状态估计是根据测量数据估算系统状态的方法,被广泛地应用于自动控制、故障诊断、软测量等众多工业应用领域。滚动时域估计是一类利用滚动窗口数据进行状态估计的滤波算法,能够显式处理带约束系统的状态估计问题。在应用过程中,窗口尺寸的择取和到达代价的计算是影响算法估计性能的两个重要方面。本文致力于研究窗口尺寸的合理选择和到达代价的近似计算问题,提升求解效率和估计精度,并通过典型的数值算例和实际案例进行分析验证。在阅读大量文献的基础上,本文在滚动时域估计算法方面开展了一些研究工作,具体如下:1.针对线性系统中滚动时域估计算法的优化问题,通过将全信息估计问题和近似估计问题转化为以矩阵形式表述的二次规划问题,给出了相应的求解方法。基于最小二乘原理,给出了一种递推形式的滚动时域状态估计方法。该方法通过成批输出数据的向前滚动,分别对含系统参数的矩阵和含输出信息的矩阵进行分块,获得的状态估计值和卡尔曼滤波算法一样以递推形式给出。最后,将该方法分别应用于白噪声和有色噪声的线性模型中,验证了该方法的有效性和普适性。2.针对窗口尺寸会影响到滚动时域估计算法的估计精度及计算效率问题,为了平衡这两个指标,提出了一种窗口尺寸的选取方法。该方法在结合遗传算法和模拟退火机制的优良特性上,对不同量纲的精度指标和效率指标采用归一化原理设计了相应的适应度函数,寻找出当前权重比下的最佳窗口尺寸。通过线性无约束离散模型和带约束的连续搅拌反应釜模型为例验证表明:该参数优化方法在预设的权重比下,能有效的计算出最佳的窗口尺寸用于滚动时域估计算法的应用。3.针对滚动时域估计算法在非线性系统中的应用问题,给出了一种通过无迹卡尔曼滤波得到先验协方差矩阵用以计算到达代价的方法。首先应用单形采样原则取代了无迹变换中的对称采样原则,减少原有方法中sigma点的数目;其次对无迹变换中的比例因子提出自适应的计算策略,用以提高到达代价的计算精度。采用两个非线性的案例进行仿真验证,结果表明该方法具有更精确的估计效果,相对于扩展卡尔曼滤波更适合应用于高阶的非线性系统。