現(xiàn)代工業(yè)的快速發(fā)展致使控制系統(tǒng)的規(guī)模和復(fù)雜度不斷增加,因此對(duì)系統(tǒng)的可靠性和安全性的要求也越來(lái)越高。而實(shí)現(xiàn)智能控制和監(jiān)測(cè)等功能的關(guān)鍵和基礎(chǔ)是系統(tǒng)狀態(tài)的準(zhǔn)確性。現(xiàn)有的狀態(tài)估計(jì)與監(jiān)測(cè)策略大多是在高斯噪聲假設(shè)下構(gòu)建的,且噪聲參數(shù)已知。由于系統(tǒng)本身、環(huán)境等影響,實(shí)際過(guò)程數(shù)據(jù)往往會(huì)出現(xiàn)異常值等不確定因素,使得傳統(tǒng)的狀態(tài)估計(jì)方法,如卡爾曼濾波等,產(chǎn)生較大的偏差,影響狀態(tài)估計(jì)精度,從而降低后續(xù)的監(jiān)測(cè)性能。本文主要考慮隨機(jī)系統(tǒng)中不同噪聲分布及其參數(shù)未知的情況,對(duì)此類系統(tǒng)的狀態(tài)估計(jì)和監(jiān)測(cè)問(wèn)題進(jìn)行了深入的研究和探討。本文的主要研究工作包括以下幾個(gè)方面:1.考慮線性系統(tǒng)中觀測(cè)噪聲具有不對(duì)稱性且存在異常值時(shí)的狀態(tài)估計(jì)問(wèn)題。使用具有不對(duì)稱性和厚尾性的傾斜t分布對(duì)觀測(cè)噪聲進(jìn)行建模,并提出一個(gè)魯棒濾波器算法。該算法通過(guò)變分貝葉斯推論,可以同時(shí)估計(jì)出系統(tǒng)狀態(tài)和未知的噪聲參數(shù);同時(shí)運(yùn)用一個(gè)啟發(fā)式模型,讓學(xué)習(xí)到的噪聲參數(shù)可以跟蹤上時(shí)變的觀測(cè)噪聲參數(shù)。通過(guò)一個(gè)仿真例子和混合水箱實(shí)驗(yàn),說(shuō)明了所提算法的有效性。2.針對(duì)實(shí)際應(yīng)用中異常值存在的情況,將可以處理異常值的t濾波器擴(kuò)展到分布式系統(tǒng)的狀態(tài)估計(jì)中。通過(guò)假設(shè)系統(tǒng)的過(guò)程噪聲和觀測(cè)... 

【文章來(lái)源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：112 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 一般狀態(tài)估計(jì)算法
        1.2.2 考慮噪聲分布特性的狀態(tài)估計(jì)算法
        1.2.3 基于狀態(tài)估計(jì)的監(jiān)測(cè)算法
    1.3 預(yù)備知識(shí)與算法
        1.3.1 貝葉斯估計(jì)
        1.3.2 卡爾曼濾波
        1.3.3 變分貝葉斯方法
    1.4 本文主要研究?jī)?nèi)容
第二章 帶有不對(duì)稱觀測(cè)噪聲的魯棒濾波器設(shè)計(jì)
    2.1 引言
    2.2 系統(tǒng)描述
    2.3 基于傾斜t分布的分層模型
    2.4 帶有傾斜t分布觀測(cè)噪聲的魯棒濾波器設(shè)計(jì)
    2.5 仿真實(shí)驗(yàn)
        2.5.1 數(shù)值仿真
        2.5.2 混合水箱實(shí)驗(yàn)
    2.6 本章小結(jié)
第三章 帶有厚尾噪聲的分布式t濾波算法
    3.1 引言
    3.2 系統(tǒng)描述
    3.3 分布式卡爾曼濾波算法描述
    3.4 基于t分布噪聲的分布式t濾波算法設(shè)計(jì)
    3.5 帶有反饋的分布式t濾波算法
    3.6 仿真實(shí)驗(yàn)
        3.6.1 數(shù)值例子
        3.6.2 Two-CSTR仿真
    3.7 本章小結(jié)
第四章 含有異常值的傳感器故障檢測(cè)與診斷
    4.1 引言
    4.2 系統(tǒng)描述
    4.3 帶有t分布觀測(cè)噪聲的魯棒濾波器設(shè)計(jì)
        4.3.1 噪聲參數(shù)的先驗(yàn)分布選擇
        4.3.2 基于變分貝葉斯的后驗(yàn)更新
    4.4 基于魯棒濾波器的故障檢測(cè)與診斷
        4.4.1 傳感器故障檢測(cè)
        4.4.2 傳感器故障診斷
    4.5 仿真實(shí)驗(yàn)
        4.5.1 數(shù)值例子
        4.5.2 Two-CSTR仿真
    4.6 本章小結(jié)
第五章 基于概率框架的傳感器故障估計(jì)
    5.1 引言
    5.2 系統(tǒng)描述
    5.3 帶有已知噪聲參數(shù)的故障濾波器設(shè)計(jì)
        5.3.1 傳感器故障建模
        5.3.2 基于變分貝葉斯方法的后驗(yàn)更新
        5.3.3 算法分析
    5.4 帶有未知噪聲參數(shù)的故障濾波器設(shè)計(jì)
        5.4.1 帶有未知噪聲參數(shù)的傳感器故障建模
        5.4.2 基于變分貝葉斯的后驗(yàn)更新
        5.4.3 算法分析
    5.5 仿真實(shí)驗(yàn)
        5.5.1 數(shù)值例子
        5.5.2 混合水箱實(shí)驗(yàn)
    5.6 本章小結(jié)
第六章 主要結(jié)論與展望
    6.1 主要結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
附錄:攻讀博士期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]帶有色厚尾量測(cè)噪聲的魯棒高斯近似濾波器和平滑器[J]. 黃玉龍,張勇剛,武哲民,李寧,王剛.  自動(dòng)化學(xué)報(bào). 2017(01)

博士論文
[1]量測(cè)與參數(shù)不確定系統(tǒng)魯棒粒子濾波狀態(tài)估計(jì)與故障診斷研究[D]. 朱志亮.湖南大學(xué) 2018
[2]不完備信息集下隨機(jī)跳變系統(tǒng)的狀態(tài)遞歸估計(jì)[D]. 趙順毅.江南大學(xué) 2015



本文編號(hào)：2959071