IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

传感器饱和的非线性网络化系统模糊H∞滤波

已有 174 次阅读 2021-6-8 17:14 |系统分类:博客资讯

网络化系统H∞滤波是指:将通信网络用于系统各设备之间的数据传输时,在接收端信息受到网络带宽及随机外部干扰的影响而不完备的情况下,通过设计算法的方式解决由此产生的系统性能下降甚至不稳定的问题。


李秀英, 尹帅, 孙书利. 传感器饱和的非线性网络化系统模糊H∞滤波.自动化学报, 2021, 47(5): 1149-1158

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180778?viewType=HTML


网络化系统是控制领域内的热点问题之一。目前,网络化系统在航空航天、流程工业、电力系统、军事及医疗等诸多领域有着广泛的应用。随着网络化系统复杂程度的增加,通信网络带来诱导问题的增多,以及用户对实时性和准确性要求的提高,使得基于模型的卡尔曼滤波框架无法满足需求。例如:


1)流程工业:随机干扰、降低时延、高可靠性;

2)电力系统:用户广、通道拥挤、较低的运行维护成本;

3)军事应用:实时性、信息传输安全性;

……


图1.jpg

工业互联网


图2.png

电力系统


图3.jpg

远程医疗


图4.jpg

军事应用


为得到高精度的滤波结果,需要全面考虑网络化系统的复杂性。包括:①实际对象的非线性。非线性对象普遍存在,简单的线性化近似处理已经远远不能满足需求。②传感器饱和特性。工程上使用的传感器由于原理、制造技术以及使用安全等诸多因素限制,均无法识别或者提供幅值过大的信号,因而产生传感器件的饱和特性。频繁发生的饱和现象会造成器件损坏,失去测量的意义。③数据包丢失。由于网络拥塞、信道衰减等原因,使得数据包在传输过程中不可避免地会产生丢失现象。④传输时滞。由于网络诱导时滞的存在,使得一个采样周期内,到达接收端的数据可能是一个或多个,也可能没有任何数据。因此,对于非线性和不确定性同时存在的网络化系统,有必要设计能够在统一框架下处理上述问题的滤波器。
 
如何针对复杂网络化系统设计满足性能要求的滤波器?目前针对非线性对象多采用T-S模糊模型来逼近,而传感器饱和现象则建模为扇区有界非线性函数,但是由于传感器饱和而导致的传感器失效时信号来源问题还没有解决。对于网络诱导的随机丢包问题,主要有四种策略:一是零输入策略;二是保持输入策略;三是预报补偿策略;四是多包补偿策略。然而,如何在传感器饱和现象发生时提高数据的有效性,以及通过历史数据弥补丢包和时滞对系统性能的影响是提高滤波器设计精度的有效途径。

我们所提出方法的具体优势可以概括如下:
1) 传感器冗余策略:解决传感器饱和失效时测量信号的来源问题;
2) 多包补偿策略:利用缓存中的多个数据来补偿丢失的数据;
3) 模糊规则依赖方法:选取模糊规则依赖的Lyapunov函数分析系统稳定性,从而减小设计的保守性;

目前,针对传感器饱和现象引起的传感器失效问题未受到广泛重视。鉴于此,本文结合网络化控制系统的特性,提出饱和传感器的冗余策略,以及多包补偿方法克服网络化系统的时延丢包现象。在此基础之上,通过基于模糊依赖的Lyapunov函数分析系统的稳定性,降低了设计的保守性,并利用LMI技术得到滤波器参数的解,同时分析了传感器饱和、通讯时滞等对系统性能的影响。


作者简介


李秀英

上海应用技术大学电气与电子工程学院副教授. 主要研究方向为网络化系统的鲁棒滤波和控制. 

E-mail: xiuxiu4480@sina.com


尹  帅

哈尔滨工业大学博士研究生. 2020年于黑龙江大学获硕士学位. 主要研究方向为网络控制系统 H∞滤波, 航天器任务规划. 

E-mail: ys944083357@163.com


孙书利

黑龙江大学电子工程学院教授. 主要研究方向为网络系统滤波, 多传感器信息融合. 本文通信作者. 

E-mail: sunsl@hlju.edu.cn




http://wap.sciencenet.cn/blog-3291369-1290308.html

上一篇:JAS最新CiteScore 达11.2,位列全球前5%
下一篇:中医舌象分割技术研究进展: 方法、性能与展望

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-7-24 14:57

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部