Aljuwaiser，E。;巴德尔，R。;M.F.哈桑。 非线性离散系统的新状态估计器。 （英语） Zbl 1373.93319号 最佳方案。控制应用程序。方法 38，第5期，754-777（2017）. 摘要：本文提出了一种新的估计确定性和随机离散非线性系统状态的方法。随机系统可能是不确定的。损坏的输入和/或输出噪声向量可以是高斯或非高斯零均值序列。该滤波器基于极点配置技术，对估计输出施加一组约束。严格分析了估计量的稳定性。为了处理约束估计问题，提出了对所开发估计器的一种扩展。为了说明所开发技术的有效性和简单性，给出了示例。仿真结果表明，在确定性情况下，与高增益观测器、Thau滤波器和迭代正则化最小二乘估计相比，该方法具有更好的结果。另一方面，对于随机情况，在噪声信号和/或系统参数的统计未知或噪声信号是非高斯的非理想情况下，所提出的估计器优于扩展卡尔曼滤波器和迭代约束估计器。 引用于4文件 MSC公司： 93E10型 随机控制理论中的估计与检测 93E11号机组 随机控制理论中的滤波 93立方厘米 控制理论中的非线性系统 93C55美元 离散时间控制/观测系统 93亿B55 极点和零点位置问题 93E15型 控制理论中的随机稳定性 关键词：状态估计;扩展卡尔曼滤波器;约束估计器;稳定性分析 PDF格式BibTeX公司 XML格式引用 \textit{E.Aljuwaiser}等人，Optim。控制应用程序。方法38，No.5，754--777（2017；Zbl 1373.93319） 全文： 内政部 参考文献： [1] Ruth M，HannonB。动态生物系统建模。施普林格：纽约，1979年。 [2] SwanGW。生物医学工程中的最优控制应用综述。最优控制应用与方法1981；2(4):311-334. ·Zbl 0467.92006年 [3] AftabT、NaeemM、IdreesM、KhanMM、Varshney L。辐照海藻酸钠和氮肥对青蒿生长、生化过程和青蒿素生产的累积作用。工业作物和产品2013年；50:874-881. [4] CerfM、HaberkornT、TrélatE。共面轨道转移问题中从平面地球模型到圆形地球模型的延续。最优控制应用与方法2012；33(6):654-675. ·Zbl 1277.49027号 [5] MagdiS、HassanMF、DarwishMG。大型控制系统：理论和技术。M.Dekker：纽约，1985年·Zbl 0628.93001号 [6] MaggioreM、OrdóñezR、PassinoKM、AdibhatlaS。喷气发动机应用中的估算器设计。人工智能2003的工程应用；16(7):579-593. [7] 香港哈利勒DabroomAM。使用高增益观测器对非线性系统进行输出反馈采样数据控制。IEEE自动控制汇刊2001；46(11):1712-1725. ·兹比尔1026.93034 [8] 香港哈利勒DabroomAM。数值微分高增益观测器的离散时间实现。《国际控制杂志》1999；72(17):1523-1537. ·Zbl 0941.93541号 [9] MoralPE，GrizzleJW。具有离散时间测量的非线性系统的观测器设计。1995年IEEE自动控制汇刊；40(3):395-404. ·Zbl 0821.93014号 [10] PralyL TeelA公司。通过部分状态和输出反馈实现半全局稳定的工具。SIAM控制与优化杂志1995；33(5):1443-1488. ·Zbl 0843.93057号 [11] KrishnamurthyP、KhorramiF、ChandraRS。广义输出反馈规范形式的基于全局高增益的观测器和反推控制器。IEEE自动控制汇刊2003；48(12):2277-2283. ·Zbl 1364.93094号 [12] HammouriH、NadriM、MotaR。连续离散时间一致可观测系统的恒增益观测器。2006年第45届IEEE决策与控制会议；5406-541. [13] 奇图里。用于数值微分的时变高增益观测器。IEEE自动控制汇刊2002；47(9):1565-1569. ·Zbl 1364.93083号 [14] NadriM、HammouriH、AstorgaC。连续离散时间状态仿射系统直到输出注入的观测器设计。欧洲控制杂志2004；10(3):252-263. ·兹比尔1293.93118 [15] MiklosovicR、RadkeA、GaoZ。扩展状态观测器的离散实现和推广。2006年美国控制会议；2209-2214. [16] KoronkiP、HashimotoH、UtkinV。基于观测器的离散时间滑动模式下柔性轴的直接扭转控制。IEEE工业电子学报1998年；45(2):291-296. [17] FridmanL、ShtesselY、Edwards C、YanXG。非线性系统状态估计和输入重构的高阶滑模观测器。国际鲁棒与非线性控制杂志2008；18(4‐5):399-412. ·Zbl 1284.93057号 [18] 佩鲁奎蒂W。Barbot JP。CRC出版社：工程中的滑模控制，2002年。 [19] KrenerAJ，响应者kW。具有线性化误差动力学的非线性观测器。SIAM控制与优化杂志1985；23(2):197-216. ·Zbl 0569.93035号 [20] SaadaouiH、ManamanniN、DjemaiM、BarbotJP、FloquetT。切换拉格朗日系统的精确微分和滑模观测器。非线性分析：理论方法与应用2006；65(5):1050-1069. ·Zbl 1134.93320号 [21] RughWJ公司。线性系统理论。上马鞍河：新泽西州：学徒堂，1996年·Zbl 0892.93002号 [22] TaylorSG、LuscherDJ、ToddMD。使用几何精确梁理论对风力涡轮机叶片进行状态估计。2014年模态分析专题；7:427-437. [23] LeeHG、LeeJY、KimKD、KangH。离散时间非线性观测器的几何条件和代数条件之间的直接等价性。国际控制、自动化和系统杂志2014；12(5):1124-1130. [24] MarinsJL、YunX、BachmannER、McGheeRB、ZydaMJ。使用MARG传感器进行基于四元数的方位估计的扩展卡尔曼滤波器。智能机器人与系统2001；4:2003-2011. [25] KhaloozadehH，BatmaniY。癌症治疗中的最佳化疗：状态相关Riccati方程控制和扩展卡尔曼滤波。最优控制应用和方法2013；34(5):562-577. ·Zbl 1302.93210号 [26] 博洛尼亚、图比亚纳、齐格里奥托。无传感器PMSM驱动器中的扩展卡尔曼滤波器调谐。IEEE工业应用汇刊2003；39(6):1741-1747. [27] JadricM，TerzicB。无刷直流电机转速和转子位置估计的扩展卡尔曼滤波器的设计与实现。IEEE工业电子学报2001；48(6):1065-1073. [28] BosR、BomboisX、Van den HofPM。在没有噪声协方差信息时设计卡尔曼滤波器。2005年国际会计师联合会第16届世界大会会议记录；16:212‐212. [29] 熊科，张赫，刘莉。非线性随机系统的自适应鲁棒扩展卡尔曼滤波器。IET控制理论与应用2008；2(3):239-250. [30] YangJN、PanS、HuangH。用于结构损伤识别的自适应扩展卡尔曼滤波器II：未知输入。2007年结构控制和健康监测；14(3):497-521. [31] Lippiello，V.，Siciliano，B.，Villani，L.三维物体视觉运动估计的自适应扩展卡尔曼滤波。控制工程实践。15(1):123-134. [32] Kluge，S.，Reif，K.，Brokate，M.，具有间歇性观测的扩展卡尔曼滤波器的随机稳定性。IEEE自动控制汇刊55（2）：514-518·Zbl 1368.93717号 [33] 郭Z、香、PuM、DianS。基于鲁棒扩展卡尔曼滤波器的直接转矩控制永磁同步电机的无传感器驱动。在2016年第35届中国控制会议上：4711-4716 TCCT。 [34] OzbekL、EfeM。自适应扩展卡尔曼滤波器及其在舱室模型中的应用。统计通信——模拟与计算2004；33(1):145-158. ·Zbl 1058.62107号 [35] 熊科，张赫，刘莉。非线性随机系统的自适应鲁棒扩展卡尔曼滤波器。IET控制理论与应用2008；2(3):239-250. [36] BusseFD、HowJP、SimpsonJ。利用CDGPS进行低地球轨道编队估计的自适应扩展卡尔曼滤波演示。导航2003；50(2):79-93. [37] HeH、Xiong R、ZhangX、SunF、FanJ。使用基于改进戴维南模型的自适应扩展卡尔曼滤波器估计锂离子电池的荷电状态。2011年IEEE车辆技术汇刊；60(4):1461-1469. [38] AllainP、CourtyN、CorpettiT。粒子群控制。最优控制应用与方法2014；35(6):696-720. ·Zbl 1305.93010号 [39] MeditchJS公司。随机最优线性估计与控制。McGraw‐Hill:纽约，1969年·Zbl 0225.93045号 [40] ShoorehdeliMA、TeshnehlabM、SedighAK。采用基于粒子群优化和扩展卡尔曼滤波的智能混合稳定学习算法将ANFIS训练为一个辨识器。模糊集与系统2009；160(7):922-948. ·Zbl 1182.68184号 [41] 米哈伊洛娃·安吉洛娃。基于运动雷达信息的粒子滤波和混合卡尔曼滤波联合目标跟踪和分类。数字信号处理2006；16(2):180-204. [42] WonSH、MelekWW、GolnaraghiF。使用位置传感器/惯性测量单元混合系统的基于卡尔曼/粒子滤波的位置和方向估计方法。IEEE工业电子学报2010；57(5):1787-1798. [43] Al‐HusseinA、HaldarA。用于未知输入结构健康评估的无迹卡尔曼滤波器的新扩展。SPIE智能结构和材料+无损评估和健康监测2014；90612Y-90612Y。 [44] AhnKW，ChanKS公司。通过无迹卡尔曼滤波器对非线性状态空间模型进行近似条件最小二乘估计。计算统计学与数据分析2014；69:243-254. ·Zbl 1471.62011年 [45] HeH，熊R，彭J。使用无迹卡尔曼滤波器和RTOSμCOS‐II平台实时估计电池充电状态。应用能源2015；162:1410-1418. [46] DiniDH，MandicDP，JulierSJ。广泛线性复数无迹卡尔曼滤波器。信号处理信函2011；18(11):623-6. [47] WalshGC、YeH、BushnellLG。网络控制系统的稳定性分析。IEEE控制系统技术汇刊2002；10(3):438-446. [48] 埃克哈特R。斯坦乌拉姆、约翰·冯·诺依曼和蒙特卡罗方法。洛斯阿拉莫斯科学1987；15: 131-136. [49] 哈桑MF。离散时间系统基于观测器的控制器：状态相关Riccati方程方法。非线性动力学2012；70(1):693-707. ·Zbl 1267.93098号 [50] MobkiH、SadeghiM、RezazadeG。Thau观测器在非线性静电力作用下微型平行板电容器故障检测中的应用。《国际工程学报B辑：应用》2014；28(2):270-276. [51] 哈桑MF。不确定参数非线性离散系统的迭代约束状态估计。国际创新计算杂志，信息控制2012；8:6141-6160. [52] 哈桑MF。一种使用约束超混沌系统进行安全通信的新方法。应用数学与计算2014；246:711-730. ·Zbl 1338.94072号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。