多智能体编队系统的分布式估计器设计方法

摘要

随着通信技术和控制理论的飞速发展,分布式估计器技术应运而生并且逐渐在能源系统、传感器网络等领域中得到较为广泛的应用。同时在航空航天等国防领域,多智能体编队系统可以实现更为复杂的战略任务,其中分布式估计器的相关理论和应用不仅为编队的实现提供了重要的全局信息,更提高了编队速度。
　　本文针对一类可以描述成为离散线性时不变系统的智能编队系统,研究分布式估计器设计方法。首先介绍了分布式估计器的研究背景和现状,之后根据已有的研究提出相应的分布式估计器模型,最后根据不同模型的特点利用线性矩阵不等式、马尔可夫过程、状态增广等方法设计不同的算法。
　　本文的研究假设编队系统由多个独立的智能体组成,每个智能体都具有估计器,并利用估计器对全局系统进行估计,每个估计器都具有一定的通信能力,通信过程随着环境的不同而使用不同的模型,并根据相应的模型设计不同求解算法。
　　本文根据实际情况共研究了四种通信模型:
　　1.理想的通信模型,认为通信过程理想不存丢包和噪音等问题,通过求解由系统误差的协方差矩阵所构成的线性矩阵不等式,获得了估计器的滤波增益和通信增益。
　　2.带有丢包的通信模型,认为通信丢包过程是一个马尔可夫过程,通过构建不同马尔可夫状态下由系统误差的协方差矩阵所构成的多个线性矩阵不等式为求解条件,最终获得估计器相应参数。
　　3.通信带有噪音且带宽受限的通信模型,认为通信过程存在噪声干扰,同时考虑到通讯带宽有限,通过构造相应的双线性矩阵不等式并利用矩阵等效变换将双线性矩阵不等式转化为两个线性矩阵不等式求解获得估计器参数。
　　4.对于同时具有噪音和丢包的通信模型,通过综合前面问题的两种方法实现分布式估计器的设计。
　　最后,对影响分布式估计器性能的各种因素进行了定性分析。

目录

封面

声明

中文摘要

英文摘要

目录

第1章绪论

1.1 研究背景

1.2 应用前景

1.3 研究现状

1.4 本文主要工作

第2章编队系统的分布式估计器

2.1 编队系统模型

2.2 分布式估计器模型

2.3 估计器的求解过程

2.4 仿真验证

第3章具有马尔可夫通信过程的分布式估计器

3.1 马尔可夫过程

3.2 具有马尔可夫通信过程的估计器模型

3.3 估计器求解

3.4 仿真验证

第4章通信受限制的分布式估计器

4.1 通信带宽受限的分布式估计器

4.2 带有通信噪音的分布式估计器

4.3 同时带有丢包和噪音干扰的分布式估计器

第5章分布式估计器的性能分析

5.1 通信环节对估计器的性能影响

5.2 通信结构对估计器的性能影响

第6章总结和展望

6.1 本文工作总结

6.2 研究展望

参考文献

致谢

攻读学位期间发表的学术论文