公开(公告)号：CN115883408B

公开(公告)日：2023-05-30

申请号：CN202211506096.X

申请日：2022-11-28

Applicant: 哈尔滨理工大学

Inventor： 胡军 ,  李泽昊 ,  孙若姿 ,  张红旭 ,  徐龙 ,  吕重阳 ,  刘玉锋 ,  张庆博

IPC: H04L43/08 ,  H04L41/14 ,  H04L41/142

公开(公告)号：CN116149178A

公开(公告)日：2023-05-23

申请号：CN202211582829.8

申请日：2022-12-08

Applicant: 哈尔滨理工大学

Inventor： 胡军 ,  赵海瑞 ,  张红旭 ,  武志辉 ,  杜君花 ,  吕重阳 ,  刘玉锋 ,  张庆博 ,  孙立丰

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：CN115859030A

公开(公告)日：2023-03-28

申请号：CN202211514000.4

申请日：2022-11-29

Applicant: 哈尔滨理工大学

Inventor： 胡军 ,  林娜 ,  班立群 ,  于浍 ,  郑凯文 ,  刘玉锋 ,  张庆博 ,  周奥展

IPC: G06F17/18 ,  G06F17/16 ,  G06F7/58 ,  G06F30/20

Abstract: 本发明公开了一种复杂耦合下的两步估计方法，所述方法包括如下步骤：步骤一、建立复杂耦合网络状态模型、测量输出模型及恶意攻击模型；步骤二、在恶意攻击的影响下对复杂耦合网络状态进行估计；步骤三、求出每个节点的先验估计偏差的协方差上界步骤四、计算每个节点的估计器系数矩阵步骤五、将代入步骤二中的后验状态估计模型中，得到后验估计判断t+1时刻与总时长T的关系，若t+1＜T，则执行步骤六，若t+1＝T，则结束；步骤六、根据计算出每个节点的后验估计偏差协方差上界令t＝t+1，执行步骤二，直至满足t+1＝T。本发明解决了在随机发生耦合和非线性耦合偏差影响下导致估计方法准确率降低的问题，以及在部分节点测量值未知且受恶意攻击时不能估计节点状态的问题。

公开(公告)号：CN117910622A

公开(公告)日：2024-04-19

申请号：CN202311847619.1

申请日：2023-12-28

Applicant: 哈尔滨理工大学

Inventor： 贾朝清 ,  刘玉锋 ,  武志辉 ,  王雯迪 ,  雷韬 ,  褚洪淳 ,  孙立丰 ,  张庆博

IPC: G06Q10/04 ,  G06Q50/02 ,  G06F30/20

Abstract: 本发明公开了一种昆虫种群动态的预报估计方法，所述方法包括如下步骤：一、建立昆虫种群的交互时滞不确定网络模型；二、对不确定网络模型设计预报器和估计器；三、针对第κ类昆虫种群，利用预报器计算相应的预报误差协方差矩阵上界Ψκ,ι+1|ι；步骤四、利用Ψκ,ι+1|ι优化设计估计器中的待定参数Ξκ,ι+1；五、将Ξκ,ι+1代入到估计器中，得到ι+1采样点处的估计值#imgabs0#此时，判断当前采样点ι+1与交互时滞不确定网络模型估计总采样点Z的关系，若有ι+1＜Z，则执行六，否则循环结束；六、根据参数Ξκ,ι+1，计算不确定网络模型的估计误差协方差上界矩阵Ψκ,ι+1|ι+1；更新采样点令ι＝ι+1，执行二，止于等式ι+1＝Z成立。本发明可同时处理建模误差扰动、交互时滞和传感器异常对昆虫种群动态的影响，具有一定的鲁棒性和稳健性。

公开(公告)号：CN115883408A

公开(公告)日：2023-03-31

申请号：CN202211506096.X

申请日：2022-11-28

Applicant: 哈尔滨理工大学

Inventor： 胡军 ,  李泽昊 ,  孙若姿 ,  张红旭 ,  徐龙 ,  吕重阳 ,  刘玉锋 ,  张庆博

IPC: H04L43/08 ,  H04L41/14 ,  H04L41/142

Abstract: 本发明公开了一种基于补偿的多速率复杂网络状态估计方法，首先，建立多速率复杂网络的动态模型，并利用零阶保持器策略将多速率动态模型转化为单速率动态模型；然后，引入传输速率方法达到提升能源利用率的目的，设计预测补偿规则以提高估计精度，构造基于补偿的状态估计器；接着，计算估计器的一步预测误差协方差矩阵的上界和估计器增益矩阵；随后将获得的估计器增益矩阵带入状态估计器中得到状态估计变量；最后，将估计器增益矩阵带入一步预测误差协方差矩阵上界的表达式中，得到最小的上界。该方法在解决了多速率复杂网络的状态估计问题的同时减少了节点能源的消耗，且具有递推形式，适合在线应用。

公开(公告)号：CN115865702A

公开(公告)日：2023-03-28

申请号：CN202211430178.0

申请日：2022-11-15

Applicant: 哈尔滨理工大学

Inventor： 胡军 ,  胡志斌 ,  张红旭 ,  孙若姿 ,  班立群 ,  刘玉锋 ,  张庆博 ,  高培夏

IPC: H04L41/14 ,  H04L41/142 ,  H04L67/12

Abstract: 本发明公开了一种网络调度策略下具有数据衰减的分布式融合估计方法，所述方法包括如下步骤：步骤一、建立具有数据衰减现象的随机非线性时滞系统的传感器网络动态模型；步骤二、对传感器网络动态模型进行状态估计；步骤三、计算一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、计算估计迭代修正矩阵Ki,k+1；步骤五、将Ki,k+1代入步骤二中，得到状态估计判断k+1是否达到传感器网络总时长M，若k+1＜M，则执行步骤六，若k+1＝M，则结束；步骤六、计算估计误差协方差矩阵上界∑i,k+1|k+1；步骤七、计算融合估计和融合估计误差协方差矩阵∑0k+1|k+1；令k＝k+1，返回执行步骤二，直至满足k+1＝M。本发明解决了现有方法存在数据衰减现象和网络带宽受限时，不完全的测量信息传输到估计器时，导致其融合估计精度低的问题。