基于量化和攻击下的网络控制系统状态估计控制北大核心CSCD

针对存在欺骗攻击的网络控制系统,对系统状态进行估计并设计了输出反馈控制器.传感器到控制器的网络通道中存在欺骗攻击,传感器发出信号后,设计动态量化器,节省带宽资源;将欺骗攻击建模为未知有界的信号,在此基础上,提出了一种新的状态集员估计方法——椭球估计方法,得到了封闭的状态估计椭球集.将得到的状态估计椭球集参数最小化,使得估计状态近似真实状态.通过设计输出反馈控制器,得到了闭环系统渐近稳定的充分条件.最后,通过数字仿真算例验证了所提方法的有效性.     

一类不确定随机非线性系统的采样扩张状态观测器设计与观测误差的收敛性分析

实际系统中普遍存在各种干扰和不确定性因素,并且对控制系统的性能造成负面影响,因此设计对干扰和不确定性具有优异估计性能的观测器显得尤为重要.针对一类具有采样输出的不确定随机非线性系统,设计相应的采样扩张状态观测器用于在线估计不可量测状态和影响系统性能的随机总干扰.所估计的随机总干扰包含系统内部未建模动态、统计特性未知的外部有界噪声干扰以及不确定性因素的非线性耦合作用.在每个采样区间内,设计一个输出预估器用于估计实际输出,相应的输出估计值用于采样扩张状态观测器的设计.证明了所设计的采样扩张状态观测器对不可量测状态和随机总干扰的观测误差的均方收敛性.最后,一个具体仿真实例用于证实理论结果.     

不确定信号系统鲁棒观测融合Kalman预报器

对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性.     

不确定信号系统鲁棒观测融合Kalman预报器北大核心CSCD

对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性.     

基于自适应极大后验估计的空间目标运动状态确定

提出一种新的基于自适应极大后验(AMAP)估计的空间目标运动状态确定方法,致力于削弱未知干扰对状态估计的不利影响.针对带有干扰的离散时间非线性随机系统设计了AMAP估计算法,采用高斯-牛顿优化方法实现极大后验(MAP)估计,通过模式切换和加权融合强化算法的自适应能力.基于理论分析导出了状态估计均方误差(MSE)的表达式,说明所提算法能够达到优于传统扩展卡尔曼滤波(EKF)和MAP估计算法的精度.以空间目标运动状态确定系统为例,通过蒙特卡洛仿真验证了AMAP估计算法的性能优势,不同条件下的对比研究表明,所提算法具备应对未知干扰的自适应能力,能够有效提升空间目标运动状态估计精度.     

不确定多通道信号鲁棒稳态估计

对于一类具有随机参数矩阵、不确定噪声方差、一步随机时滞、丢包和丢失观测的多通道自回归(Autoregressive,AR)信号系统,文章研究其鲁棒稳态Kalman滤波问题.应用状态空间方法,增广方法和虚拟噪声技术,混合不确定AR信号模型被转换为仅带不确定噪声方差和相同过程以及观测噪声的状态空间模型.根据极大极小鲁棒估计原理,基于带不确定噪声方差保守上界的最坏情形系统,提出了鲁棒稳态Kalman一步和多步信号预报器.证明了所提出的信号预报器的鲁棒性,即对于所有容许的不确定性,信号预报器的实际稳态预报误差方差被保证有相应的最小上界.仿真例子验证了所提出方法的正确性和有效性.     

信息物理系统降阶观测器设计及传感器攻击检测

提出了一种适用于含有未知输入信号的信息物理系统降阶观测器设计方法及传感器攻击检测应用.首先,利用克罗内克积将信息物理系统描述为整体系统动态模型;然后考虑系统存在未知输入时,通过增加降阶观测器增益矩阵的约束条件,实现降阶的同时消除未知输入给系统带来的影响,再通过系统输出状态判断是否存在传感器攻击信号.最后,通过数值仿真,验证了所提降阶观测器对系统的状态估计及检测传感器攻击信号的能力,且对比仿真结果显示,所提降阶观测器性能优于全阶观测器.     

航天器逼近自由翻滚目标的自适应相对运动控制

研究含有模型不确定性且受未知外干扰的追踪航天器自主逼近空间中一自由翻滚目标的6自由度(6DOF)相对运动控制问题.首先在追踪器本体系中建立了非线性耦合的6DOF相对运动模型,并将其化为关于追踪器和目标器未知惯性参数和追踪器未知推力偏心距的参数化形式.再基于该参数化模型设计了一种自适应非线性控制器,其中利用基于投影的自适应算法保证了在线估计参数的有界性.所设计的自适应控制器不仅显著减少了系统在线估计的参数数量,且能保证6DOF闭环系统的位置和姿态误差收敛到原点的小邻域内.仿真算例验证了所提出控制器的有效性.     

基于WSN时钟同步的双迭代算法研究

采用双向消息交换机制,有效地解决了无线传感网络中的同步问题.利用非同步本地时钟的仿射模型,建立同步最大似然估计器,得到最佳一致解.但是,直接实现最大似然估计器通常是困难的,因为最大似然成本函数是高度非线性和非凸的.为了有效地获得最大似然估计器,提出一种新的双迭代算法,该算法通过搜索传感器源节点信息和时钟参数(频率偏移和相位偏移)来获得最大似然估计器.从而证明算法的收敛性,并分析了该算法对传感器及时钟参数的估计精度在低噪声条件下近似达到克拉美罗界.与已有方法相比,该算法具有计算效率更高、锚节点更少、通信开销更小等优点.     

相关噪声下多步无序量测状态估计更新算法

在多传感器系统中,由于通信时间的延迟性,常常会出现无序量测情况.为了提高估计精度,系统须对无序量测进行更新估计.状态估计更新算法是处理无序量测问题的一种有效方法.在过程噪声和量测噪声相关条件下,给出了含无序量测的传感器系统状态估计更新算法.仿真计算验证了该算法的有效性.     

一维薛定谔方程的自适应误差反馈输出调节

针对具有一般谐波干扰和输出均与控制非同位的一维薛定谔方程,研究了基于误差反馈的控制输出调节问题.首先,构造了一个辅助系统,将测量误差变为输出.紧接着,基于测量误差,设计了一个自适应观测器估计辅助系统的状态和未知参数.然后,建立了新的辅助系统,将干扰与控制变为同位,有助于设置自适应控制器,使得测量误差满足e(t)∈ L2...     

具有随机切换非线性的时滞神经网络的非脆弱状态估计

探讨了带有随机切换非线性和混合时滞的不确定神经网络的非脆弱状态估计问题.首先,给出了所研究神经网络的数学模型;其次,基于有效信息设计非脆弱状态估计器,采用范数有界不确定性刻画了状态估计器增益矩阵的摄动现象;再次,基于Lyapunov稳定性定理给出了新的线性矩阵不等式描述的稳定性条件;最后,给出了仿真实验验证所提出的状态估计算法的可行性.     

基于最优估计的数据融合理论

本文提出了一种最优加权的数据融合方法，分析了最优权值的分配原则；给出了多源信息统一的线性融合模型，使其表示不受数据类型和融合系统结构的限制，并指出在噪声协方差阵正定的前提下，线性最小方差估计融合和加权最小二乘估计融合是等价的；介绍了数据融合中的Bayes极大后验估计融合方法，给出了利用极大后验法进行传感器数据融合的一般表示公式；最后以两传感器数据融合为例，证明了利用Bayes极大后验估计进行两传感器数据融合所得到的融合状态的精度比相同条件下极大似然估计得到的精度要高，同时它们均优于任一单传感器局部估计精度。     

多传感器分布式检测和估计融合

随着科学和工业的发展,信息科学领域涌现出许多应用数学科学问题,这些问题的研究拓宽和加速了基础数学理论的研究.另一方面,基础数学理论的进展以及在信息科学领域的成功应用也促使了工业领域的蓬勃发展.数学与其他学科的相互渗透已成为当今应用数学的主要特点之一,如在2010年ICM(国际数学家大会)上有2个分别关于控制和图像科学的1小时大会报告、7个关于"Mathematical Aspects of Computer Science"的特邀报告和8个关于"Mathematics in Science and Technology"的特邀报告.多源信息融合是数学和信息科学结合的一个重要研究方向.本文主要考虑其中两类基本问题:多传感器检测融合和估计融合,主要创新点包括:(1)对一般传感器观测相关条件下的多传感器分布式检测融合系统,获得同时搜索最优传感器律和最优融合律的高效算法;(2)对失序观测、错误观测和异步观测多传感器分布式估计融合系统,给出统一的全航迹(不仅仅校正当前状态估计)全局最优估计融合公式和算法;(3)对有偏不确定系统估计融合提出极小化Euclid误差准则,并基于多传感器和多算法估计融合获得极小化Euclid误差的抗偏估计高效算法.     

基于事件触发的复杂网络系统的状态估计

为减轻网络负荷,引入了基于信息采样的事件触发机制,在此基础上研究了一类具有随机节点结构的复杂网络系统的状态估计问题,其主要目的是分析和设计可靠性的状态估计器.考虑时滞对信号传输的影响,首先给出了带有时间延迟的复杂网络系统的状态估计模型,然后通过利用李雅普诺夫泛函稳定性理论和线性矩阵不等式技术,给出了在事件触发机制下系统估计误差均方渐进稳定和状态估计器存在的充分条件,最后通过数值例子验证了该方法的有效性.     

具有未知增长率的非线性系统的一般适应控制

阐明对于一类不确定系统在适当的条件下如何设计适应输出反馈控制器.这个不确定性来源于系统的未知参数.设计了一般输出反馈控制器结合Barbalat's引理从而证明系统的所有状态全局稳定.     

多输入多输出非线性最小相位系统的自适应模糊控制

针对多输入多输出非线性最小相位系统,把自适应模糊控制和自适应模糊辨识结合起来,提出了一种自适应模糊控制方案.设计辨识器用来辨识系统的未知部分;然后由跟踪误差和辨识误差给出了参数调节规律,两种误差同时调节参数改善了系统性能.模糊逻辑系统用来估计未知函数.控制方案保证了系统的稳定性,实现了有界跟踪.仿真结果表明了该方案的可行性.     

含有未建模动态的多输入非线性串级系统的自适应控制

本文对一大类含有未知参数和未建模动态的多输入非线性串级系统,基于backstepping递推设计方法,进行了自适应控制设计,得到的参数自适应律的阶次等于未知参数的个数,故该设计是非过参数化的.当自适应控制律作用于该系统时,闭环系统的所有信号是有界的.并且给出了第一子系统的状态界的一个估计.     

通信受限下网络化系统的最优估计

研究了通信受限下网络化系统最优估计问题.由于通信受限,传感器节点无法同时将采样信息传输到远程滤波器.为此,文章提出了集中式最优估计算法和序贯式最优估计算法.前者将观测做扩维处理且具有较好的估计性能,但需要计算高维矩阵的逆,计算负担较大.后者无需计算高维矩阵的逆,具有实时性和灵活性,但损失了估计性能.这两种算法均可推广到测量丢失的情形.最后,通过一个目标跟踪的例子验证了所设计算法的有效性.     

一类非仿射非线性系统的神经网络自适应跟踪控制

考虑了一类具有零动态的非仿射非线性不确定系统的神经网络直接自适应跟踪控制问题.控制信号由神经网络系统直接产生,无需另外设计系统估计器及鲁棒控制项.采用梯度下降方法以最小化神经网络控制器与未知理想控制器的误差代价函数产生神经网络白适应参数更新律.应用Lyapunov方法证明了闭环系统的稳定性及跟踪误差和相应闭环系统的所有状态最终一致有界性.最后针对带有外部扰动的非仿射非线性系统的仿真结果验证了该文方法的有效性.