基于信息融合状态估计的预测控制算法

摘要

预测控制自20世纪70年代后期提出以来，在工业控制界已经取得很多成功的应用．但由于大多数工业过程都处在噪声环境下，需要采用状态估计的方法来滤除噪声并得到系统状态的估计值和输出的预测值。本文针对线性时不变系统，当系统存在噪声干扰时，运用信息融合Kalman滤波的方法获得系统状态的估计值和输出的预测值，提出了基于信息融合状态估计的预测控制问题。主要研究内容如下： ⑴针对一类噪声环境下的线性时不变系统，研究基于最优信息融合Kalman滤波的预测控制问题．运用线性最小方差意义下的最优信息融合Kalman滤波方法获得状态估计，进而得到输出的N步超前预测值，最后通过最小化二次性能指标获得基于信息融合状态估计的控制输入，仿真实例验证了此方法的有效性。 ⑵针对一类噪声环境下的线性时不变系统，研究基于标量加权最优信息融合Kalman滤波的预测控制问题．运用线性最小方差意义下的标量加权最优信息融合稳态Kalman滤波方法滤除噪声对状态进行估计，只通过一次融合便可求得加权系数，从而避免了每时刻计算加权系数，减小了计算量．仿真实例验证了此方法的有效性。 ⑶针对一类带有干扰的线性时不变系统，研究基于标量加权快速信息融合Kalman滤波的预测控制算法．采用的快速信息融合Kalman滤波采用标量加权，减小了计算负担，并且基于ARMA新息模型求滤波增益，避免了求解稳态Riccati方程，基于Lyapunov方程求解滤波误差方差阵和协方差阵，利用迭代法可以指数收敛速度快速求解Lyapunov方程．仿真实例说明了该算法的有效性。 ⑷将信息融合理论引入到状态观测器的设计中，应用指数加权信息融合的方法将多个观测信息进行融合，得到信息融合状态观测器，并给出了信息融合状态观测器的渐近等价条件和极点配置．仿真实例说明了该算法的有效性。

目录

文摘

英文文摘

声明

第一章 绪论

§1.1 选题背景和意义

§1.2 预测控制

§1.2.1 预测控制的基本原理

§1.2.2 预测控制的算法介绍

§1.2.3 基于状态估计的预测控制

§1.3 信息融合状态估计

§1.3.1 信息融合的目的和定义

§1.3.2 信息融合的基本原理

§1.3.3 信息融合状态估计的研究现状

§1.4 论文的主要内容

第二章预备知识

§2.1 状态估计

§2.2 线性系统估计——Kalman滤波技术

§2.2.1 线性系统描述

§2.2.2 Kalman滤波算法

§2.2.3 稳态Kalman滤波

§2.3 多传感器信息融合的状态估计理论

§2.3.1 集中式信息融合系统中的状态估计

§2.3.2 分布式信息融合系统中的状态估计

第三章 基于最优信息融合Kalman滤波的预测控制

§3.1 问题描述

§3.2 最优信息融合Kalman滤波

§3.3 基于最优信息融合状态估计的预测控制算法

§3.4 仿真实例

§3.5 小结

第四章 基于标量加权信息融合稳态Kalman滤波的预测控制

§4.1 问题描述

§4.2 标量加权最优信息融合稳态Kalman滤波

§4.3 基于标量加权最优信息融合状态估计的预测控制算法

§4.4 仿真实例

§4.5 小结

第五章 基于快速信息融合Kalman滤波的预测控制

§5.1 问题描述

§5.2 快速信息融合Kalman滤波

§5.3 基于快速信息融合Kalman的预测控制算法

§5.4 仿真实例

§5.5 小结

第六章信息融合状态观测器的设计

§6.1 问题描述

§6.2 局部状态观测器

§6.3 信息融合状态观测器

§6.4 仿真实例

§6.5 小结

第七章结论与展望

§7.1 主要结果

§7.2 进一步研究的建议

致 谢

参考文献

附录 攻读硕士学位期间发表的文章目录