隨著系統(tǒng)規(guī)模和復(fù)雜程度的不斷增加,混合系統(tǒng)逐漸成為控制領(lǐng)域關(guān)注的重點(diǎn)。研究混合系統(tǒng)的狀態(tài)估計(jì)方法,實(shí)時(shí)獲取系統(tǒng)的離散工作模式和連續(xù)動(dòng)態(tài)行為,不僅便于識(shí)別和控制系統(tǒng),同時(shí),當(dāng)離散模式包含有故障模式時(shí),狀態(tài)估計(jì)的結(jié)果還能夠支持故障診斷和決策,因而具有重要的理論及現(xiàn)實(shí)意義。本文基于粒子濾波算法,對(duì)混合系統(tǒng)應(yīng)用背景下的若干問(wèn)題進(jìn)行了相應(yīng)的研究,主要工作如下：1.介紹了粒子濾波算法的基本原理及基于標(biāo)準(zhǔn)粒子濾波的混合系統(tǒng)狀態(tài)估計(jì)算法,并分析其應(yīng)用優(yōu)勢(shì)和存在的問(wèn)題。2.針對(duì)轉(zhuǎn)移概率低而導(dǎo)致某些離散模式?jīng)]有粒子覆蓋的問(wèn)題,設(shè)計(jì)了一種改進(jìn)的遺傳粒子濾波算法。通過(guò)分析遺傳算法與粒子濾波算法的相似性,將遺傳算子引入粒子濾波算法,用以增加粒子多樣性,使其能覆蓋所有模式。在MATLAB下的仿真實(shí)驗(yàn)表明改進(jìn)的算法能夠改善濾波精度,縮短采樣時(shí)間。3.針對(duì)轉(zhuǎn)移概率未知的混合系統(tǒng),提出了一種基于觀測(cè)值的自適應(yīng)粒子濾波算法。算法將轉(zhuǎn)移概率擴(kuò)展為系統(tǒng)參數(shù)進(jìn)行在線估計(jì),充分利用觀測(cè)值的信息對(duì)所有后繼模式進(jìn)行評(píng)價(jià),根據(jù)似然度與先驗(yàn)轉(zhuǎn)移概率的乘積確定各模式的后驗(yàn)轉(zhuǎn)移概率,并在估計(jì)過(guò)程中不斷對(duì)其進(jìn)行調(diào)整。仿真結(jié)果表明,相比于已有的... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
中文摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 合動(dòng)態(tài)系統(tǒng)狀態(tài)估計(jì)研究現(xiàn)狀
        1.2.2 基于粒子濾波的混合系統(tǒng)狀態(tài)估計(jì)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
2 粒子濾波算法基本原理
    2.1 動(dòng)態(tài)空間模型
    2.2 貝葉斯估計(jì)理論
    2.3 基本粒子濾波算法
        2.3.1 蒙特卡洛方法
        2.3.2 序貫重要性采樣(SIS)與重采樣(SIR)
        2.3.3 標(biāo)準(zhǔn)粒子濾波算法計(jì)算流程
        2.3.4 標(biāo)準(zhǔn)粒子濾波算法缺點(diǎn)及改進(jìn)
    2.4 本章小結(jié)
3 基于遺傳粒子濾波的混合系統(tǒng)狀態(tài)估計(jì)算法設(shè)計(jì)及仿真
    3.1 基于標(biāo)準(zhǔn)粒子濾波的混合系統(tǒng)狀態(tài)估計(jì)算法
        3.1.1 混合系統(tǒng)狀態(tài)空間模型
        3.1.2 混合系統(tǒng)狀態(tài)估計(jì)的PF算法
    3.2 改進(jìn)的遺傳粒子濾波算法設(shè)計(jì)
        3.2.1 遺傳算法與粒子濾波算法的相似性分析
        3.2.2 遺傳粒子濾波算法流程設(shè)計(jì)
    3.3 仿真分析
    3.4 本章小結(jié)
4 基于觀測(cè)值的自適應(yīng)粒子濾波算法設(shè)計(jì)及仿真
    4.1 轉(zhuǎn)移概率矩陣問(wèn)題分析及常用解決方法
        4.1.1 轉(zhuǎn)移概率矩陣問(wèn)題分析
        4.1.2 常用的解決方法
    4.2 基于觀測(cè)值的自適應(yīng)粒子濾波算法
        4.2.1 算法原理
        4.2.2 算法計(jì)算流程
        4.2.3 算法分析
    4.3 仿真對(duì)比
    4.4 本章小結(jié)
5 列車運(yùn)行狀態(tài)混合估計(jì)
    5.1 列車運(yùn)行混合模型
    5.2 基于觀測(cè)值的自適應(yīng)RBPF算法設(shè)計(jì)
        5.2.1 RBPF算法
        5.2.2 基于觀測(cè)值的自適應(yīng)RBPF算法
    5.3 列車運(yùn)行混合系統(tǒng)狀態(tài)估計(jì)仿真
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 主要工作與結(jié)論
    6.2 作展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3466605