论文部分内容阅读
随着网络化系统在诸多领域的发展,带有混合不确定性的复杂化网络的估计理论成为现代控制理论热点方向,并在军事,导航,航空等领域有着广泛的应用。在此基础上,本文针对复杂网络化系统,通过卡尔曼滤波算法得到局部滤波估计,再应用序贯快速协方差交叉（Sequential Fast Covariance Intersection,SFCI）融合算法得到融合滤波结果,本文将该算法与序贯协方差交叉（Sequential Covariance Intersection,SCI）融合和序贯逆协方差交叉（Sequential Inverse Covariance Intersection,SICI）融合算法进行比较,得出SFCI算法计算负担小,融合精度高,且融合结果不受融合次序的影响。本文主要研究内容如下:1.在快速协方差交叉（Fast Covariance Intersection,FCI）融合算法的基础上,引入了序贯的思想,类比SCI提出SFCI融合算法。对带随机一步滞后和丢失观测的网络化系统,基于Kalman滤波,分别应用FCI和SFCI算法融合局部估值,得到相应的FCI和SFCI融合滤波器。2.针对带乘性噪声和相关噪声的混合不确定性网络化系统,首先基于增广状态法和虚拟噪声技术,将复杂的网络化系统模型转换为标准Kalman滤波模型,应用Kalman滤波算法得到局部滤波,然后利用SFCI融合算法得到融合估值,并与SCI、SICI和按矩阵加权融合算法进行对比。3.针对带乘性噪声和相关噪声的衰减观测网络化系统,首先基于模型转换和虚拟噪声技术将原模型转换为标准Kalman滤波模型,应用Kalman滤波得到局部估值,再应用SFCI算法得到融合估值,并与其他融合算法进行比较。