结合实验室研究方向写一篇数据融合的报告背景原理方法系统设计和实验.docVIP

基于无味卡尔曼滤波ＵＫＦ的参数估计研究 一 背景 在实际系统中，目标的状态（比如位置速度等）可通过处理多个传感器的数据进行估计，估计的很大程度取决于传感器位置/旋转的精确性，这时需要考虑数据融合问题。通过融合多个传感器的信息进行对系统参数状态的估计与预测成为系统辨识。它的作用是研究如何建立系统数学模型，随着计算机的广泛应用和迅速发展，构成现代控制理论中一个重要分支。采用辨识方法进行建模要涉及试验设计、模型结构辨识、模型参数辨识、模型检验。系统辨识的三要素包括模型集，辨识准则，辨识算法。早期的模型集通常取为最简单的线性代数形式，之后推广为多项式形式；电子技术的快速发展提供了处理复杂数值计算的能力。最早的辨识准则是高斯提出的已得到广泛应用的最小二乘准则；随着现代控制理论和统计理论的发展，又提出了最小方差准则，最大似然准则，贝叶斯准则等辨识准则；辨识理论还证明了各种辨识准则能使辨识所得数学模型更加接近于真实系统的条件。对于给定的候选模型集，根据辨识准则建立辨识方程组之后，系统辨识问题成了一个极值优化计算问题。对于线性系统，应用最小二乘准则，常可得到解析解；对于非线性系统，采用较为复杂的辨识准则，则辨识方程组成为非线性方程组，问题成了含有微分，积分方程的问题，无解析解。 系统辨识是一门通过观测系统试验过程中输入—输出关系来建立系统数学模型的技术学科。主要分为参数辨识和状态估计两类。参数辨识就是利用观测到的数据，根据辨识准则对模型中待定的参数进行估计；状态估计就是根据系统运行中测量数据对系统目前或未来的行为进行预报。参数估计和状态估计的主要区别是，参数估计中待定的系统参数不随时间变化，而状态估计得到的估计量是时间的函数，是随时间变化的。再进一步，参数辨识和状态估计在辨识中主要的差异在于是否利用状态方程。系统参数体现系统的特性，与系统是否运行，初始状态以及控制输入无关；系统的运动特性受状态方程的约束。 如果将时刻的状态矢量简单记为,根据采样时间先后构成观测矢量随机序列，记为。把使用直至第k时刻所有的观测量对第j时刻的状态进行估计，得到的估计值记为,根据j和k的关系进行分类： 当时，称作的预报； 当时，称作的滤波； 当时，称作的平滑。 根据数据处理与现场实际过程的关系，大致分为离线辨识和在线辨识两种。离线辨识也称事后处理，先将实验过程中输入—输出数据记录下来，实验结束后再进行辨识；由于时间较充裕，记录的信息一般较多，可以使用较复杂的建模问题，离线辨识主要是用以滤波和平滑。在线辨识，即在系统运行中边测量边辨识，一般将辨识结果直接用于系统控制，要求处理信息速度较快，通常采用递推算法，不断用新的测量数据修正当时的估计值。在线辨识和自适应控制比较感兴趣的是滤波和预报，在通讯、探测系统的定位跟踪、模式识别、系统控制的状态预报、状态监视和故障诊断中获得了广泛应用。 二 原理 动力学系统辨识是辨识理论在动力学系统中的应用，它建立数学模型的基础和出发点是力学定律；动力学系统辨识是动力学系统分析的逆问题，人们常把系统分析和系统辨识进行比较来理解辨识的含义。我们容易知道，系统分析就是已知系统的数学模型，研究系统对各种外作用的响应历程和表现特性。辨识就是反过来，从已经测量出的外作用和响应历程确定系统的数学模型。动力学系统辨识利用系统在试验和运行过程中测到的输入—输出数据，建立能够反映特定系统本质特性的数学模型，由于模型中基本的结构是已知的，需要辨识的主要是动力学方程组中的某些特定参数，或者是简化模型中的未确定参数。 对于系统来说，在建立动力学模型的过程中，会发现很多重要的却无法直接测量物理量，例如转动惯量，还有由于结构复杂，形状不规则，测量过程中需要拆卸实物装置等因素所造成的难以获得的物理量，如摆杆质心的距离，摆杆的质量，另外像摩擦系数这样的参数确定起来就更加困难。所以我们提出了利用系统辨识中参数辨识的方法来获得这些未知参数。 滤波算法是用来对一个系统的状态变量进行处理以实现滤波的，它依靠系统模型，输入信号及测量信号，想要得到对模型中参数的估计，需要在形式上进行一些变换。也就是将未知参数当作系统状态变量，对状态方程及输出方程做等价变换，将其转换位滤波的标准形式。 (1-1) 滤波是用来从有噪声的观测信号中估计状态的，利用它来辨识参数是基于这样的思想，如果将未知参数当作状态变量进行处理，在尽量减小状态向量真实值与测量值之间差异的同时，我们也获得了一系列收敛的常数值，这些通过辨识方法获得的常量正是我们在建模过程中所需的未知量。 三 方法 首先我们要引入一个线性系统的动态模型，可以表述为： (1-2) (1-3) 式中：是作用在上的状态