买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东科技大学

摘要：本发明属于状态估计技术领域，具体公开了一种基于迭代学习估计器抑制未知周期性干扰的状态估计方法。该方法考虑的非线性系统更加贴合现实中的工业系统，其最终的界与周期性干扰无关，因此，本发明所提迭代学习估计器能够完美抑制周期性干扰的影响，并且本发明给出了迭代学习估计器在满足给定的性能指标下具体的设计过程，相较于无设计过程的其他方法能够使得估计误差系统更快收敛。此外，本发明还提出了一种新的累加和型事件触发机制，该事件触发机制是根据系统的周期性特性设计而出，以贴合由于周期性干扰所给系统带来的周期性特性的同时，并能使得性能指标和通信资源能更好地达到一个动态的权衡，因而也更能满足实际工业的应用需求。

主权项：1.基于迭代学习估计器抑制未知周期性干扰的状态估计方法，其特征在于，包括如下步骤：步骤1.建立考虑未知周期性干扰的非线性系统的状态空间模型；步骤2.建立累加和型事件触发机制调度下的传输模型，用于实现传感器的测量输出端与迭代学习估计器接收端之间的数据传输，以减少不必要的传输，节省通信资源；步骤3.给出估计误差系统的性能指标，计算迭代学习估计器的增益参数；步骤4.建立迭代学习估计器的模型，将步骤3求得的迭代学习估计器的增益参数代入迭代学习估计器的模型中，利用迭代学习估计器计算非线性系统的状态估计值；所述步骤1具体为：考虑未知周期性干扰的非线性系统的状态方程如公式1所示； 其中，k表示采样时刻；为非线性系统不能直接量测的状态向量；为非线性系统能获得的测量输出；表示p维欧氏空间； 是满足下面Lipschitz条件的非线性函数： 其中，A是已知的具有适合维度的常矩阵；F是已知的正定对角阵；δ表示与系统状态维数相同的向量； 为未知的周期性干扰，其周期是已知的N，即：噪声满足ωk＝ωk+N；是幅值有界的未知干扰，其已知上界为σ≥||vk||；其中，分别表示l、m维欧氏空间；参数B、C、D和E是已知的具有适合维度的常矩阵；所述步骤2具体为：定义触发时间序列：其中，k0、k1、k2…ks…皆是表示触发时刻；定义如下事件发生器ρξk，θk＝ξTkξk-θk2其中，表示q维欧氏空间；ξk表示触发误差，yks表示距离当前时刻最接近的触发时刻所对应的系统输出值，其中定义ks为距离当前时刻最接近的触发时刻，s为自然数；θk是阈值参数，θk＞0；θk的定义规则如下： 其中，θ0和θ1是给定的正数；α是计算得出的一个正整数，表示当前时刻k所处的是第几周期，其计算公式为N表示周期的长度，ξi表示i时刻所对应的触发误差，i表示时刻的计数变量；当下列条件即公式4成立时，当前的测量输出值yk才发送给迭代学习估计器； 其中，ks+1表示距离当前时刻k最近的触发时刻；采用零阶保持机制，迭代学习估计器接收到的实际输出表示为下列形式： 其中，表示在当前时刻k时迭代学习估计器所能接收到的实际输出。

全文数据：

权利要求：

百度查询： 山东科技大学 基于迭代学习估计器抑制未知周期性干扰的状态估计方法