检索结果-南通市图书馆

计算机应用研究 2022年第1期39卷 106-112页

作者：廖辉刘富春广东工业大学计算机学院广州510006

针对随机离散事件系统在故障预测时可能出现系统观测永久丢失,导致预测不准确的问题,提出一种观测永久丢失下故障预测验证的算法。首先对观测永久丢失的随机离散事件系统的U-可预测性进行了形式化。其次使用随机预测器构造了一个随机离... 详细信息

针对随机离散事件系统在故障预测时可能出现系统观测永久丢失,导致预测不准确的问题,提出一种观测永久丢失下故障预测验证的算法。首先对观测永久丢失的随机离散事件系统的U-可预测性进行了形式化。其次使用随机预测器构造了一个随机离散事件系统的U-预测器,实现了系统的故障预测。基于U-预测器,提出了随机离散事件系统U-可预测性的充分必要条件及验证算法,并且引入成对的方式,明显地改进了该验证算法的复杂度。仿真结果表明,该验证算法使得观测永久丢失下系统故障预测准确。最后,实例说明观测永久丢失下故障预测验证算法的应用。结果表明,该验证算法相比现有同类验证算法应用范围更广,验证结果更精确。

关键词：离散事件系统故障预测随机自动机观测丢失

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

带未知观测输入和观测丢失多传感器随机不确定系统的集中式融合滤波

引用

黑龙江大学工程学报 2015年第2期6卷 74-79页

作者：逄崇雁孙书利黑龙江大学电子工程学院哈尔滨150080

对带未知观测输入和观测丢失的多传感器随机不确定系统设计了集中式融合滤波器。通过乘性噪声描述的随机不确定性存在于系统的状态和观测矩阵中。在没有观测干扰任何先验信息的情况下,应用线性无偏最小方差准则,设计了不依赖于未知观测... 详细信息

对带未知观测输入和观测丢失的多传感器随机不确定系统设计了集中式融合滤波器。通过乘性噪声描述的随机不确定性存在于系统的状态和观测矩阵中。在没有观测干扰任何先验信息的情况下,应用线性无偏最小方差准则,设计了不依赖于未知观测输入的具有Kalman形式的集中式融合滤波器。仿真验证了算法的有效性。

关键词：未知输入观测丢失乘性噪声集中式融合滤波线性无偏最小方差

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

带未知观测输入和观测丢失系统的状态估计

引用

信息技术与信息化 2018年第1期 47-50页

作者：左春义宋信敏山东师范大学信息科学与工程学院山东济南250358

这篇文章主要针对含有未知观测输入以及存在丢包情况的系统,致力于解决对其的状态估计。丢包现象通过一系列互相独立的伯努利随机向量来描述。首先,我们的目标是通过运用最小方差无偏估计技术来设计一个线性滤波器,然后我们利用时间戳... 详细信息

这篇文章主要针对含有未知观测输入以及存在丢包情况的系统,致力于解决对其的状态估计。丢包现象通过一系列互相独立的伯努利随机向量来描述。首先,我们的目标是通过运用最小方差无偏估计技术来设计一个线性滤波器,然后我们利用时间戳技术在传感器网络中衍生出一个次优估计器。在最后,我们将通过一个实例来展示滤波器的效用。

关键词：未知输入观测丢失互协方差阵状态估计

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

带未知观测输入随机不确定系统的状态估计

带未知观测输入随机不确定系统的状态估计

引用

作者：逄崇雁黑龙江大学

学位级别：硕士

含未知输入干扰随机系统的状态估计问题广泛存在于控制、信号处理和故障诊断等应用中。在许多情况下,外界扰动往往是无法测量的(即未知输入),如果不能很好地对干扰或故障进行有效的检测和分离,可能会造成人员和生产上的损失。此外,在网... 详细信息

含未知输入干扰随机系统的状态估计问题广泛存在于控制、信号处理和故障诊断等应用中。在许多情况下,外界扰动往往是无法测量的(即未知输入),如果不能很好地对干扰或故障进行有效的检测和分离,可能会造成人员和生产上的损失。此外,在网络化控制系统(NCSs)中,由于网络的带宽和承载能力有限,数据在传输时发生随机时滞和观测丢失的现象不可避免。除了以上干扰,由乘性噪声描述的参数不确定性也可能存在于系统的模型中。以往的文献大都分别对带有未知输入、时滞、观测丢失和乘性噪声的系统开展研究,但同时考虑以上不确定性的文献鲜见。因此,考虑到这些问题,本文研究带未知观测输入随机不确定网络化系统的状态融合估计问题。主要研究内容如下:对同时具有未知观测输入、观测数据丢失和参数乘性噪声的随机不确定系统,提出了与未知观测输入解耦的具有Kalman形式的分布式和集中式融合滤波器,包括先验滤波器(一步预报器)和后验滤波器。给出了任意两个传感器子系统之间的滤波误差互协方差阵。对于相应的定常系统,分别给出了分布式和集中式融合稳态滤波器存在的充分条件,并证明了任意两个传感器子系统之间的互协方差阵稳态解的存在性。最后,给出了未知输入的次优估计算法。对同时具有未知观测输入和一步随机时滞的随机不确定系统,通过引入新的变量,将带未知观测输入和随机时滞的系统转化为等价的带随机参数的系统,提出了与未知观测输入解耦的分布式和集中式融合滤波器,包括先验滤波器(一步预报器)和后验滤波器。给出了任意两个传感器子系统之间的滤波误差互协方差阵。最后,给出了未知输入的次优估计算法。

关键词：未知观测输入观测丢失乘性噪声随机时滞融合估计线性无偏最小方差

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

具有未知传感器干扰的多速率不确定系统的融合估计

具有未知传感器干扰的多速率不确定系统的融合估计

引用

作者：吴琼黑龙江大学

学位级别：硕士

在信息处理、工程控制和故障诊断等领域中,广泛涉及具有未知传感器干扰的不确定系统的融合估计问题。传感器遭受无法测定的扰动,我们将它称之为未知传感器干扰(即未知输入)。随着“互联网+”时代的到来,网络化控制系统(NCSs)的发展也将... 详细信息

在信息处理、工程控制和故障诊断等领域中,广泛涉及具有未知传感器干扰的不确定系统的融合估计问题。传感器遭受无法测定的扰动,我们将它称之为未知传感器干扰(即未知输入)。随着“互联网+”时代的到来,网络化控制系统(NCSs)的发展也将更加深入。然而当系统规模不断增大,复杂程度逐渐增加,各种问题也就随之而来。由于网络负载能力差,带宽受限,正在被传送的数据发生观测丢失现象在所难免。除此之外,乘性噪声引起系统不确定性的问题亦不容忽视。如果对以上干扰置之不理,不采取有效的检测、分离措施,可能会造成生产上的损失。现如今,各行业为了获取更全面的信息以提高系统性能,原有单传感器系统和单速率系统将不能满足其需求,多速率多传感器系统因此成为研究热点。考虑上述所有问题,本文对具有未知传感器干扰的多速率不确定系统融合估计问题的研究很有必要。主要内容如下:线性无偏最小方差准则与最优融合算法(线性最小方差意义下)支撑本文理论部分。对同时带有未知传感器干扰、观测数据丢失的多传感器异步均匀采样系统,给出了与未知传感器干扰解耦的具有Kalman滤波形式的观测采样点和状态更新点上的局部滤波器。在并未推导局部估计误差互协方差阵的情形下,对系统设计了SCI次优融合和矩阵加权次优融合两种次优融合滤波器。对同时带有未知传感器干扰、观测丢失的多传感器异步均匀采样系统,直接设计不依赖于未知干扰的具有Kalman滤波形式的状态更新点上的局部滤波器。而后分三种不同情况推导了任两个传感器子系统之间的估计误差互协方差阵,最后给出拥有较高估计精度的分布式融合滤波器。对同时带有未知传感器干扰、乘性噪声和数据丢失的多传感器异步均匀采样系统,提出了不依赖于未知传感器干扰的具有Kalman滤波形式的状态更新点上的局部滤波器。其中乘性噪声由零均值的高斯白噪声来描述。然后给出所有可能存在采样情况下的局部估计误差互协方差阵,最后给出矩阵加权分布式次优和最优融合滤波器。

关键词：未知传感器干扰观测丢失多速率采样线性无偏最小方差乘性噪声融合估计

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

通信受限的网络化多传感器系统融合估计算法研究

通信受限的网络化多传感器系统融合估计算法研究

引用

作者：茹安狄浙江工业大学

学位级别：硕士

随着传感器技术和网络通信技术的快速发展,网络化的多传感器信息融合系统(Networked Multi-sensor Fusion Systems,简称NMFs)逐渐在医疗、军事、国防和高科技研究等方面得到广泛应用。与传统的传感器融合系统相比,通信网络的引入使得信... 详细信息

随着传感器技术和网络通信技术的快速发展,网络化的多传感器信息融合系统(Networked Multi-sensor Fusion Systems,简称NMFs)逐渐在医疗、军事、国防和高科技研究等方面得到广泛应用。与传统的传感器融合系统相比,通信网络的引入使得信息传输模式发生了根本变化,NMFs具有布线少、成本低、易于扩展和维护等优点,也必然带来了通信约束问题。目前,通信受限的网络化多传感器信息融合估计问题是研究的热点。本文基于序贯卡尔曼滤波算法,线性最小方差意义下最优加权融合算法,对通信受限下网络化多传感器信息融合系统做了如下研究:首先针对具有通信受限的网络化多传感器系统,提出了一种实时序贯式卡尔曼信息融合估计方法,基于周期性分组传输通信策略,采用序贯卡尔曼滤波方法,对当前时刻访问融合中心的传感器组进行局部滤波,并导出剩余传感器组的最优局部估计,进而得到线性最小方差意义下的最优融合估计。同时利用残差加权平方和方法对发生故障的传感器进行定位。其次,本文研究了通信受限下网络化多传感器信息融合系统中存在量测丢失时的序贯卡尔曼融合估计,引入虚拟噪声,提出一个新的随机通信模型描述NMFs中的观测丢失现象,采用序贯卡尔曼滤波方法得到当前传感器组的实时滤波,并导出剩余传感器组的最优局部估计,进而得到最优融合估计。最后,通过matlab对算法进行仿真,仿真结果表明融合估计精度高于单传感器估计精度,验证了算法的可行性。

关键词：信息融合通信受限序贯滤波算法故障诊断观测丢失

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：