非線性系統(tǒng)加權觀測融合估計算法研究
發(fā)布時間：2021-10-06 17:49
隨著現(xiàn)代控制系統(tǒng)規(guī)模不斷擴大、復雜性不斷提升,使得傳統(tǒng)感知設備以及處理方式遠遠不能滿足人們對系統(tǒng)精確、全方位認知需要的不斷增加。信息融合理論和技術在此背景下應運而生,經過幾十年的發(fā)展,線性多傳感器系統(tǒng)信息融合估計逐漸形成一套比較完善的理論體系和研究方法。但對于非線性多傳感器系統(tǒng),由于非線性環(huán)節(jié)的復雜性和不確定性,使得非線性多傳感器系統(tǒng)信息融合算法還沒有得到系統(tǒng)的解決。非線性多傳感器信息融合至今仍然是信息融合領域的主要問題和研究熱點。本文研究了非線性多傳感器系統(tǒng)的加權觀測融合估計問題,主要研究內容如下:1.針對帶有獨立噪聲的非線性多傳感器系統(tǒng),通過引入中介函數(shù),使各個觀測方程可由線性矩陣和中介函數(shù)相乘得到,再利用加權最小二乘法（Weighted Least Square,WLS）,提出了一種非線性加權觀測融合（Weighted Measurement Fusion,WMF）算法。該算法可降低集中式融合系統(tǒng)的觀測方程維數(shù),實現(xiàn)集中式融合系統(tǒng)的數(shù)據(jù)壓縮,減少后續(xù)估計等環(huán)節(jié)的計算負擔。本文通過Taylor級數(shù)構造了多項式形式的近似中介函數(shù),使該算法得以實現(xiàn)。在此基礎上,基于Taylor級數(shù)逼近...
【文章來源】：黑龍江大學黑龍江省
【文章頁數(shù)】：159 頁
【學位級別】：博士
【部分圖文】：
圖1-10分布式融合模型
第 1 章 緒論- 15 -圖1-11 混合式融合模型Fig. 1-11 Mixed fusion model1.3.5 非線性系統(tǒng)融合估計研究現(xiàn)狀基于線性模型的融合估計經過40多年的發(fā)展已經形成了一套完整的體系算法。然而大量系統(tǒng)并非是理想的線性模型，例如，絕大多數(shù)導航、目標跟蹤等系統(tǒng)的觀測方程（測量傳感器）是基于球面坐標系建立的，相對于在笛卡爾坐標系下建立的狀態(tài)方程而言，這些觀測方程是非線性的而且是強非線性的方程[88, 94]。許多學者對非線性多傳感器系統(tǒng)融合問題提出了解決方案，其中最早的也是最為常見的是集中式融合[57]。其結構簡單、融合精度高、易于實現(xiàn)，但缺點是計算量大。之后有學者以EKF為基礎，仿照線性融合方法提出了一類非線性融合方法[95-101]。這類方法都是以線性函數(shù)近似方法實現(xiàn)的，簡單有效，可以將非線性問題轉換為線性問題進行處理。但類似EKF的近似線性化方法（略去2階以上Taylor級數(shù)展開項）由于大量信息被略去
也就是說，維數(shù)保持在2 2不變。的維數(shù)將持續(xù)增加，因此隨著傳感器數(shù)目的增加顯高于 WMF-UKF 算法。0 50 100 150 200-20-1001020k/stepTure state Estimated state態(tài)狀圖3-4 WMF-UKF1的估計曲線Fig.3-4 Curve of state estimation using WMF-UKF1
【參考文獻】：
期刊論文
[1]帶相關噪聲、隨機觀測滯后和丟失的隨機不確定系統(tǒng)的最優(yōu)線性估值器[J]. 王欣,孫書利. 控制理論與應用. 2017(05)
[2]3種確定性采樣非線性濾波算法的復雜度分析[J]. 張召友,郝燕玲,吳旭. 哈爾濱工業(yè)大學學報. 2013(12)
[3]基于貝葉斯估計噪聲相關下的CKF設計[J]. 錢華明,葛磊,黃蔚,劉璇. 系統(tǒng)工程與電子技術. 2012(11)
[4]噪聲相關條件下Unscented卡爾曼濾波器設計[J]. 王小旭,趙琳,夏全喜,曹偉,李亮. 控制理論與應用. 2010(10)
[5]基于最小均方誤差估計的噪聲相關UKF設計[J]. 王小旭,趙琳,潘泉,夏全喜,洪偉. 控制與決策. 2010(09)
[6]自校正多傳感器觀測融合Kalman估值器及其收斂性分析[J]. 鄧自立,郝鋼. 控制理論與應用. 2008(05)
[7]大型復雜電力系統(tǒng)的多傳感器信息融合智能技術[J]. 王耀南. 電力科學與技術學報. 2008(02)
[8]利用多傳感器信息融合技術實現(xiàn)電子裝備的故障診斷[J]. 田慶民,王玉. 電光與控制. 2008(01)
[9]應用神經網絡信息融合診斷航空發(fā)動機故障[J]. 趙世榮,黃向華. 航空動力學報. 2008(01)
[10]多傳感器信息融合技術在液壓設備故障診斷中的應用[J]. 陳法法,程珩,楊勇. 太原理工大學學報. 2008(01)
本文編號：3420472
【文章來源】：黑龍江大學黑龍江省
【文章頁數(shù)】：159 頁
【學位級別】：博士
【部分圖文】：
圖1-10分布式融合模型
第 1 章 緒論- 15 -圖1-11 混合式融合模型Fig. 1-11 Mixed fusion model1.3.5 非線性系統(tǒng)融合估計研究現(xiàn)狀基于線性模型的融合估計經過40多年的發(fā)展已經形成了一套完整的體系算法。然而大量系統(tǒng)并非是理想的線性模型，例如，絕大多數(shù)導航、目標跟蹤等系統(tǒng)的觀測方程（測量傳感器）是基于球面坐標系建立的，相對于在笛卡爾坐標系下建立的狀態(tài)方程而言，這些觀測方程是非線性的而且是強非線性的方程[88, 94]。許多學者對非線性多傳感器系統(tǒng)融合問題提出了解決方案，其中最早的也是最為常見的是集中式融合[57]。其結構簡單、融合精度高、易于實現(xiàn)，但缺點是計算量大。之后有學者以EKF為基礎，仿照線性融合方法提出了一類非線性融合方法[95-101]。這類方法都是以線性函數(shù)近似方法實現(xiàn)的，簡單有效，可以將非線性問題轉換為線性問題進行處理。但類似EKF的近似線性化方法（略去2階以上Taylor級數(shù)展開項）由于大量信息被略去
也就是說，維數(shù)保持在2 2不變。的維數(shù)將持續(xù)增加，因此隨著傳感器數(shù)目的增加顯高于 WMF-UKF 算法。0 50 100 150 200-20-1001020k/stepTure state Estimated state態(tài)狀圖3-4 WMF-UKF1的估計曲線Fig.3-4 Curve of state estimation using WMF-UKF1
【參考文獻】：
期刊論文
[1]帶相關噪聲、隨機觀測滯后和丟失的隨機不確定系統(tǒng)的最優(yōu)線性估值器[J]. 王欣,孫書利. 控制理論與應用. 2017(05)
[2]3種確定性采樣非線性濾波算法的復雜度分析[J]. 張召友,郝燕玲,吳旭. 哈爾濱工業(yè)大學學報. 2013(12)
[3]基于貝葉斯估計噪聲相關下的CKF設計[J]. 錢華明,葛磊,黃蔚,劉璇. 系統(tǒng)工程與電子技術. 2012(11)
[4]噪聲相關條件下Unscented卡爾曼濾波器設計[J]. 王小旭,趙琳,夏全喜,曹偉,李亮. 控制理論與應用. 2010(10)
[5]基于最小均方誤差估計的噪聲相關UKF設計[J]. 王小旭,趙琳,潘泉,夏全喜,洪偉. 控制與決策. 2010(09)
[6]自校正多傳感器觀測融合Kalman估值器及其收斂性分析[J]. 鄧自立,郝鋼. 控制理論與應用. 2008(05)
[7]大型復雜電力系統(tǒng)的多傳感器信息融合智能技術[J]. 王耀南. 電力科學與技術學報. 2008(02)
[8]利用多傳感器信息融合技術實現(xiàn)電子裝備的故障診斷[J]. 田慶民,王玉. 電光與控制. 2008(01)
[9]應用神經網絡信息融合診斷航空發(fā)動機故障[J]. 趙世榮,黃向華. 航空動力學報. 2008(01)
[10]多傳感器信息融合技術在液壓設備故障診斷中的應用[J]. 陳法法,程珩,楊勇. 太原理工大學學報. 2008(01)
本文編號：3420472
本文鏈接：http://sikaile.net/kejilunwen/dianzigongchenglunwen/3420472.html
教材專著
