【摘 要】
:
21世纪以来,随着嵌入式、摄像头、传感器技术的发展,推动了各类机器人、无人机、无人车的出现及应用。而无论是机器人的关节控制,还是无人机的位姿控制、又或者是无人车的路径规划,都需要对动态系统的状态进行估计。本文基于扩张状态观测器,对于非线性系统中存在干扰、时滞、丢包的问题,针对两类受到干扰的网络化非线性系统论述其状态估计:(1)针对系统存在状态非线性不确定时滞、输出有界非线性时滞及输入信号缺失的问题
论文部分内容阅读
21世纪以来,随着嵌入式、摄像头、传感器技术的发展,推动了各类机器人、无人机、无人车的出现及应用。而无论是机器人的关节控制,还是无人机的位姿控制、又或者是无人车的路径规划,都需要对动态系统的状态进行估计。本文基于扩张状态观测器,对于非线性系统中存在干扰、时滞、丢包的问题,针对两类受到干扰的网络化非线性系统论述其状态估计:(1)针对系统存在状态非线性不确定时滞、输出有界非线性时滞及输入信号缺失的问题,设计增广系统和网络化输入信号传输机制,对系统状态、测量存在的非线性时滞数据及存在丢包的输入信号进行处理。在状态估计时,首先设计扩张状态估计器对目标系统状态做出预测、设计增广误差估计系统获取所设计估计器的预测误差信息、设计多通道网络化信息传输机制确保系统稳定可控;而后,基于预测误差信息,设计目标状态最优一步更新误差协方差的黎卡堤不等式及其对应的最优估计器增益,根据最优增益,结合测量数据对目标系统状态数据进行修正;最后,通过舒尔补定理,分析所设计估计器的稳定性。此类状态估计算法,既可以处理系统中存在时滞数据,又使用扩张状态估计器确保了状态估计的准确性,同时优化了系统的能控性。(2)针对分布式传感器网络中传感器测量数据缺失及测量数据有界非线性的问题,设计分布式状态估计系统。基于扩张状态卡尔曼滤波设计多传感器局部估计器,同时收集存储自身周围所有传感器的测量数据。当传感器测量到目标状态数据时,传感器将测量数据传输至局部估计器,局部估计器分配存储空间储存该传感器数据;当传感器未测量到目标状态数据时,传感器不再将测量数据传输至局部估计器,局部估计器分配存储空间并储存0数据。而后,局部估计器根据采集到的传感器测量数据集合,基于扩张状态卡尔曼滤波进行状态估计更新。最后,融合估计器根据多个局部估计器的数据进行优化,最终准确获得目标系统状态信息。最后,通过MATLAB工具对本文所述两类系统进行建模仿真,测试两种状态估计算法针对两类目标系统的状态跟踪效果,并通过误差的收敛性进一步分析。
其他文献
人们对建筑环境日益增长的需求促进了建筑智能化和建筑自动化系统的快速发展,楼宇自动化和控制网络(BACnet)协议是楼宇自动化领域中使用最广泛的协议之一。为了满足更为迫切的互联互通需求,BACnet/IP协议在BACnet标准中定义了一个可选的且前景可观的安全性体系结构。随着BACnet/IP技术的应用,楼宇网络可以通过高速以太网实现更广泛更经济的异构网络互连。但在市场环境中,由于各大楼宇厂商往往倾
作为方便个人使用及保护隐私的手机配套产品,耳机已经成为人们日常生活中的通用电子产品。随着居民消费力的提高,消费者对耳机的数量及质量需求正逐步提高,这对耳机的生产质量及效率提出了新的要求。在耳机制造过程中,必须对耳机进行调音网纸的粘贴,以便后续工序对耳机的音质调节。当前工业现场调音网纸粘大多采取手工拾取粘贴。该方式因人工操作会导致调音网纸粘贴位置出现偏差,影响耳机调音孔透气量,进而影响耳机音质等级。
在旋转设备故障诊断领域,通常会遇到数据非均衡的问题,即故障数据的数量特别是灾难性故障数据或意外的机械故障很少,而正常状态数据的数量非常大。当常用的基于数据驱动的故障诊断方法对非均衡数据实现预测后,得到的是结果往往是多数类样本的预测精度很高,而少数类的精度则会很低,这样的预测能力将会产生致命的后果。比如在工业领域,如果将旋转设备的故障状态误诊为正常状态,则可能会造成严重的经济损失甚至人员伤亡。因此,
在这个计算机技术不断更新换代的时代,人们给计算机赋予了视觉的功能,用以代替人眼进行观测。未来几年机器视觉在工业领域的应用将会越来越广泛,尤其是耗费大量人力的人工检测流程,在工业领域使用机器视觉能够提升产品质量、提高检测速度等。在硅钢片焊缝缺陷检测流程中,采用人工检测的方式容易受到检测人员疲劳和身心健康的影响,同时人工检测比较耗时,每一次的检测标准又无法统一,因此使用自动化检测系统来代替人工检测已经
随着一批新产业新技术的发展,例如5g通信技术的兴起,对高品质注塑产品的需求也与日俱增。注塑业是标准的离散型制造业,完整的产业链包括原料的生产、运输、储存,再到注塑工厂生产成型件。而原料的质量是影响注塑成品质量的关键因素,所以加强对注塑原料质量检测是非常必要的。注塑原料的检测是一项系统的工作,检测手段包括目视、量测及试生产。其中目视主要针对注塑原料的表面缺陷及尺寸缺陷,但是传统的人工目视存在诸多缺点
在信息爆炸式激增的大数据时代,字典学习模型受到广泛地关注,且已被成功地应用于信号后续处理的各个领域,比如图像处理、图像融合、视频关键帧提取等。现有的字典学习算法主要基于0L稀疏范数、凸松弛1L稀疏范数约束字典学习模型。0L稀疏范数的不连续性会导致其优化求解极具复杂性。此外,由于1L稀疏范数是0L范数的凸松弛近似,其约束的字典学习存在稀疏度弱、估测值偏差较大等问题。因此,针对现有基于0L稀疏范数和1
网络化系统是计算机、通信和控制快速发展以及相互作用的产物,相比于传统的控制方案,网络化系统的模式结构更为复杂,空间分布更为广泛,性能更加优异。网络化系统是实时系统,主要分为被控对象、传感器、控制器和执行器四个部分,其信息传输通过网络建立连接。网络化系统具有成本低、安装和维护简单、可靠性高等优点,是其能够在多个领域广泛应用的重要因素。然而,通信网络的引入使得系统在信息交流过程中,通常会出现带宽受限、
当今信息化时代中,社会各个领域所产生的数据呈现井喷式增长,如何在海量且复杂的数据中挖掘出潜在具有价值的信息已经成为了一个相当热门的研究课题,Kmeans算法作为数据挖掘中常用的聚类算法,其算法原理简单且有着比较高效和准确的聚类效果,然而该算法在处理大规模数据时迭代速度较慢,同时初始聚簇中心选取也会对聚类结果产生较大影响;其次面对海量数据的挑战,单机运行的K-means算法也已经不能满足日益增长数据
随着大数据和云计算的不断发展,智能制造将成为未来制造业发展的主题方向。越来越多的传统制造业企业注重设备之间的互联和数据分析,通过将自身的传统信息技术与互联网、大数据相结合,推动企业各个方面智能化发展,让企业在市场上处于领跑地位。在传统的家电领域中,不仅要使家电产品自身智能化,而且也要把智能知识不断融入到家电产品的生产和销售过程中,从而实现制造过程智能化和销售过程智能化,提高家电产品的质量。随着智能
随着无线设备和移动终端的普及,快速地带动了定位领域的研究和发展。由于现代大型建筑物规模化的不断建设,人们在室内活动随时需要了解自己的位置信息,因此对室内定位的需求也随之提高。其中,WiFi定位技术凭借着低成本、易部署的优势成为室内定位的主流研究方向。然而,基于传统采集方式构建WiFi指纹地图的效率较低,需要花费大量的时间成本和人力成本。为解决这一问题,本文引入众包的概念,提出通过众包采集的方式实现