柯晶[1]2003年在《强跟踪状态估计与群集辨识》文中进行了进一步梳理状态估计与系统辨识是现代控制理论中两个重要的研究领域。本文对基于强跟踪滤波器和群集智能的状态估计与系统辨识问题进行了深入的研究和探讨，提出了多种有效的强跟踪状态估计与群集辨识方法。本文主要研究成果和创新如下： (1)提出了一种改进强跟踪卡尔曼滤波器(MSTKF)。通过直接改变强跟踪滤波器的多重时变渐消因子，MSTKF在卡尔曼滤波和强跟踪滤波两种工作状态之间切换。当卡尔曼滤波不能有效跟踪突变状态时，MSTKF切换为可变弱化因子的强跟踪滤波。该算法具有估计精度高、计算量小等特点。 (2)将强跟踪扩展卡尔曼滤波器算法推广到一类加性复合有色噪声干扰下的非线性时变随机系统。通过增广状态向量、线性化非线性的增广状态空间模型和采用等效量测方程，将加性复合有色噪声干扰下非线性系统的强跟踪滤波问题转化为过程与量测噪声相关情况下线性系统的强跟踪卡尔曼滤波问题。数值仿真结果显示了该方法的有效性。 (3)提出了一种非线性离散时间系统自适应函数观测器。通过引入状态变换，得到了一类降阶形式的状态估计问题。采用一种稍加修改的强跟踪滤波算法估计降阶状态向量，然后利用降阶状态向量估计非线性状态函数。给出了该观测器算法局部渐近收敛的充分条件。该观测器算法是一种具有强跟踪性质的自适应观测器，能在估计非线性状态函数的同时准确估计未知时变参数。 (4)提出了一种应用全局信息反馈的混合粒子群优化算法(HPSO)。HPSO同时采用局部模式的压缩因子方法和全局模式的惯性权重方法以获得相对较高的性能。针对粒子群优化算法可能出现的停滞现象，HPSO引入11 强跟踪状态估计与群集辨识 浙江大学博士学位论文了基于全局信息反馈的重新初始化机制。仿真结果显示了HPSO算法的有效性。 （5）将粒子群优化用于 Hammerstein和 MISO Wen。Hammersteln两类非线性系统模型的辨识。方法的基本思想是将非线性系统的辨识问题转化为非线性函数的优化问题，然后利用粒子群优化获得系统参数的最优估计。”＿数值仿真示例显示了本方法的可行性＊ …）提出了基于混合粒子群优化的时变时滞系统辨识方法。方法的实质＿是将时变动态系统的辨识问题转化为非线性函数的在线优化问题，然后利用混合粒子群优化算法获得时变参数的最优估计。通过5；入遗忘因子和充分利用己有信息，该方法可以准确估计未知时滞并且有很强的关于时变参，数的跟踪能力。－＿ ＊ 提出了一种基于粒子群优化的滚动时域非线性观测器。该观测器对＿初始条件不敏感，是一种有效的非线性系统状态估计方法＊＿ 侣）提出了一种求解连续minimax优化问题的两空间粒子群优化方法＊－仿真结果显示了该方法的有效性。此外，本文还将粒子群优化用于鲁棒＿mi山m＿估计问题并取得了较好的结果
陈杰, 方浩, 辛斌, 邓方[2]2013年在《数字化陆用武器系统中的建模、优化与控制》文中研究说明从复杂一体化武器系统的体系结构设计与优化、一体化指挥控制中的优化与决策、高速多维度运动体的参数辨识与状态估计、多智能平台的协同控制、非线性随动系统建模与控制五个方面阐述了数字化陆用武器系统中涉及的的建模、优化与控制问题,涵盖了陆用武器系统中的指挥控制、火力控制和武器平台的控制.在对五个方面的国内外研究现状进行论述与分析的基础上,指出需要进一步研究的问题和未来研究展望.
王辅天[3]2017年在《基于粒子滤波的混杂系统故障诊断》文中指出混杂系统是指既包含连续动态特性,又包含离散动态特性,而且两种动态特性相互作用的系统。一般规模比较大的自动控制系统都具有混杂特性,导致系统复杂并且可能出现多种多样的故障,为了保证系统的正常运行和安全问题,必须有高效准确的故障诊断方法;对于混杂系统这样的非线性系统,粒子滤波算法比卡尔曼滤波算法更具优势。本文研究了基于粒子滤波算法的混杂系统故障诊断问题,具体切入点为模型建立方案、混杂系统故障分类和具体故障诊断方法及其性能评定,对非线性系统故障诊断的方法进行了探究。本文所做主要工作如下:(1)分析了粒子滤波算法的粒子退化问题和重要性密度函数选择问题,比较算法SIR和UPF的优缺点,作为理论基础。针对经典的系统故障模型逻辑简单、故障人工注入单一且不具备随机性的特点,根据随机混杂系统理论,建立了随机混杂自动机(SHA)模型,模拟了更为复杂多样的故障。(2)建立了水箱水位控制系统的随机混杂自动机模型,对该系统出现的故障进行抽象、分类,总结为执行故障、观测故障、切换故障,并针对常用的模态—变量混杂系统粒子滤波估计方法难于应用在复杂逻辑模型上的特点,提出了基于粒子滤波的混杂系统切换统计故障诊断方法,并进行了验证。(3)为了能使模型表达能力更强,灵活度更高,本文引入了分层混杂系统理论,在理论的基础上给出实现分层混杂系统理论的具体建模方法,提出了上层模态和子模态的概念,且在具体建模过程中发现上层模态切换出现断层问题,提出中转模态概念和方法进行解决,完成了分层混杂自动机建模。(4)建立了混杂系统受控迁移伴随故障模型,利用SIR粒子滤波方法和平滑处理的思想方法对分层混杂系统的上层模态切换故障进行了故障诊断方法方案研究,并对其性能指标进行分析对比。采用CTCS-3级列车运行控制系统等级转换模型进行了说明验证。
参考文献：
[1]. 强跟踪状态估计与群集辨识[D]. 柯晶. 浙江大学. 2003
[2]. 数字化陆用武器系统中的建模、优化与控制[J]. 陈杰, 方浩, 辛斌, 邓方. 自动化学报. 2013
[3]. 基于粒子滤波的混杂系统故障诊断[D]. 王辅天. 北京交通大学. 2017