状态空间模型和卡尔曼滤波.pptVIP

11 状态空间模型和卡尔曼滤波 11.1 状态空间模型 11.2 卡尔曼滤波 11.3 方法评价 11.1 状 态 空 间 模 型 一、状态空间模型简述 状态空间模型是动态时域模型，以隐含着的时间为自变量。状态空间模型包括两个模型：一是状态方程模型，反映动态系统在输入变量作用下在某时刻所转移到的状态；二是输出或量测方程模型，它将系统在某时刻的输出和系统的状态及输入变量联系起来。 状态空间模型分类 状态空间模型按所受影响因素的不同分为： （1）确定性状态空间模型 （2）随机性状态空间模型 状态空间模型按数值形式分为： （1）离散空间状态模型 （2）连续空间状态模型 状态空间模型按所描述的动态系统可以分为： （1）线性的与非线性的 （2）时变的与时不变的 二、系统的状态空间 离散事件随机性系统的概念是系统理论中最基本的概念。 离散事件随机性系统的状态，是指系统内部的可能运动状态和可能储能状态。系统在k=k0时刻的状态，是在kk0时以系统内部储能的积累结果，并在k=k0时以系统要素储能的方式表现出来，还将影响系统在kk0时的外部行为。 用随机向量序列来描述系统在任一时刻的状态向量，称为状态向量法，也称为状态空间法。状态向量表示为： 其中 （k=1，2，1…，n）为第i个状态向量。 三、系统的输入输出 输入输出状态概念 引入状态向量是为了对系统内部结构进行 数学描述，但在许多情况下，系统的状态是无 法直接量测到的，有时甚至全部不能量测到。 在实际工作中，能量测到的量之势系统的输入与输出。 输入输出变量表示 系统的输入也是随时间而变的一组变量，表示为： 称为输入向量，其分量 （i=1，2，…，r)称为输入变量。 输入输出变量表示 系统所受的随机干扰也是随时间而变的一组变量，表示为： 称为系统的动态模型噪声，它是系统的一种特殊输入向量。 输入输出变量表示 系统的输出也是随时间而变的一组变量，表示为： 称为输出向量，其分量 （i=1，2，…，m)称为输入变量。 输入输出变量表示 量测系统也会受到随机噪声的污染，表示为： 称为系统的量测噪声。 四、状态空间模型 状态空间模型定义 状态空间模型是描述动态系统的完整模型，它表达了由于输入引起系统内部状态的变化，并由此使输出发生的变化。 状态空间模型的不同形式 如，线性时不变模型的状态方程可表示为： 输出方程为： 五、状态空间模型的建立 例 题 ? 例 1 某养鱼场为了反映池塘鱼种的变化，请你帮助建立状态空间模型。 解答： （1）取状态向量X（k）为k时刻3个鱼种的数量： 输入向量为： （2）状态转移矩阵 式中： p1，p2，p3为鲫鱼、青鱼和鲤鱼的生长率，这里为p1=0.1，p2=0.13，p3=0.08。 （3）输入矩阵仍定为常阵 （4）输出矩阵或预测矩阵C为3×3维单位阵， 这样输出向量或量测向量就等同于状态向量，状态空间模型： 即： 11.2 卡 尔 曼 滤 波 一、卡尔曼滤波的意义 卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。 二、卡尔曼滤波的形式 模型要求 卡尔曼滤波要求模型已知。即模型的结构与参数已知，且随机向量的统计特征已知。 卡尔曼滤波分类 记 的向量函数： 为状态X（k)的估计量，分三种情况： 当kj时，称为预测； 当k=j时，称为滤波； 当kj时，称为平滑。 三、卡尔曼滤波特点 卡尔曼滤波是解决状态空间模型估计与预测的有力工具之一，它不需存储历史数据，且可以同过计算机程序到达对状态空间模型的优化拟合。 11.