-
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：CN108847829A
公开(公告)日：2018-11-20
申请号：CN201810814464.4
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发生不确定性和量化测量的非线性滤波方法，属于状态估计技术领域。本发明首先建立具有随机发生不确定性和量化测量的非线性时变系统动态模型、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滤波增益矩阵Kk+1；再将滤波增益矩阵Kk+1代入步骤二的滤波器中，得到k+1时刻的状态估计 并根据计算出的滤波增益矩阵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随机发生不确定性和量化测量，进而导致滤波误差大的问题。本发明可用于非线性时变系统的滤波。
-
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：CN103676646B
公开(公告)日：2016-01-20
申请号：CN201310738391.2
申请日：2013-12-29
Applicant: 哈尔滨理工大学
IPC: G05B13/00
Abstract: 一种具有随机发生的不确定性和分布式传感器时滞的网络化控制系统的状态估计方法，涉及一种随机发生的不确定性和传感器时滞状态估计方法。本发明解决了现有状态估计方法不能同时处理随机发生的不确定性和分布式传感器时滞，进而影响状态估计性能的问题，本发明同时考虑了随机发生的不确定性和分布式传感器时滞对状态估计性能的影响，利用李亚普诺夫函数全面考虑了时滞的有效信息，与现有的非线性复杂动态系统的状态估计方法相比，本发明的状态估计方法可以同时处理随机发生的不确定性、分布式传感器时滞和时变有界时滞，得到了基于线性矩阵不等式解的状态估计方法，达到抗非线性扰动的目的，本发明适用于非线性复杂动态系统的状态估计。
-
公开(公告)号：CN103701433A
公开(公告)日：2014-04-02
申请号：CN201310738355.6
申请日：2013-12-29
Applicant: 哈尔滨理工大学
Abstract: 一种多重测量丢失情形下时变目标跟踪系统的量化滤波方法，涉及一种时变目标跟踪系统的量化滤波方法，本发明解决了采用传统的目标跟踪系统的滤波方法不能应对网络化环境下的多重测量丢失和信号量化现象，影响目标跟踪系统的信号估计准确性的问题。本发明考虑了多重测量丢失及信号量化对滤波性能的影响，并对非线性线性化过程进行了余项估计，与现有的目标跟踪系统的滤波方法相比，本发明的滤波方法可以同时处理多重测量丢失及输出信号量化现象，得到的滤波器具有时变、递推形式，并且优化了滤波误差协方差上界，具有提高了信号估计性能。本发明适用于对时变目标跟踪系统量化滤波。
-
Patent Agency Ranking
公开(公告)号：CN118395446A
公开(公告)日：2024-07-26
申请号：CN202410423444.X
申请日：2024-04-09
Applicant: 哈尔滨理工大学
IPC: G06F21/57 , H04W12/122 , H04W12/106 , H04W12/63 , H04W4/024 , G06F21/55 , G06F21/56
Abstract: 本发明公开了一种网络通讯下耦合多机动目标的抗攻击定位方法。所述方法如下：一、建立耦合多机动目标系统的非线性随机动态模型；二、对耦合多机动目标系统设计抗攻击估计器；三、计算每个机动目标状态的一步预测误差协方差矩阵上界；四、根据一步预测误差协方差矩阵上界，计算每个机动目标状态估计的增益矩阵；五、将每个机动目标状态估计的增益矩阵代入二，获得k+1时刻第i个机动目标的状态估计；六、根据每个机动目标状态估计的增益矩阵，计算出每个机动目标状态的估计误差协方差矩阵上界。本发明解决了现有状态估计方法不能同时处理自适应事件触发机制和数据完整性攻击下的多机动目标系统的状态估计问题，从而提高了此类问题估计性能的准确率。
-
公开(公告)号：CN118260523A
公开(公告)日：2024-06-28
申请号：CN202410188252.5
申请日：2024-02-20
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种具有随机变参数矩阵的多传感器信息融合目标跟踪方法，所述方法包括如下步骤：一、建立多传感器目标跟踪系统的跟踪目标动态模型；二、设计预报器和估计器结构；三、计算第i个传感器在k+1时刻的一步预测误差协方差矩阵上界Θi,k+1|k；四、计算在k+1时刻第i个传感器的估计增益矩阵Ki,k+1以及跟踪目标的融合估计#imgabs0#五、将Ki,k+1代入二中，得到在k+1时刻的第i个传感器跟踪目标的状态估计#imgabs1#判断k+1是否达到估计总时长MN，若k+1＜MN，则执行六，若k+1＝MN则在计算融合估计后结束；六、计算估计误差协方差上界Θi,k+1|k+1；令k＝k+1，进入二直至满足k+1＝MN。本发明可以有效的估计出目标状态并具有较好的鲁棒性。
-
公开(公告)号：CN117544956B
公开(公告)日：2024-04-30
申请号：CN202311467947.9
申请日：2023-11-06
Applicant: 哈尔滨理工大学
IPC: H04W12/122 , H04W12/63 , H04W4/029
Abstract: 本发明公开了一种基于网络通讯的多移动机器人安全定位方法，所述方法如下：一、建立基于网络通讯的多移动机器人系统非线性动态模型；二、设计安全估计器；三、计算每个移动机器人状态的一步预测误差协方差矩阵上界Σi,k+1|k；四、根据Σi,k+1|k，计算每个移动机器人状态估计的增益矩阵Ki,k+1；五、根据Ki,k+1，获得k+1时刻第i个机器人的状态估计#imgabs0#判断k+1是否达到总时长M，若k+1＜M，则执行六，若k+1＝M，则结束；六、根据Ki,k+1，计算每个移动机器人状态的估计误差协方差矩阵上界Σi,k+1|k+1；令k＝k+1，执行二，直至k+1＝M。该方法解决了现有状态估计方法不能同时处理欺骗攻击下具有随机耦合强度和随机传感器一步延迟的多移动机器人系统的状态估计问题。
-
公开(公告)号：CN117544956A
公开(公告)日：2024-02-09
申请号：CN202311467947.9
申请日：2023-11-06
Applicant: 哈尔滨理工大学
IPC: H04W12/122 , H04W12/63 , H04W4/029
Abstract: 本发明公开了一种基于网络通讯的多移动机器人保安全定位方法，所述方法如下：一、建立基于网络通讯的多移动机器人系统非线性动态模型；二、设计保安全估计器；三、计算每个移动机器人状态的一步预测误差协方差矩阵上界Σi,k+1|k；四、根据Σi,k+1|k，计算每个移动机器人状态估计的增益矩阵Ki,k+1；五、根据Ki,k+1，获得k+1时刻第i个机器人的状态估计 判断k+1是否达到总时长M，若k+1＜M，则执行六，若k+1＝M，则结束；六、根据Ki,k+1，计算每个移动机器人状态的估计误差协方差矩阵上界Σi,k+1|k+1；令k＝k+1，执行二，直至k+1＝M。该方法解决了现有状态估计方法不能同时处理欺骗攻击下具有随机耦合强度和随机传感器一步延迟的多移动机器人系统的状态估计问题。
-
公开(公告)号：CN116088303B
公开(公告)日：2023-07-21
申请号：CN202211597861.3
申请日：2022-12-12
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种不确定复杂动态网络状态时变递推估计方法，所述方法包括如下步骤：步骤一、建立具有动态偏差和约束量测的复杂网络动态模型；步骤二、对复杂网络动态模型进行增广并对增广的复杂网络动态模型构造时变递推状态估计器；步骤三、计算预估误差协方差上界Ξi,s+1|s；步骤四、计算时变递推状态估计器中的增益矩阵Πi,s+1；步骤五、将Πi,s+1代入到步骤二中，得到第i个网络单元在下一个更新时刻的估计值判断s+1是否达到复杂网络的估计总步长W，若s+1＜W，则执行步骤六，若s+1＝W，则循环结束；步骤六、计算复杂网络的估计误差协方差上界Ξi,s+1|s+1；令s＝s+1，执行步骤二，直至条件s+1＝W成立。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.058 seconds)
