基于粒子滤波的非线性系统鲁棒状态与参数估计方法

《基于粒子滤波的非线性系统鲁棒状态与参数估计方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：／．种护属蛋’、Ｐ每．巧ｈ：－－令ｆ墨＾巧譯．．苗．舅分类＾．－６瓜药．．？穿：揖＿轉；．学薩＾＾龄Ｖ权：Ｊ．准‘．‘：；＾．驚．ｉ．；！媛ｒ嗦；讓；＇；懸．解種ｒ＇＇．皆霉ｌ爲，昔ｒ‘浸抑乂；聲：響達＾管声義：巧兩±■学位ｔ论＾＼載‘ｒ爹．巧松滤制燃ＩＩ带ａ１．人秦每管離郎闕嗦你臟誦／皆Ｖ．辨，．葉讀作姓名腸喘建．：嘴；．Ｖ．产：．－－学？业舰术扭；摘．．：．；研方向立幢术觀，雲薩条扭教师飾減惠完日期Ｊ＾—歷Ｉ項Ｖ苗巧著巧：．傷＾－麵．和詩Ｆ狀條齡‘嚴！＾：＞．ｆ車；奔４．誰专’．；请Ａ論幫等；Ｔ＾

2、」；曝遞赢温州大学学位论文独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得温州大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。论义作巧签名：Ｕ期：方《年知扣輪禱温州大学学位论文使用授权声明、、位论，：本人完全了解温州大学关ｆ收集保存使用学义的规定即学校有权傑留并向国，大ｎ送文印和电了版论文被查学可家有关部或机

3、构交论的复件允许哪峭阅。本人授权温州明每本学位论义的全部或部分内容编入軒关数掘库进行检索，可采用影印、缩印或妇描等复。。，和汇学位论文人下完成的论成知识产权归属温州大学制手段保存编本本在导师指导文果。保密论文在解密后遵守此规定／专多為：论文者签剧略备作名洁诗繞曰期：。年５＾月曰期：年日佔／２（卽王（２基于粒子滤波的非线性系统鲁棒状态与参数估计方法摘要非线性系统的状态与参数估计在过程控制与故障检测等方面发挥着重要作用。近些年来，在非线性系统的状态及参数估计方面，粒子滤波方法获得了广泛关注。其基本思想是应用蒙特卡罗方法产生大量随机样本去近似状态的后验分布从而实现状态估计。

4、这种方法可应用于任意状态空间模型。然而，在基于粒子滤波方法的状态与参数估计方面仍存在一些问题。本文就针对传统状态与参数估计中存在的问题开展研究。１、对粒子滤波器的发展过程、应用领域、发展现状及存在的问题做了简要介绍。基于非线性系统的状态空间模型，在递推贝叶斯滤波理论的统一框架下，研究了连续重要性采样方法，并指出了该方法存在的主要问题，即粒子退化现象。紧接着，针对粒子退化现象论述了重采样方法，进而引出传统粒子滤波方法。并且针对不同的应用环境论述了三种粒子滤波方法。２、基于粒子滤波器，介绍了传统状态估计方法，并指出传统状态估计方法中存在的问题，即初始值不确定导致传统状态估计效果较差。针对此问题，

5、首先提出了一种多群体粒子滤波方法，该方法以状态初始值不确定导致观测误差为依据决定是否进入多群体粒子滤波过程。但该方法存在运行时间较长的缺点。针对多群体粒子滤波方法I存在的问题，论文提出一种鲁棒状态估计方法。该方法以状态初始值不确定导致观测误差为依据决定是否进行初始值调整。鲁棒状态估计方法不仅解决了初始值不确定带来的状态估计效果较差的问题，也解决了多群体粒子滤波方法运行时间较长的问题。３、基于粒子滤波器，介绍了非线性系统状态与参数估计方法，并指出传统参数估计存在的问题，即迭代过程中一旦模型参数发生变化估计参数不能跟踪模型参数。针对此问题，提出一种鲁棒参数估计方法。该方法以模型参数发生变化导致观

6、测误差为依据决定是否调整参数粒子方差。研究结果表明，虽然该参数估计方法的波动性比传统参数估计方法的波动性大些，但当模型参数发生变化时能迅速做出反应并准确跟踪模型参数。关键词：非线性系统，粒子滤波器，状态估计，参数估计IIPARTICLEFILTERBASEDMETHODOLOGYOFROBUSTSTATEANDPARAMETERESTIMATIONFORNONLINEARSYSTEMABSTRACTThestateandparameterestimationofnonlinearsystemplaysanimportantroleintheprocesscontrolandfaultdete

7、ction.Inrecentyears,intheaspectsofstateandparameterestimationofnonlinearsystem,particlefiltermethodsgetextensiveattention.ItsbasicthoughtisusingaMonteCarlomethodtocreatealargenumberofrandomsamplestoapproxim