925 浏览基于通信协议的非线性系统分布式估计
摘要：由于传感器网络技术具有成本低廉,易于配置等特性,使得该技术在军用或民用领域得到了灵活广泛的应用。在基于传感器网络的非线性系统中,考虑到单个传感器节点元件的功率和资源有限,在对其进行状态估计时采用分布式架构,令传感器网络根据其拓扑结构处理自身和邻接节点的信息,则可以有效地降低节点间通信的成本。除此之外,采用网络通信协议可以有效缓解传感器网络系统通信时的网络拥塞现象,避免发生数据冲突。因此,针对基于网络通信协议的非线性系统分布式估计问题进行深入研究和探讨具有重要的理论意义和应用价值。本文旨在研究基于网络通信协议的非线性系统分布式估计问题,考虑了众多实际应用时可能出现的干扰现象,如一些网络化现象以及量化影响、网络系统中出现单边Lipschitz非线性干扰。同时,本文针对一些较为新颖的研究模型和研究方法进行了分析讨论,例如建立了新的模型来描述拓扑结构的随机变化问题;提出了基于部分节点测量信息的分布式滤波器模型;调整了Round-Robin协议的调度规则来适应部分测量信息不可得的节点。本文的主要内容将分为如下部分:第一部分为绪论部分,主要介绍了基于传感器网络的分布式估计、网络化现象与量化影响、网络通信协议、部分节点信息方法、随机变化拓扑的背景、意义以及国内外研究现状。第二部分研究了一类基于Round-Robin协议且具有随机发生非线性的Markov跳变系统的分布式滤波问题。其中,非线性干扰满足单边Lipschitz约束,相较于一般的Lipschitz条件更具一般性。首先,基于Lyapunov函数方法针对有界噪声和平方可加噪声分别进行均方指数有界性分析和H∞性能分析。接下来,通过求解线性矩阵不等式进行对应的基于Round-Robin协议的滤波器设计。第三部分研究了一类基于事件触发协议,具有随机拓扑结构以及测量衰减的非线性传感器网络系统的分布式H∞滤波问题。首先,提出一种随机变化的拓扑模型,传感器网络节点间的联结强度通过具有已知统计特性的随机变量来描述。接下来,利用Lyapunov函数分析法,得到增广误差系统的H∞性能分析结论。最后,通过利用矩阵分解的方法消除联结强度随机变量与滤波器增益之间的直接耦合,设计了一种基于事件触发协议的分布式H∞滤波器。第四部分研究了一类基于Round-Robin协议和部分节点信息的非线性随机系统的分布式估计问题。首先,调整了Round-Robin协议的调度规则来适应部分可测节点。然后,利用Lyapunov函数分析方法,给出了基于Round-Robin协议和部分节点信息的增广误差系统的均方指数有界性分析结果。最后,通过求解线性矩阵不等式进行分布式指数估计器的设计。第五部分研究了一类具有部分节点信息和Markov切换拓扑结构的非线性随机系统基于事件触发的分布式H∞估计问题。同时,还考虑了随机时延和随机非线性扰动对分布式估计的影响。首先,基于事件触发机制和Markov切换拓扑规则,利用Lyapunov泛函对增广误差系统进行H∞性能分析。接下来,通过凸优化问题的求解给出了分布式H∞估计器的设计方法,并且保证了增广误差系统均方指数稳定的同时满足H∞性能约束。第六部分为总结与展望,对本文主要研究内容进行总结,并对接下来需要进一步开展的科研工作进行展望。
关键词：分布式估计
文章目录
摘要
ABSTRACT
第一章 绪论
1.1 课题的背景及意义
1.2 国内外研究现状
1.2.1 基于传感器网络的分布式估计/滤波
1.2.2 网络化现象与量化影响
1.2.3 网络通信协议
1.2.4 拓扑结构的随机变化
1.2.5 部分节点信息
1.3 本文主要研究内容
1.4 符号说明
第二章 基于Round-Robin协议的单边Lipschitz非线性跳变系统分布式滤波
2.1 引言
2.2 问题描述
2.3 有界性噪声情形
2.4 平方可加性噪声情形
2.5 数值例子
2.6 本章小结
第三章 事件触发协议下具有随机变化拓扑的非线性系统分布式H_∞滤波
3.1 引言
3.2 问题描述
3.3 H_∞性能分析
3.4 分布式H_∞滤波器设计
3.5 数值例子
3.6 本章小结
第四章 基于Round-Round协议和部分节点信息的随机非线性系统分布式估计
4.1 引言
4.2 问题描述
4.3 均方指数有界性分析
4.4 分布式指数估计器设计
4.5 数值例子
4.6 本章小结
第五章 基于部分节点和Markov切换拓扑的非线性系统事件触发分布式H_∞估计
5.1 引言
5.2 问题描述
5.3 H_∞性能分析
5.4 分布式H_∞估计器设计
5.5 数值例子
5.6 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
第七章 致谢
参考文献
[1]Distributed H2/H∞ Filter Design for Discrete-Time Switched Systems[J]. Nezar M.Alyazidi,Magdi S.Mahmoud. IEEE/CAA Journal of Automatica Sinica. 2020(01)
[2]传感器网络分布式事件触发多目标估计[J]. 张玲玲,张亚. 控制理论与应用. 2020(05)
[3]工业网络系统的感知-传输-控制一体化:挑战和进展[J]. 关新平,陈彩莲,杨博,华长春,吕玲,朱善迎. 自动化学报. 2019(01)
[4]随机非线性系统基于事件触发机制的自适应神经网络控制[J]. 王桐,邱剑彬,高会军. 自动化学报. 2019(01)
[5]网络攻击环境下复杂网络系统的分布式混合触发状态估计[J]. 谭玉顺,费树岷,刘金良. 中国科学:信息科学. 2018(09)
[6]无线传感器网络下基于压缩感知的多目标分层贪婪匹配定位[J]. 游康勇,杨立山,郭文彬. 自动化学报. 2019(03)
[7]量测随机延迟下带相关乘性噪声的非线性系统分布式估计[J]. 杨衍波,潘泉,梁彦,秦月梅,杨峰. 控制理论与应用. 2016(11)
[8]基于事件触发的拓扑切换异构多智能体协同输出调节[J]. 杨若涵,张皓,严怀成. 自动化学报. 2017(03)
[9]具有传感器增益退化、随机时延和丢包的分布式融合估计器[J]. 赵国荣,韩旭,万兵,闫鑫. 自动化学报. 2016(07)
[10]单边Lipschitz非线性时滞系统的函数观测器设计[J]. 蔡秀珊,王贞芸. 控制与决策. 2015(12)
