一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、根据步骤三获得的一步预测误差协方差矩阵上界∑i,k+1|k，计算复杂网络的每个节点的估计增益矩阵Ki,k+1；步骤五、将步骤四中获得的每个节点的估计增益矩阵Ki,k+1代入步骤二，得到第i个节点在第k+1时刻的状态估计判断k+1是否达到复杂网络总时长M，若k+1＜M，则执行步骤六，若k+1＝M，则结束；步骤六、根据步骤四中计算出的复杂网络的每个节点的估计增益矩阵Ki,k+1，计算出复杂网络的每个节点的估计误差协方差矩阵上界Σi,k+1|k+1；另k＝k+1，执行步骤二，直至满足k+1＝M。2.根据权利要求1所述一种具有随机发生耦合的复杂网络优化估计方法，其特征在于：所述步骤一中建立随机发生耦合时滞复杂网络动态模型；随机发生耦合时滞复杂网络动态模型的状态空间形式为：yi,k＝λi,kCi,kxi,k+νi,k,i＝1,2,…,N,(2)式中，分别为复杂网络的第i个节点在第k，k+1与k-d时刻的状态变量；d为网络时滞；为复杂网络动态模型的状态的实数域，n为维数；xj,k为复杂网络的第j个节点在第k时刻的状态变量；为第i个节点在第k时刻的测量输出；为复杂网络动态模型输出的实数域，p为维数；是第i个节点在第k时刻的初始值，k＝-d,-d+1,…,0；Γ是连接矩阵；wij为第i个节点和第j个节点的耦合权重；是均值为零方差为Qi,k的过程噪声，为复杂网络动态模型过程噪声的实数域，q为维数；是均值为零方差为Ri,k的测量噪声；N为复杂网络的节点个数；Ai,k为系统矩阵，Bi,k为噪声分布矩阵，Ci,k为k时刻的测量矩阵，为已知维数的且与时滞k-d相关的系统矩阵；γi,k与λi,k均为服从伯努利分布的随机变量，分别刻画随机耦合现象与测量丢失现象，并满足以下条件：其中，γi,k+1、λi,k+1均为服从伯努利分布的随机变量，分别刻画随机耦合现象与测量丢失现象，为第i个节点在k+1时刻的随机发生耦合的期望概率；为第i个节点在k+1时刻的测量丢失概率；与的取值范围为(0,1)，Δγi,k＝1刻画概率的不准确性；Prob{}为概率，为期望。3.根据权利要求2所述一种具有随机发生耦合的复杂网络优化估计方法，其特征在于：所述步骤二中事件触发协议下对步骤一建立的随机发生耦合时滞复杂网...
【专利技术属性】
技术研发人员：胡军，张红旭，武志辉，刘凤秋，张昌露，
申请(专利权)人：哈尔滨理工大学，
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。