-
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。
-
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。
-
Patent Agency Ranking
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：CN119882420A
公开(公告)日：2025-04-25
申请号：CN202411820082.4
申请日：2024-12-11
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 一种基于动态事件触发的周期性间歇控制方法，属于控制技术领域。该方法考虑了测量输出存在误差的现象、系统中存在不同的时滞以及资源受限问题，以更真实和客观地反映工程实际情况。同时，该方法具有简单、易实施的优点，能有效提高非线性混杂时滞随机系统的稳定性和整体性能。通过动态事件触发机制和间歇控制器，在有效节省资源的前提下能实现预期的控制效果。S1.建立具有测量误差的时滞随机系统动态模型；S2.设计动态事件触发策略；S3.设计基于动态事件触发策略的周期性间歇控制器；S4.获得保证被控系统实现p阶矩指数稳定性的充分条件。
-
公开(公告)号：CN118769249A
公开(公告)日：2024-10-15
申请号：CN202410951667.3
申请日：2024-07-16
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于混杂触发机制镇定单臂机器人系统的控制方法，所述方法包括如下步骤：步骤一、建立连续时间下的单臂机器人系统动态模型；步骤二、基于步骤一建立的单臂机器人系统动态模型，在测量丢失情形下，设计包含时间触发机制和事件触发机制的混杂触发策略；步骤三、根据步骤二中描述的混杂触发策略，设计基于混杂触发策略的时滞反馈控制器；步骤四、基于步骤三设计的时滞反馈控制器，获得保证被控系统实现均方指数稳定的充分条件。该方法具有简单、易实施的优点，有效提高了单臂机器人系统的稳定性和整体性能。通过混杂触发机制，可以有效平衡系统网络资源的利用，确保在各种工作条件下都能实现有效的控制。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.032 seconds)
