【摘 要】
：
网络控制系统的概念最早由G.C.Walsh提出,通常是指传感器、控制器、执行器和通信网络在一定区域内的集合。随着网络的加入,使得控制系统中传感器与控制器间以及控制器与执行器的通信往往会产生丢包或者数据延迟现象,从而恶化系统性能,甚至导致系统的不稳定,因此,越来越多的控制学者致力于设计更加优化的估计器用于解决含丢包或者含时滞系统的未知输入及状态同时估计问题。本文将进一步提出有效的技术和理论分析方案,
论文部分内容阅读
网络控制系统的概念最早由G.C.Walsh提出,通常是指传感器、控制器、执行器和通信网络在一定区域内的集合。随着网络的加入,使得控制系统中传感器与控制器间以及控制器与执行器的通信往往会产生丢包或者数据延迟现象,从而恶化系统性能,甚至导致系统的不稳定,因此,越来越多的控制学者致力于设计更加优化的估计器用于解决含丢包或者含时滞系统的未知输入及状态同时估计问题。本文将进一步提出有效的技术和理论分析方案,针对含丢包和未知输入的网络控制系统,根据丢包的统计特性能否获得分别设计线性最小均方误差估计器和状态及未知输入同时估计器。另外,针对含时滞和未知输入的网络控制系统,基于状态扩维法通过求解线性矩阵不等式得到状态观测器和未知输入估计器。本文主要研究内容如下:（1）针对含丢包的网络控制系统状态及未知输入同时估计问题,根据丢包的统计特性能否获取设计两种不同的解决方案。第一种方案是基于丢包的统计特性,首先将丢包过程建模为独立同分布的伯努利随机过程,然后通过求解一个黎卡提方程得到线性最小均方误差估计器;另一种解决方案是针对丢包统计特性难以获得的情况,首先将丢包看作任何先验条件均未知的未知输入,进而实现了丢包估计问题向未知输入估计问题的转换,然后基于无偏最小方差理论设计状态及未知输入同时估计器,其中利用最小二乘法并结合新息分析获得未知输入估计器,利用卡尔曼滤波估计原理设计状态估计器。最后,本文通过MATLAB仿真实验验证了两种情况下设计的估计器均能够非常有效地追踪系统的真实状态。（2）针对含时滞的网络控制系统的状态及未知输入同时估计问题,首先利用状态扩维方法将时滞系统转换为无时滞的新系统,然后在未知输入和噪声均有界的前提下,利用线性矩阵不等式设计了未知输入观测器,并给出了其存在的充要条件。在得到状态估计的基础上,进一步设计了未知输入估计器,并分析了动态误差系统的稳定性。最后,通过仿真实验对所提出算法的有效性进行了验证。
其他文献
生物识别技术作为一种新型的身份认证技术,广泛地应用于访问控制和权限管理的领域。目前生物识别的研究更多关注于识别的准确性和高效性,往往忽视了生物特征信息的隐私保护。由于生物特征模板具有唯一性、不可撤销性且与身份隐私信息密切相关,在生物认证过程中容易引起攻击者的窃取、伪造甚至假冒用户身份访问系统的在线资源,导致严重的隐私泄露风险。基于现有的椭圆曲线加密算法（Elliptic Curve Cryptog
随着城镇基础设施的完善,公共场所也逐渐增多。因此,公共场所内的群体安全问题也逐渐受到人们的重视。当意外情况发生时,处于危险中的人群在缺乏正确引导的情况下可能会产生严重的恐慌情绪,在盲目的逃生中相互拥挤进而引发踩踏事故会造成重大伤亡。因此,如何在意外情况下减小踩踏事故的发生概率是一个亟需解决的问题。计算机仿真技术可以模拟疏散过程并为意外情况下的人群疏散提供决策支持。因此,人群疏散仿真技术在解决紧急情
癫痫是由大脑中枢神经元异常放电引起的神经系统疾病。当癫痫发作时,病人会突然失去意识并全身抽搐,若不及时采取抢救措施,则会危及生命。随着医疗设备的进步与机器学习的快速发展,基于脑电图（Electroencephalogram,EEG）的癫痫自动检测方案逐渐替代了传统的人工诊断。最新的神经医学研究表明,大脑不同区域之间存在着相互影响机制。现有的癫痫检测算法考虑了多通道脑电信号时间维度层面的特征,但忽略
由于在军事、航天、农业、工业等领域的重要应用,自动化和智能化的控制理论一直受到各国的广泛重视。然而,随着各行各业对控制系统性能要求的不断提高,传统的线性反馈控制已经很难满足各种实际的控制需求,其原因是大多数实际控制系统本质上是非线性的,例如质量-弹簧-阻尼器系统,航空航天系统,机器人系统等。另外,许多实时应用平台需要严格的时间调度来限制控件的响应时间,例如一个机器人必须在每一个指定的时间内到达一个
在信息化时代,数据信息呈现出爆炸式增长的趋势,进而产生了具有多种特征描述的多视图数据。面对海量数据,如何有效的将数据按照相似性进行分类以减少数据的杂乱程度,以便更好的帮助学者分析和利用数据的潜在价值显得尤为重要。多视图聚类方法能够从不同的角度描述数据的特征,有效揭示数据的内部结构,通常具有比单视图聚类方法更优的聚类性能,因此其在多视图数据分析中的应用越来越广泛。目前,子空间聚类在处理多视图数据聚类
随着深度学习技术的不断发展,卷积神经网络被广泛应用于很多科研领域,深度学习技术已成为解决计算机视觉领域问题的有效手段之一。当前,目标检测在智能视频监控、机器人导航、航空航天等领域中发挥着较大的作用,被研究者广泛关注。大数据时代的到来,数据量呈指数级增加,同时图形处理器（GPU）等硬件设施的更新迭代带动了目标检测算法的快速发展。Logo检测作为目标检测的一个分支,从图像中检测出Logo是确定品牌最具
伴随机器视觉技术在农机装备、智慧农业等领域中的不断创新,农业基础与核心技术也在随之快速夯实与突破,加速推动农业的自动化与智能化进程。其中,目标果实的精准、高效识别在智能采摘、生长监测、产量预估等农业生产环节中扮演着重要角色,是实现农业自动化作业的基本保障。然而在自然环境下,果园呈现复杂化、非结构化等特点,非常规姿态果实、多光照环境、多角度机位采集等因素均制约着果实的识别效果,绿色果实受同色系枝叶背
近年来,图像语义分割已经广泛应用在诸多领域,随着软硬件的升级和应用的扩展,对于分割精度的要求越来越高。室内场景呈现出环境多变、光照不均、物体间关系复杂等特点,仅仅依赖包含颜色信息的RGB图像难以对室内场景进行精准分割。采集室内场景的RGB-D图像,引入深度图像的空间信息,作为RGB图像的互补信息,可以有效改善物体易受复杂环境干扰的问题,提升语义分割的精度。其中RGB图像用以描述物体的颜色信息,深度
随着多媒体技术的蓬勃发展以及电子设备的普及,使用扫描仪、手机、相机、监控、行车记录仪等设备获取的文本图像的数量迎来爆炸式增长。如何精准地识别图像中的文本已经成为重要的研究课题。文本识别技术主要对扫描文档图像和场景文本图像进行识别。近年来,基于深度学习的场景文本识别技术取得了巨大的进步,能够同时应对扫描文档和场景文本的识别。然而,在反光的交通指示牌、磨损的路面标识、污损的集装箱编号、被印章遮盖的文件
在人口老龄化趋势日益加剧及老年人对高质量养老生活的需求日益增长的背景下，老年人对酒店的产品及服务提出了特殊要求，但我国酒店业现有的产品及服务无法满足日益旺盛的老年群体消费需求。通过问卷调查、深度访谈等研究方法调查酒店业老年消费群体需求以及酒店适老化产品供给情况，能够在供给侧结构性改革的视角下提出相应建议，探索酒店的适老化发展策略，为酒店业的创新发展提供参考。