事件触发机制下传感器网络全对称多胞形集员状态估计.pdfVIP

事件触发机制下传感器网络全对称多胞形集员状态

估计

摘要

传感器网络作为一种灵活便捷的通信技术已被广泛应用于系统控制领域，

基于传感器网络的动态系统状态估计问题也已成为热门的研究课题。在实际应

用中，为尽可能充分利用网络资源，同时减少数据冲突，常常引入网络通信协

议来缓解通信压力、减少时滞现象的发生。此外，由于外在环境的变化及自身

存在的不稳定因素，传感器网络也常受到噪声干扰和非线性的影响，多种因素

最终导致系统信息很难及时且准确获得，给系统状态估计带来更多的挑战。因

此，考虑系统受未知但有界噪声的干扰，基于可获得的有效测量信息，采用集

员估计的方法，寻找包含系统状态的全对称多胞形外部近似集，对于有效估计

系统状态具有重要的理论及现实意义。本文针对事件触发机制下基于传感器网

络传输的动态系统，设计分布式全对称多胞形集员状态估计器，给出有效的估

计方法，具体内容如下：

1.研究带有时滞的时变线性传感器网络全对称多胞形集员状态估计问题。

AdaptiveDynamicEvent-Triggered

首先，引入自适应动态事件触发机制（

Mechanism，ADETM），利用满足触发条件的测量值建立分布式状态估计器。

基于给出的估计误差递归表达式得到误差所在的全对称多胞形序列，且引入约

减算子降低了多胞形运算的复杂度。其次，建立估计误差增广系统，得到增广

F-

误差所在的多胞形递归表达式，基于增广误差全对称多胞形半径最小化的准

则，给出最优估计器增益矩阵的计算方法。最后，利用Matlab数值仿真验证估

计算法的可行性。

2.研究多速率时变传感器网络全对称多胞形集员状态估计问题。考虑测量

DynamicEvent-Triggered

输出中含有不确定性，引入动态事件触发机制（

MechanismDETM

，）降低数据传输频率，利用满足触发条件的测量值设计分布

式状态估计器，得到各节点估计误差的递归表达式及其全对称多胞形外部近似。

LinearMatrix

将估计误差和系统状态进行增广，利用线性矩阵不等式（

Inequalities，LMIs）给出其满足L性能的充分条件，并进一步得到估计器增益



I

矩阵计算方法。最后，建立优化问题优化估计结果，并通过Matlab数值仿真验

证估计方法的可行性。

3.研究多速率时变非线性传感器网络全对称多胞形集员状态估计问题。借

助Taylor展开处理非线性项，将非线性项的估计误差限制在全对称多胞形内，

同时引入DETM和对数量化器减少信道冗余现象的出现；利用实际接收到的测

量值设计分布式状态估计器，给出估计误差递归表达式及其所在的全对称多胞

形外部近似域。建立误差增广系统，通过LMIs给出误差增广系统满足L性能



的充分条件，进一步得到估计器增益矩阵计算方法。最后，建立优化问题优化

估计结果，并借助Matlab给出数值仿真说明估计方法的可行性。

关键词传感器网络；事件触发机制；全对称多胞形；集员状态估计；L性能



II

ZonotopicSet-MembershipStateEstimationover

SensorNetworksUnderEvent-TriggeredMechanism