-
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。
-
公开(公告)号：CN116431981A
公开(公告)日：2023-07-14
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：CN108847828B
公开(公告)日：2022-02-11
申请号：CN201810812854.8
申请日：2018-07-23
Applicant: 哈尔滨理工大学
IPC: H03H21/00
Abstract: 本发明提供一种具有随机建模误差的非线性事件触发滤波方法，属于状态估计技术领域。本发明首先建立基于事件触发机制具有随机建模误差和滤波增益扰动的非线性随机系统的动态模型、对动态模型进行滤波器设计；然后计算一步预测误差协方差矩阵的上界；通过一步预测误差协方差矩阵的上界计算得到k+1时刻滤波增益矩阵Kk+1；再将Kk+1代入步骤二的滤波器中，得到k+1时刻的状态估计并根据滤波增益矩阵Kk+1，计算出滤波误差协方差矩阵的上界Σk+1|k+1；重复上述步骤，直至满足达到滤波总时长。本发明解决了现有滤波技术不能同时处理在事件触发条件下的随机建模误差和滤波增益扰动，进而导致滤波误差大的问题。本发明可用随机非线性时变系统的滤波。
-
公开(公告)号：CN109521676B
公开(公告)日：2021-11-30
申请号：CN201811582376.2
申请日：2018-12-24
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 一种概率分布时滞系统的自适应滑模容错控制方法。属于模容错控制领域。现有滑模控制方法存在不能同时处理系统不确定性、概率分布时滞、执行器故障以及外部扰动上界未知影响系统性能的问题。建立具有系统不确定性、概率分布时滞、执行器故障以及外部扰动上界未知的控制系统的动态模型；对建立的控制系统的动态模型进行滑模面的设计；计算动态模型的滑模面的相应的滑动模态；利用滑动模态，通过李亚普诺夫稳定性定理，获得保证滑动模态性能的判别条件；根据中获得的判别条件，求得增益矩阵；根据增益矩阵，设计自适应律进行滑模控制。本发明能保证系统不确定性、概率分布时滞、执行器故障以及外部扰动上界未知影响系统性能情况下的稳定控制。
-
公开(公告)号：CN109688024A
公开(公告)日：2019-04-26
申请号：CN201811519200.2
申请日：2018-12-12
Applicant: 哈尔滨理工大学
CPC classification number: H04L43/08 , H04L41/142 , H04L43/50
Abstract: 基于随机通信协议的复杂网络弹性状态估计方法，属于复杂网络的弹性状态估计技术领域。本发明解决了现有的复杂网络弹性状态估计方法不能处理随机通信协议，导致弹性状态估计的性能差的问题，本发明考虑了随机通信协议对状态估计性能的影响，利用李亚普诺夫泛函全面考虑了随机通信协议的有效信息，与现有的复杂网络弹性状态估计方法相比，本发明的弹性状态估计方法可以处理随机通信协议，得到了基于线性矩阵不等式解的弹性状态估计方法，达到了抗外部扰动的目的，提高了弹性状态估计的性能，且具有易于求解与实现的优点。本发明适用于复杂网络的弹性状态估计技术领域。
-
Patent Agency Ranking
公开(公告)号：CN109088749A
公开(公告)日：2018-12-25
申请号：CN201810812837.4
申请日：2018-07-23
Applicant: 哈尔滨理工大学
Abstract: 一种随机通讯协议下复杂网络的状态估计方法，它用于控制系统的网络状态估计技术领域。本发明解决了现有的状态估计方法不能够同时处理具有随机内耦合以及测量丢失现象的复杂网络的状态估计的问题。本发明同时考虑了具有未知概率的测量丢失现象以及随机内耦合对状态估计性能的影响，利用扩展卡尔曼滤波方法全面考虑了估计误差协方差矩阵的有效信息，达到了抗扰动的目的；与现有的通讯协议下复杂网络状态估计方法相比，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。本发明可以应用于网络状态估计技术领域用。
-
公开(公告)号：CN108959808A
公开(公告)日：2018-12-07
申请号：CN201810813797.5
申请日：2018-07-23
Applicant: 哈尔滨理工大学
CPC classification number: G06F17/5009 , G06F17/11 , G06F17/15 , G06F17/16 , G06F17/509
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：CN108847828A
公开(公告)日：2018-11-20
申请号：CN201810812854.8
申请日：2018-07-23
Applicant: 哈尔滨理工大学
IPC: H03H21/00
Abstract: 本发明提供一种具有随机建模误差的非线性事件触发滤波方法，属于状态估计技术领域。本发明首先建立基于事件触发机制具有随机建模误差和滤波增益扰动的非线性随机系统的动态模型、对动态模型进行滤波器设计；然后计算一步预测误差协方差矩阵的上界；通过一步预测误差协方差矩阵的上界计算得到k+1时刻滤波增益矩阵Kk+1；再将Kk+1代入步骤二的滤波器中，得到k+1时刻的状态估计 并根据滤波增益矩阵Kk+1，计算出滤波误差协方差矩阵的上界Σk+1|k+1；重复上述步骤，直至满足达到滤波总时长。本发明解决了现有滤波技术不能同时处理在事件触发条件下的随机建模误差和滤波增益扰动，进而导致滤波误差大的问题。本发明可用随机非线性时变系统的滤波。
-
公开(公告)号：CN118232877A
公开(公告)日：2024-06-21
申请号：CN202410423443.5
申请日：2024-04-09
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种多速率非线性系统的抗窃听分布式融合滤波方法，所述方法包括如下步骤：一、建立基于传感器网络的多速率非线性系统动态模型；二、通过预测补偿策略，将多速率非线性系统动态模型转化为单速率非线性系统动态模型；三、设计抗窃听分布式融合器；四、计算一步预测误差协方差上界#imgabs0#五、推导局部分布式滤波器参数Ki(tk+1)；六、推导选择矩阵Lij(tk+1)；七、将Ki(tk+1)和Lij(tk+1)代入三，获得融合滤波#imgabs1#八、求解局部滤波误差协方差上界#imgabs2#本发明解决了现有融合滤波方法不能同时处理存在窃听者以及衰减测量的多速率非线性系统的滤波问题，从而提高了此类问题滤波性能的准确率。
-
公开(公告)号：CN117194866B
公开(公告)日：2024-03-26
申请号：CN202311169578.5
申请日：2023-09-11
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于质量弹簧阻尼系统的分布式滤波方法，所述方法包括如下步骤：一、建立网络攻击影响下的分数阶状态饱和质量弹簧阻尼系统动态模型；二、设计分布式状态饱和滤波器；三、计算第i个传感器节点在第s时刻的一步预测误差协方差上界Φi,s+1|s；四、根据Φi,s+1|s推导出第i个传感器节点在第s+1时刻的分布式滤波器参数#imgabs0#五、将#imgabs1#代入至分布式状态饱和滤波器中，得到第i个传感器节点在第s+1时刻的滤波#imgabs2#若s+1＜M，则执行六；六、根据#imgabs3#求解出第i个传感器节点在第s+1时刻的滤波误差协方差上界Φi,s+1|s+1；令s＝s+1，执行二，直至s+1≥M。本发明解决了现有分布式滤波方法难以同时处理网络攻击及状态饱和下的分布式滤波问题，导致滤波性能降低。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.034 seconds)
