多传感器时滞系统的信息融合算法研究-控制理论与控制工程专业论文.docxVIP

A Dissertation Submitted to Shanghai Jiao Tong University for the Degree of Master Information Fusion for Multi-sensor Time-delayed System Author：Song Lin Specialty: Control Theory and Control Engineering Advisor : Prof. Cai Yunze School of Electronics and Electric Engineering Shanghai Jiao Tong University Shanghai, P. R. China January , 2010 上海交通大学工学硕士学位论文摘要 上海交通大学工学硕士学位论文 摘要 第 第 I 页 多传感器时滞系统的信息融合算法研究 摘 要 在实际系统中，总是不可避免地出现时滞现象，即事物的运动规律不仅依赖于 当前的状态，而且还依赖于事物的过去状态。时滞系统有着很强的应用背景，广泛 存在于社会生活的各个领域，如生物、生态、化工、机械、人口动态、网络传输、 计算机信息与数据传输等等。同时随着传感器技术、通信技术的发展，控制系统中 越来越多的引入网络，其为传感器分布较广，运行环境复杂或存在危险性的系统控 制提供了方便。然而，这些系统一个共同特点是在整个数据传输中存在着大量的噪 声、和数据损失。这些因素使得依靠单传感器提供的信息很难满足状态估计精度要 求，采用多传感器量测数据能提高状态估计的精度，进而减少在信息处理中可能出 现的失误。 本文针对多传感器时滞系统，研究测量数据发生丢失情况下的的信息融合算 法。首先介绍了在实际系统中应用广泛的滤波方法及常见的信息融合结构，详细阐 述了分布式和集中式最优融合算法并对其性能进行了比较分析；在此基础上提出了 基于卡尔曼滤波和 H ??滤波的信息融合算法。 本文研究工作主要集中在两个方面：1）基于卡尔曼滤波理论，为存在测量数 据发生丢失的多传感器时滞系统设计修正卡尔曼滤波器。并在此基础上讨论数据丢 失对滤波系统稳定性的影响。随后采用按矩阵加权，按对角阵加权，按标量加权技 术，设计分布式加权融合估计算法，并且给出了任意两个传感器之间的滤波误差互 协方差阵的计算公式。与基于单传感器的局部估计相比，分布式融合估计具有更高 的精度；2）针对测量数据发生丢失的多传感器时滞系统，通过状态增广，利用 Lyapunov 稳定性和线性矩阵不等式（LMI）方法，给出满足滤波误差系统稳定和 H ? 性能指标的充分条件及鲁棒滤波器的设计方法，利用最小方差融合估计算法将各传 第 第 II 页 感器的鲁棒滤波数据进行融合，通过仿真分析验证融合算法的有效性。 关键词： 多传感器时滞系统，卡尔曼滤波， H ??滤波，信息融合，数据丢失 上海交通大学工学硕士学位论文ABS 上海交通大学工学硕士学位论文 ABSTRACT 第 第 PAGE VI 页 Research on Convergence of Dynamic Network Based on Vicsek Model ABSTRACT In practice, systems are always under time delay. That means the state of system is not only depends on the current state, but also depends on the previous states. The application of time-delay system has a very strong background in all areas of our life, such as biological, ecological, chemical, mechanical, population dynamics, network transmission, computer information and data transmission and so on. At the same time as the development of multi-sensor technology, communication technology, an increasing number of networks are introduced into control systems, which enables sensors distribute into a complex or dangerous op