， 否则执行步骤(c);
[0048] (b)滤波网络估计误差满足：
[0049] limk-xS| |ei(k) | |2 < Mpk (11)
[0050] 其中Μ和P是正常数，Ξ表示求均方，k为离散时间；
[0051] (c)滤波器网络估计误差满足：
[0053]其中R为正常数，x(〇)为汽车悬架系统状态的初始 值。
[0054] 对步骤(802)得到的约束条件矩阵进行线性化，具体为：
[0055] 令 乂1 =卩此上=卩^，父=(11&8{父1，父2，...^}，￥ = (11&8{￥1，￥2，...，￥4，将约束条件 矩阵变换为：
[0059] 所述的步骤(9)具体包括以下子步骤：
[0060] (901)给定事件触发阈值参数〇i、哉和εi初始值，且满足G； /<5；. e(0J)，εi>〇，执行步 骤(902);
[0061] (9〇2)将事件触发器阈值参数〇i、<5；.和 〖!分别赋值为〇i = 〇i+A丨，辱=负+./\，ε? = ε?+Δ3,且满足σ;./(5;. e(0,l)，ei>〇,其中Δ1ν Δ2和Δ3分别为〇i、4和的迭代步长；
[0062] (903)将〇1、ξ、ει代入不等式（13)和（14)中并求解不等式，若无解，返回步骤 (902)，若有解，得到矩阵Χ、Υ和γ ;
[0063] (904)计算滤波器网络数据信息的传输率〇,判断〇<〇_，γ < 丫_是否成立，其中 〇〇Pt为预期数据传输率，γ〇Pt为预期干扰抑制比，若成立则计算本地增益，耦合增 益Ki = Pi-Vi，否则返回步骤(902)。
[0064] 与现有技术相比，本发明具有如下优点：
[0065] (1)本发明滤波网络设计方法简单，滤波器参数(包括本地增益和耦合增益）容易 确定，但凡满足矩阵不等式(13)和（14)的矩阵心和出都可以作为滤波器网络的增益矩阵，而 矩阵不等式(13)和(14)是很容易满足的两个条件。
[0066] (2)本发明对滤波对象要求简单，本发明只利用汽车悬架系统的可观测输出变量， 采用车载传感器测量值进行滤波，实现对汽车悬架系统的状态信息进行观测，对汽车模型 无其他要求。
[0067] (3)本发明滤波网络设计策略灵活，满足不同精度要求，应用范围广，滤波器网络 需要满足的条件保守性低，对于不同的抗扰动衰减水平γ，都能很容易从矩阵不等式（13) 和（14)中求解出滤波器增益矩阵的值，从而对于不同精度要求的滤波器网络设计，本发明 策略都可以实现。
[0068] (4)本发明采用事件触发采样机制决定滤波器接收车载传感器采集的汽车悬架系 统状态信息的时刻，与传统的连续或周期采样相比事件触发采样能够以当前滤波对象的实 时状态为参考量，决定是否传递当前采样数据。在汽车受到扰动较小或无扰动时，滤波器滤 波效果较好时，数据传输相对较疏;当汽车受到扰动较大，汽车实时姿态信息变化速度较大 时，数据传输较密。总体而言，基于输出反馈的周期事件触发采样机制能够有效减少网络中 数据传递次数，节约网络资源。
[0069] (5)本发明设计的分布式滤波网络来实时估计汽车姿态信息，异地分布的滤波器 通过与车载传感器、邻居滤波器的交流信息，实现对车载传感器传送过来的数据信息进行 滤波，收集到精确的数据信息。与传统的集中式滤波器相比，本发明设计的分布式滤波网络 能够满足多个观测点同时获得精确信息的使用要求，并且对滤波器崩溃有一定的容忍度。 总之，在满足多观测终端能够同时接收精确信息的前提下，还提高了滤波网络的鲁棒性。
[0070] (6)本发明设计的H。。滤波网络能够抵抗多种形式的干扰，包括外界环境的扰动、传 感器的采样误差以及通信信道噪声。并且与经典的卡尔曼滤波相比，Hoc滤波网络能够滤波 更广泛类型的噪声，比如扰动不是白噪声或者噪声的参数不确定时，经典的卡尔曼滤波便 不再适用，但Hoc滤波却仍然起到很好的滤波效果。
【附图说明】
[0071 ]图1为本发明分布式滤波网络系统结构示意图；
[0072] 图2为本发明2自由度的1/4车模型的结构示意图；
[0073] 图3为本发明设计的基于长安汽车的分布式滤波网络的仿真平台结构示意图；
[0074] 图4为簧下质量块的位移曲线对比图；
[0075] 图5为簧上质量块的位移曲线对比图；
[0076] 图6为簧下质量块的速度曲线对比图；
[0077] 图7为簧上质量块的速度曲线对比图；
[0078] 图8为基于事件触发的滤波网络的估计误差曲线图；
[0079]图9为图3中第一滤波器接收外界信息的时序图；
[0080] 图10为图3中第二滤波器接收外界信息的时序图；
[0081] 图11为图3中第三滤波器接收外界信息的时序图
[0082] 图中，1为汽车悬架系统，2为车载传感器，3为事件触发器，4为滤波器，5为传输网 络。
【具体实施方式】
[0083] 下面结合附图和具体实施例对本发明进行详细说明。
[0084] 实施例
[0085]如图1所示，一种分布式滤波网络系统，用于1/4车模型汽车平顺性分析，该系统包 括:滤波器网络单元:包括分布于不同物理站点的滤波器4,各滤波器4通过网络进行信息交 互;传感器采样单元:包括车载传感器2和滤波传感器，所述的车载传感器2内嵌于汽车悬架 系统1并采集汽车悬架系统1状态信息，所述的滤波传感器内嵌于各滤波器4内并采集该滤 波器4与设定的相邻滤波器的交流信息;事件触发单元:包括与各滤波器4对应的事件触发 器3,各事件触发器3基于周期事件触发机制，分别决定对应滤波器4事件发生时刻;在事件 发生时刻，滤波器4接收对应车载传感器2采集的汽车悬架系统状态信息以及设定相邻的滤 波器的交流信息，否则滤波器4不动作。
[0086] 基于上述一种分布式滤波网络系统的设计方法，该方法包括以下步骤：
[0087] (1)如图2所示，汽车模型可以简化为2个自由度的1/4车模型，其中1^和1?是弹簧的 弹性系数，Π11、Ι?2、X1和X2分别表示簧下质量块和簧上质量块的质量和位移，v表示路面上变 化的输入扰动，c为阻尼系数。根据胡克定律和牛顿第二定律，得到二自由度1/4车模型的动 力学方程下所示：
[0089] 定义，λ- = [< X; if i-ij，那么得到连续系统模型为雄X沖)+足喷)，其中
，Bc=[00-kl/ mi0]T。然后利用状态空间时域解法把连续 系统模型离散化，得到1/4车模型汽车的离散化模型：
[0090] x(k+l)=Ax(k)+Bv(k) (1)
[0091] 其中，x(k)为k时刻汽车悬架系统状态变量，x(k+l)为k+1时刻汽车悬架系统状态 变量，v(k)为当前时刻的路面噪声，且奴1〇6 12[0，~）4和8分别为适合维度的系统常矩 阵；
[0092] (2)建立各车载传感器2采样模型：
[0093] yi(k) =CiX(k)+Di ω i(k) (2)
[0094] 其中，i = 1，2……N，N为车载传感器2总个数，yi(k)表示k时刻第i个车载传感器2 的输出信息，ω i(k)表不k时刻第i个车载传感器2的米样噪声，Ci、Di是适合维度的系统常矩 阵；
[0095] (3)建立滤波器网络单元中各滤波器交流信息模型：
[0096] ,r" (k) = Εη χ, (/〇 + /-；, 〇)η (k) 、-3)
[0097] 其中，為⑷为k时刻第j个滤波器传输给第i个滤波器的交流信息，七⑷为k时刻 第j个滤波器的估计状态，ω^(1〇表示k时刻第j个滤波器和第i个滤波器之间的通信信道的 随机扰动，Ei^Fij为适合维度的系数矩阵，i = 1，2……N，j = 1，2……N，N为滤波器个数；
[0098] (4)分别建立各滤波器中事件触发器的触发条件：
[0099] c； (A- ) + ) + E\e,T(k )Φ,·?；·(k)] > a;i]!{k )Φ,,7; (k) + 〇-;E[e；(