论文部分内容阅读
在最小距离设计准则下,提出了一种基于Monte-Carlo采样和K均值聚类的模型集合设计实现方法。通过讨论由于真实模式与模型之间的差异所可能引发的问题,提出基于UKF与模型误差的交互式多模型改进算法。新算法中每个模型采用Unscented Kalman Filter处理非线性估计问题。Monte-Carlo仿真实验表明当真实模式远离模型集合中的各模型时,新算法比IMM更具鲁棒性。并且当真实模式保持不变时,从全局角度考虑新算法比IMM优越。