论文部分内容阅读
近年来，随着现代控制技术的快速发展，控制领域工程项目的复杂度越来越高，由于在实际系统中总是存在各种非线性因素，用单一的线性系统或广义系统通常不能准确的描述系统，为了建立更加准确的描述控制系统模型，采用新方法对控制系统进行描述成为学者研究的热点问题。结合非线性系统和广义系统的各自优点，把二者结合，用非线性广义系统来对实际系统进行描述更具有普遍性。本文针对非线性广义系统状态估计问题，利用扩展Kalman滤波，无迹Kalman滤波及粒子滤波与广义系统理论结合来处理状态估计问题。主要内容和研究成果包括如下几个方面：1.针对在非线性广义系统中无法直接使用经典Kalman滤波进行状态估值的问题，通过Taylor级数展开方法，保留Taylor级数展开一次项，把非线性广义系统转化成线性广义系统。利用奇异值分解方法和经典Kalman滤波估值理论推导得出非线性广义系统扩展Kalman滤波。对滤波误差方差阵P进行Cholesky分解或奇异值变换，得到非线性广义系统平方根扩展Kalman滤波和非线性广义系统奇异值分解扩展Kalman滤波。2.利用奇异值分解将非线性广义系统化为两个降阶子系统，从而将非线性广义系统状态估计问题转化为二个耦合的非线性子系统状态估计问题，与无迹Kalman滤波相结合，给出噪声不相关和噪声相关条件下的非线性广义系统无迹Kalman滤波算法。3.在第4章中研究了粒子滤波算法在非线性广义系统中的应用。为了避免粒子退化现象，引用重采样技术，通过选取适当的阈值来决定是否对每个时刻进行重采样，从而一定程度上降低算法复杂度。