收藏本站
《浙江大学》 2003年
收藏 | 手机打开
二维码
手机客户端打开本文

强跟踪状态估计与群集辨识

柯晶  
【摘要】: 状态估计与系统辨识是现代控制理论中两个重要的研究领域。本文对基于强跟踪滤波器和群集智能的状态估计与系统辨识问题进行了深入的研究和探讨,提出了多种有效的强跟踪状态估计与群集辨识方法。本文主要研究成果和创新如下: (1)提出了一种改进强跟踪卡尔曼滤波器(MSTKF)。通过直接改变强跟踪滤波器的多重时变渐消因子,MSTKF在卡尔曼滤波和强跟踪滤波两种工作状态之间切换。当卡尔曼滤波不能有效跟踪突变状态时,MSTKF切换为可变弱化因子的强跟踪滤波。该算法具有估计精度高、计算量小等特点。 (2)将强跟踪扩展卡尔曼滤波器算法推广到一类加性复合有色噪声干扰下的非线性时变随机系统。通过增广状态向量、线性化非线性的增广状态空间模型和采用等效量测方程,将加性复合有色噪声干扰下非线性系统的强跟踪滤波问题转化为过程与量测噪声相关情况下线性系统的强跟踪卡尔曼滤波问题。数值仿真结果显示了该方法的有效性。 (3)提出了一种非线性离散时间系统自适应函数观测器。通过引入状态变换,得到了一类降阶形式的状态估计问题。采用一种稍加修改的强跟踪滤波算法估计降阶状态向量,然后利用降阶状态向量估计非线性状态函数。给出了该观测器算法局部渐近收敛的充分条件。该观测器算法是一种具有强跟踪性质的自适应观测器,能在估计非线性状态函数的同时准确估计未知时变参数。 (4)提出了一种应用全局信息反馈的混合粒子群优化算法(HPSO)。HPSO同时采用局部模式的压缩因子方法和全局模式的惯性权重方法以获得相对较高的性能。针对粒子群优化算法可能出现的停滞现象,HPSO引入 11 强跟踪状态估计与群集辨识 浙江大学博士学位论文 了基于全局信息反馈的重新初始化机制。仿真结果显示了HPSO算法的有 效性。 (5)将粒子群优化用于 Hammerstein和 MISO Wen。Hammersteln两类 非线性系统模型的辨识。方法的基本思想是将非线性系统的辨识问题转化 为非线性函数的优化问题,然后利用粒子群优化获得系统参数的最优估计。”_ 数值仿真示例显示了本方法的可行性* …)提出了基于混合粒子群优化的时变时滞系统辨识方法。方法的实质_ 是将时变动态系统的辨识问题转化为非线性函数的在线优化问题,然后利 用混合粒子群优化算法获得时变参数的最优估计。通过5;入遗忘因子和充 分利用己有信息,该方法可以准确估计未知时滞并且有很强的关于时变参, 数的跟踪能力。-_ * 提出了一种基于粒子群优化的滚动时域非线性观测器。该观测器对_ 初始条件不敏感,是一种有效的非线性系统状态估计方法*_ 侣)提出了一种求解连续minimax优化问题的两空间粒子群优化方法*- 仿真结果显示了该方法的有效性。此外,本文还将粒子群优化用于鲁棒_ mi山m_估计问题并取得了较好的结果
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2003
【分类号】:TP13

【相似文献】
中国期刊全文数据库 前10条
1 张昱;陈光黎;;基于最小二乘支持向量机的机器视觉识别方法[J];测控技术;2011年07期
2 麦雄发;李玲;胡宝清;;优化BP神经网络的快速细菌觅食算法[J];广西科学院学报;2011年03期
3 田杰;张;;可调权重状态估计在电网线损计算中的应用[J];自动化应用;2011年08期
4 孙秋云;;改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状[J];价值工程;2011年19期
5 管月智;葛洪伟;;一种新的混合粒子群方法[J];计算机工程与应用;2011年23期
6 於世为;魏一鸣;诸克军;;基于粒子群-遗传的混合优化算法[J];系统工程与电子技术;2011年07期
7 申元霞;王国胤;曾传华;;PSO模型种群多样性与学习参数的关系研究[J];电子学报;2011年06期
8 李鹏;马红梅;张旭珍;;基于粒子群优化算法的模拟滤波器设计[J];计算机工程;2011年13期
9 许少华;王皓;王颖;李盼池;;一种改进的量子粒子群优化算法及其应用[J];计算机工程与应用;2011年20期
10 李盼池;张巧翠;杨雨;;一种基于相位编码的自适应量子粒子群算法[J];计算机工程与应用;2011年23期
中国重要会议论文全文数据库 前10条
1 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
2 王晓燕;王东风;韩璞;;一种分数阶系统的粒子群优化辨识方法[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 范业坤;梁新荣;;基于粒子群优化的高速公路匝道PI控制器[A];第二十七届中国控制会议论文集[C];2008年
4 薛艳红;胡立坤;;基于粒子群优化的配电网静止同步补偿器PI控制器整定[A];中南六省(区)自动化学会第二十九届学术年会论文集[C];2011年
5 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年
6 周桃庚;郝群;沙定国;;U-卡尔曼滤波在状态估计中的应用[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年
7 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
8 徐兴华;陈万里;;地调状态估计实用化探讨[A];华东六省一市电机工程(电力)学会输配电技术研讨会2002年年会山东电机工程学会交流论文集[C];2002年
9 赵秋玲;周雅莉;张奇志;;基于粒子群优化的结构振动分布式反馈控制[A];2005年中国智能自动化会议论文集[C];2005年
10 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
中国重要报纸全文数据库 前10条
1 邬中建;南瑞集团新项目通过国家电网公司验收[N];国家电网报;2007年
2 郭洪敏 包鹏;科技创新领头雁[N];华东电力报;2007年
3 唐寅生 左强 王强 车前里;浅谈夏季京沪电网存在的威胁及应对措施[N];中国电力报;2006年
4 李想 金挺 黄劼;福州电网开发参数辨识与实时拓扑检错系统[N];中国电力报;2006年
5 刘永奇 谢开;美加大停电中的调度危机[N];中国电力报;2004年
6 于姝;四川电网可视预警系统通过鉴定[N];西南电力报;2008年
7 ;抢跑2003年投资热点[N];中国高新技术产业导报;2003年
8 本报记者 刘虹;承诺怎样变成现实[N];山西日报;2001年
9 本报记者 曹琰 陈也清;智能调度的坚实一步[N];国家电网报;2010年
10 张非;持续创新永远超越[N];科技日报;2004年
中国博士学位论文全文数据库 前10条
1 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年
2 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年
3 刘丽;人工免疫网络研究及应用[D];江南大学;2008年
4 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年
5 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年
6 李虹;基于WAMS的电力系统状态估计若干问题研究[D];华北电力大学(北京);2010年
7 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年
8 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年
9 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年
10 赵红嘎;电力系统状态估计中相量量测应用及直流模型处理问题[D];山东大学;2005年
中国硕士学位论文全文数据库 前10条
1 谢春利;给水系统的测点配置与状态估计[D];四川大学;2001年
2 闫莉萍;多尺度数据融合状态估计算法研究[D];河南大学;2003年
3 赵海艳;有约束线性滚动时域估计及其应用[D];吉林大学;2004年
4 杨靖萍;状态估计中带约束加权最小乘法的研究[D];太原理工大学;2002年
5 王娟娟;考虑杠杆量测量的电力系统状态估计研究[D];太原理工大学;2003年
6 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
7 王勇;基于相角测量技术的状态估计研究[D];河海大学;2003年
8 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年
9 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年
10 任淑云;基于粒子滤波算法的交通状态估计研究[D];北京交通大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026