【技术实现步骤摘要】
本专利技术涉及智能制造，具体涉及一种基于噪声数据的未知系统有限时域状态估计方法。
技术介绍
1、智能制造强调提高生产系统的数据采集、处理和分析能力，以及实现系统自主学习、自主决策和优化提升的无人化技术和智慧底座。在实际生产过程中，生产线通常由多个部件、设备和工序组成，其运行状态受到各种因素的影响，并且存在着一定的不确定性。因此通过利用系统模型、传感器数据和观测信息，可以推断和估计系统的内部状态，这一过程可以被建模为系统的状态估计。
2、状态估计在复杂生产线的管理和控制中具有重要意义。它能够实现生产过程的实时监测、优化调度、故障预测和质量控制，因此受到学者和企业的广泛关注和研究。常用的研究方法主要包括卡尔曼滤波，最小二乘估计以及最大后验估计等。然而，这些状态估计方法大多是基于模型的，即需要预先构建系统模型或者利用收集到的数据进行系统辨识。对于复杂系统或者大规模数据集而言，传统的物理建模方法可能变得十分困难甚至不可行，系统辨识的难度和计算量也呈现出指数级别的增长。此外，传统状态估计方法多适用于自镇定系统，而对于开环不稳定系统，仍...
【技术保护点】
1.一种基于噪声数据的未知系统有限时域状态估计方法，其特征在于，具体步骤包括：
2.根据权利要求1所述基于噪声数据的未知系统有限时域状态估计方法，其特征在于，所述离线阶段包括离线-构建数据矩阵阶段；
3.根据权利要求1所述基于噪声数据的未知系统有限时域状态估计方法，其特征在于，所述离线阶段包括离线-求解优化问题阶段；
4.根据权利要求3所述基于噪声数据的未知系统有限时域状态估计方法，其特征在于，所述离线阶段包括离线-设计控制器阶段；
5.根据权利要求4所述基于噪声数据的未知系统有限时域状态估计方法，其特征在于，所述控制增...
【技术特征摘要】
1.一种基于噪声数据的未知系统有限时域状态估计方法，其特征在于，具体步骤包括：
2.根据权利要求1所述基于噪声数据的未知系统有限时域状态估计方法，其特征在于，所述离线阶段包括离线-构建数据矩阵阶段；
3.根据权利要求1所述基于噪声数据的未知系统有限时域状态估计方法，其特征在于，所述离线阶段包括离线-求解优化问题阶段；
4.根据权利要求3所述基于噪声数据的未知系统有限时域状态估计方法，其特征在于，所述离线阶段...
【专利技术属性】
技术研发人员：王钢，王琳淇，孙健，刘文婕，李依霏，陈杰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。