摘要: 在建模过程中，由于需要权衡考虑实际控制对象的复杂性和数学处理的简便性，模型误差是不可避免的。网络与控制系统的结合，导致时滞与测量数据丢包现象在网络化控制系统中非常普遍。模型误差、时滞与测量数据丢包的存在会导致估计性能下降和稳定性变... 展开 在建模过程中，由于需要权衡考虑实际控制对象的复杂性和数学处理的简便性，模型误差是不可避免的。网络与控制系统的结合，导致时滞与测量数据丢包现象在网络化控制系统中非常普遍。模型误差、时滞与测量数据丢包的存在会导致估计性能下降和稳定性变差，为状态估计问题的研究带来新的挑战。因此，为了获得性能更好的状态估计算法，研究一类存在时滞、测量数据丢包与确定性控制输入的离散线性不确定系统的鲁棒状态估计问题有着重要的实际意义和理论价值。 本文针对离散线性不确定系统，从以下几方面研究其存在时滞、测量数据随机丢包与确定性控制输入情形下的鲁棒状态估计问题： 1、针对一类存在确定性控制输入的离散线性系统，在考虑状态时滞及模型误差影响的情形下，研究其鲁棒状态估计问题。首先，利用状态增广法将状态时滞系统转换为一个形式上无时滞的系统；其次，基于标准Kalman滤波与正则化最小二乘问题之间的关系，引入新息过程灵敏度惩罚函数来改进正则化最小二乘问题的性能指标函数，提出一种与标准Kalman滤波器有相似迭代形式和相当计算复杂度的鲁棒状态估计算法；接着，讨论该估计器的收敛性和估计误差协方差矩阵的有界性；最后，通过几组数值仿真例子验证该算法的有效性。 2、针对一类存在确定性控制输入的离散线性系统，在考虑观测时滞及模型误差影响的情形下，研究其鲁棒状态估计问题。首先，利用状态增广法完成系统模型变换；其次，基于新息过程灵敏度惩罚的方法提出一种鲁棒状态估计算法；接着，在一定假设条件下给出该估计器诸如收敛性和有界性等稳态特性；最后，通过数值仿真例子对该估计器估计性能进行了分析对比。 3、基于上述的研究成果，讨论不确定系统同时存在观测时滞、测量数据随机丢包及确定性控制输入情形下的鲁棒状态估计问题。首先，利用状态增广法处理观测时滞，将原系统转化为一个形式上无时滞的增广系统；其次，引入一个服从伯努利分布的随机变量来描述系统测量数据随机丢包的现象；接着，基于新息过程灵敏度惩罚的方法提出一种鲁棒状态估计算法；最后，仿真结果表明该估计器具有较好的估计性能。 收起