线性随机系统H2滤波与H∞滤波.pdfVIP

青岛大学学报(工程技术版) V01．21 第21卷专辑 Special． 00 JU1 2 6 2006年7月 JOURNALOF Y UNIVERSlTY(E＆D QINGDAO 线性随机系统马滤波与日。滤波 张志钢1,2，王付生2，沈宏3 (1山东大学控制科学与工程学院，济南250062 z山东电力高等专科学校控制系，济南250002； ’济南市铸造锻压机械研究所，济南250022) 摘要：卡尔曼滤波技术在控制工程中得到了广泛应用。若得到较精确的系统模型，且 噪声统计特性已知的情况下，可以采用卡尔曼滤波技术得到状态的最优估计值；在噪声 统计特性未知的情形，经典卡尔曼滤波应用就会受到限制，此时可以运用日。滤波来解 决。本文给出了—％滤波与H。滤波的方法，并通过仿真分析，对二者的性能进行了对 比研究。 关键词：也滤波；H。滤波；线性随机系统：离散时间系统；Riccati方程 卡尔曼滤波技术是R．E．Kalman于1960年提出 q是适当维的时变矩阵·系统噪声“(f)∈R’是零 的基于状态空间模型的递推状态估计算法川，在之 均值的白噪声，在相同时刻是相关的，观测噪声 后近50年时间在航空航天、电力、船舶、造纸、 石油地震勘探等工程领域得到广泛应用12,51。作为最 V(f)∈R4也是零均值的白噪声，在相同时刻相关， 优控制的必要组成部分，Kalman滤波技术已经得到 人们深入广泛的研究，理论已渐趋于完善[3,41。 ．1f1．-与“(f)无关，即有下面各式成立： 经典Kalman滤波理论就是H，意义上的滤波技 术，即日，滤波，它适合处理状态噪声、观测噪声 EI(r)]=o，缸V(，)]=o， 与状态初值估计偏差都是白噪声，但仅在相同时刻 E[w(，)v7(明=0，Ⅱ“(t)ur(明=Q岛， 是相关、在不同时刻无关，且在相互之间是无关的情 町V(，)vT(明=置磊 形． Ⅳ。滤波与仃，滤波不同之处在于，它用未知的 其中．E为均值符号，上标T是转置符号。假定 具有有限能量的确定性干扰替代白噪声干扰，并保 初始观测时刻fo=0，且有 证从干扰到估计误差的能量增益小于预定的性能指 标rCr01。 虹x(o)]=0，虹x(o)，(o)]=n。 Rx(O)-与u(t)和v(r)都不相关． 1皿滤波 灯，滤波问题 基于观测量构成的线性空问 考虑离散的线性时变随机系统 qy(O)，yO)，…，y(f)}，给出当前时刻的状态估计 x(f+1)=中．4t)-1=r，u(t) 值i(，)，且使下面的性能指标最小： )，(f)=耳x(f)+V(f) (1)