-
公开(公告)号：CN118200158A
公开(公告)日：2024-06-14
申请号：CN202410208823.7
申请日：2024-02-26
Applicant: 哈尔滨理工大学
IPC: H04L41/14 , H04L41/147
Abstract: 本发明公开了一种随机拓扑结构下异步采样速率分布式优化状态估计方法，所述方法如下：一、建立系统状态更新速率和测量采样速率不同的异步采样速率时变非线性动态模型；二、将动态模型转化为单速率的时变非线性动态模型；三、设计随机拓扑结构下的状态估计器；四、计算估计器在qk时刻的估计器增益矩阵Ki(qk)和Gi(qk)；五、将Ki(qk)和Gi(qk)代入估计器中，得到qk+1时刻的状态估计量#imgabs0#六、计算一步预测误差协方差矩阵上界；七、将Ki(qk)和Gi(qk)带入一步预测误差协方差矩阵上界，计算qk+1时刻一步预测误差协方差矩阵的最小上界；令qk＝qk+1，执行三，直至满足qk+1＝K。本发明解决了现有状态估计方法不能同时处理随机拓扑结构下具有随机非线性和异步采样速率的分布式优化状态估计问题。
-
公开(公告)号：CN116431981B
公开(公告)日：2023-09-29
申请号：CN202211566212.7
申请日：2022-12-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于移动机器人定位系统的分布式集员滤波方法，所述方法包括如下步骤：步骤一、建立加密解密机制下具有状态饱和的移动机器人定位系统动态模型；步骤二、在最小化滤波误差椭球域意义下设计分布式集员滤波器；步骤三、计算传感器网络中每个节点在k时刻的中间矩阵Pi,k+1|k；步骤四、计算每个传感器节点的滤波器增益矩阵#imgabs0#步骤五、设计第i个传感器节点在k+1时刻的分布式集员滤波器#imgabs1#判断k+1是否达到总时长M，如果k+1＜M，则执行步骤六，若k+1≥M，则结束运行；步骤六、计算每个传感器节点的滤波误差受限矩阵Pi,k+1|k+1；令k＝k+1，执行步骤二，直至满足k+1≥M。本发明解决了现有分布式滤波方法不能处理加密解密机制下具有状态饱和的传感器网络的分布式滤波问题。
-
公开(公告)号：CN116149178B
公开(公告)日：2023-09-26
申请号：CN202211582829.8
申请日：2022-12-08
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于放大‑转发中继器的网络化预测控制方法，所述方法包括如下步骤：步骤一、建立传输时延下的动态系统模型；步骤二、设计基于全维观测器的预测机制；步骤三、构造基于全维观测器的预测机制和放大‑转发中继器的预测控制器；步骤四、寻找确保动态系统在均方意义下输入‑状态稳定的准则；步骤五、求解全维观测器增益矩阵和预测控制器增益矩阵；步骤六、将全维观测器增益矩阵和预测控制器增益矩阵分别代入步骤二和步骤三中。该方法解决了现有控制方法不能应对通讯信道传输容量受限，信号难以实现远距离传输情形以及在传输过程中出现时延的网络化系统，导致信号传输的不真实、控制效果不理想甚至不稳定的问题。
-
公开(公告)号：CN115733675B
公开(公告)日：2023-06-16
申请号：CN202211400739.2
申请日：2022-11-09
Applicant: 哈尔滨理工大学
IPC: H04L9/40 , H04L41/14 , H04L67/12 , H04L41/142
Abstract: 本发明公开了一种基于感应电机系统的分布式滤波方法，所述方法包括如下步骤：步骤一、建立误码影响下同时具有多重网络攻击和状态饱和的感应电机系统的动态模型；步骤二、设计分布式滤波器；步骤三、计算传感器网络中每个传感器节点在s时刻的一步预测误差协方差矩阵上界Σi,s+1|s；步骤四、计算s+1时刻的滤波器增益矩阵步骤五、将代入至分布式滤波器中，获得第i个传感器节点在第s+1时刻的滤波判断s+1是否达到总时长T，若s+1＜T，则执行步骤六，若s+1≥T，则结束运行；步骤六、根据计算滤波误差协方差矩阵上界Σi,s+1|s+1；令s＝s+1，执行步骤二，直至满足s+1≥T。该方法易于在线求解，解决了现有分布式滤波方法不能同时处理具有状态饱和、多重网络攻击和误码的传感器网络的分布式滤波问题。
-
-
Patent Agency Ranking
公开(公告)号：CN108959808B
公开(公告)日：2022-05-03
申请号：CN201810813797.5
申请日：2018-07-23
Applicant: 哈尔滨理工大学
Abstract: 一种基于传感器网络的优化分布式状态估计方法，它用于控制系统和信号处理技术领域。本发明解决了现有的状态估计方法不能同时处理具有乘性噪声和随机发生非线性干扰现象的传感器网络的状态估计问题。本发明同时考虑了乘性噪声和随机发生非线性对状态估计性能的影响，得到了基于黎卡提里卡提差分方程的分布式滤波方法，达到抗外部扰动的目的，与现有的非线性时变系统的状态估计方法相比较，本发明的方法可以将估计误差控制在极小的范围内，在易于求解的同时，可以将估计的精确度提高10％以上。本发明可以应用于控制系统和信号处理技术领域用。
-
公开(公告)号：CN109728795A
公开(公告)日：2019-05-07
申请号：CN201811582361.6
申请日：2018-12-24
Applicant: 哈尔滨理工大学
IPC: H03H17/02
Abstract: 未知概率情形下具有数据丢失的时变事件触发滤波方法，属于控制系统领域。现有的滤波方法不能同时处理未知概率的数据丢失和随机非线性以及事件触发机制，影响滤波器性能的问题。本发明方法包括，建立具有未知概率的数据丢失、随机非线性以及事件触发机制的时变系统的动态模型；根据建立的时变系统动态模型设计滤波器；计算滤波器的一步预测误差协方差矩阵的上界；之后计算滤波增益矩阵；之后计算滤波误差协方差矩阵的上界；将获得的滤波增益矩阵代入设计的滤波器，获得具有未知概率的数据丢失、随机非线性以及事件触发机制滤波器。本发明可以同时处理未知概率的数据丢包和随机非线性以及事件触发机制，达到非线性扰动的目的，且易于求解与实现。
-
公开(公告)号：CN120049413A
公开(公告)日：2025-05-27
申请号：CN202510037679.X
申请日：2025-01-10
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种传感器网络框架下可再生微电网系统的事件调度分布式估计方法，所述方法如下：一、建立传感器网络框架下可再生微电网系统的动态模型；二、构造分布式估计器；三、推导第i个传感器节点在第k时刻的一步预测；四、计算第i个传感器节点在第k时刻的一步预测误差协方差上界；五、通过最小化估计误差协方差上界的迹推导第i个传感器节点在第k+1时刻的分布式估计器参数；六、推导第i个传感器节点在第k+1时刻的状态估计；七、求解第i个传感器节点在第k+1时刻的估计误差协方差上界。本发明解决了现有状态估计方法不能同时处理存在不准确发生概率丢失测量以及动态事件触发机制的传感器网络框架下可再生微电网系统的状态估计问题。
-
公开(公告)号：CN118963137B
公开(公告)日：2025-05-27
申请号：CN202411065017.5
申请日：2024-08-05
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种Delta算子框架下的耗散滑模控制方法，所述方法如下：建立具有时滞和外部扰动的T‑S模糊Delta算子系统的动态模型；对动态模型进行模糊状态观测器设计；根据动态模型和模糊状态观测器，获得相应的观测误差系统；构造模糊滑模面以及模糊滑模控制器；通过Lyapunov稳定性方法、Delta算子方法和凸优化方法，获得保证模糊状态观测器系统和观测误差系统渐近稳定和严格耗散以及滑模面可达的判别条件；根据判别条件，求得模糊状态观测器增益矩阵和模糊滑模控制器增益矩阵并代回到模糊状态观测器和模糊滑模控制器中。该方法能实现对具有时滞和外部扰动的T‑S模糊Delta算子系统的耗散滑模控制。
-
公开(公告)号：CN118963137A
公开(公告)日：2024-11-15
申请号：CN202411065017.5
申请日：2024-08-05
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种Delta算子框架下的耗散滑模控制方法，所述方法如下：建立具有时滞和外部扰动的T‑S模糊Delta算子系统的动态模型；对动态模型进行模糊状态观测器设计；根据动态模型和模糊状态观测器，获得相应的观测误差系统；构造模糊滑模面以及模糊滑模控制器；通过Lyapunov稳定性方法、Delta算子方法和凸优化方法，获得保证模糊状态观测器系统和观测误差系统渐近稳定和严格耗散以及滑模面可达的判别条件；根据判别条件，求得模糊状态观测器增益矩阵和模糊滑模控制器增益矩阵并代回到模糊状态观测器和模糊滑模控制器中。该方法能实现对具有时滞和外部扰动的T‑S模糊Delta算子系统的耗散滑模控制。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.022 seconds)
