杨春山,经本钦,刘 政,王建琦

(桂林航天工业学院电子信息与自动化学院,广西桂林 541004)

1 引言

因灵活便利、易维护和低成本,网络化控制系统和传感器网络受到广泛关注,得到了快速发展[1–3].但由于传感器的自身老化或故障,以及通信网络的带宽有限和不可靠性,也带来一系列的问题,如各种网络诱导不确定,观测数据缺失[4]、数据包丢失[5–6]和时延[7]等.同时数据在传送过程中很容易受到外界非线性很强的乘性噪声的干扰.因此,网络化系统的状态估计问题是非常必要且有意义的,也出现了大量的研究结果[8–22].对带网络诱导不确定和乘性噪声的网络化系统的状态估计,常用的方法有Riccati方程方法[8–9]、线性矩阵不等式方法(LMI)[10–11]、最优鲁棒估计方法[12–14]和极大极小鲁棒估计方法[15–22].文献[8]利用观测转换和扩维方法,对带范数有界参数不确定、随机时延和丢包的网络化系统,通过Riccati方程方法,设计了鲁棒Kalman滤波器,对所有可容许的不确定,保证误差方差有上界.Riccati方程的求解多为迭代法,收敛性得不到保证,且不能解决带噪声方差不确定系统鲁棒估计问题.文献[10–11]对带范数有界不确定和单一网络诱导不确定(观测缺失[10]和丢包[11])的系统,使用LMI方法设计了鲁棒滤波器,对所有的不确定性,每个状态分量估计误差方差不超过预置的上界.

假设噪声统计精确已知的情形,使用扩维方法、新息方法和线性最小方差(LMV)方法,文献[12–14]设计了最小方差意义下的最优鲁棒滤波器.该滤波……