滤波器信息处理方法
【技术领域】
[0001] 本发明设及一种网络控制系统，尤其是设及基于网络的LipscMtZ非线性系统的 Hoo滤波器信息处理方法。
【背景技术】
[0002] 随着网络技术的发展，通信网络在控制系统中的应用越来越广泛。运种通过通信 网络形成闭环的控制系统称为网络化控制系统或基于网络的控制系统。在网络化控制系统 中，传感器、控制器和执行器利用网络进行信息交换，因此，网络化控制系统具有安装维护 方便、灵活性高和能够实现远程控制等优点。
[0003] 由于网络化控制系统在控制回路中引入了通信网络，因此产生了数据量化和数据 包丢失等问题。如果网络化系统的状态不可测且受到噪声扰动时，需要设计滤波器对系统 的状态进行估计。当被估计系统受到的噪声是白噪声时，可W设计采用估计误差方差作为 性能度量的Kalman滤波器和线性滤波器对系统状态进行估计。
[0004] 目前，基于网络的滤波器设计主要是针对线性系统、具有扇形非线性系统和由T-S 模糊模型描述的非线性系统。LipscMtz非线性系统是一类重要的非线性系统，例如，存在 S角函数项的机器人系统是LipscMtz非线性系统，一些复杂的非线性系统可W描述成线 性系统与满足LipscMtz条件的非线性项之和。然而现有的基于网络的滤波器设计存在的 问题有：一、被估计信号通过导线而不是通过网络传输到远程滤波器，增加了系统实现成 本，不利于系统安装维护。二、主要考虑网络传输时延和数据包丢失，并用贝努力分布描述 数据传输过程，不适用于数据通过无线网络传输的情况。因此，当LipscMtz非线性系统受 到统计特性难W确定的噪声扰动时，本发明将测量输出和被估计信号进行量化并通过网络 传输到远程滤波器，并用马尔可夫链描述数据传输过程，设计了基于网络的Hoo滤波器。
【发明内容】
[000引本发明的目的是针对现有技术存在的不足，提出一种基于网络的LipscMtZ非线 性系统的Hoo滤波器信息处理方法。
[0006] 本发明采取的技术方案如下：
[0007] 基于网络的Lipschitz非线性系统的Hoo滤波器信息处理方法，包括如下步骤：
[0008] 1)首先对受到统计特性难W确定的噪声干扰的网络化Lipschitz非线性系统进行 分析;并对系统的测量输出和被估计信号进行量化处理，通过网络发送到滤波器端；
[0009] 2)滤波器接收到数据后将测量输出和被估计信号分离;并基于马尔可夫链描述的 数据传输过程，讨论Lipschitz非线性系统的Hoo滤波器问题；
[0010] 3)基于马尔可夫链的状态转移概率信息，建立新型的网络化LipscMtZ非线性系 统及滤波器模型，并根据新建立的滤波器模型对系统的状态进行估计。
[0011] 所述步骤1)中，Lipschitz非线性系统建立的状态方程如下
[0012] x(k+l)=AxA)+Ff(k，x(k))+BwA)
[0013] y(k)=Cx 化)+Gg(k，x(k))+Dw 化） （I)
[0014] Z 化）=Lx 化）
[001引其中：x(k) ERn是状态向量，y(k) ERP是巧慢输出，z(k) ERQ是被估计信号，W(k) e r是空间L2[0，w)上的噪声信号，A，F，B，C，G，D和L是已知相应维数的系数矩阵，f化，X化）） 和g化,X化））是满足如下Lipschitz条件的非线性向量函数:f化，0)=0，g化，0)=0, I If化， X化））I I引|Fix化）I I，I Ig化,X化））I I引|Gix化）I I，其中Fi，Gi是已知的相应维数矩阵。
[0016] 所述步骤1)中，对系统的测量输出和被估计信号进行量化处理的方法具体如下：
[0017] 测量输出7化)和被估计信号z(k)的元素经过量化后打成一个数据包通过网络传 输到滤波器节点，传输之前先对其进行量化，量化器为：
[0019] 其中，系统的量化水平集U={±Ui,Ui = pluo，i = ±l，±2，…}U{±uo}U{0}，0<p< l，u〇〉0:
，口为量化器Q(V)的量化密度。
[0020] 所述步骤2)中，马尔可夫链描述的数据传输过程方法如下：
[0021] O化)=0表示数据通过网络传输时没有丢失;〇化)=1表示数据通过网络传输时产生 丢失;马尔可夫链的状态转移概率矩阵P=[Pij]，其中Ai =Prjo从+1) = /1 O斯=巧Vf J e{〇，l}， Pij含巧=1;当Poi+Pi日二1时，传输过程为贝努力分布；
[0022] 当数据通过网络正常传输时，则滤波器接收到数据后将测量输出和被估计信号分 离;滤波器输入yf化）=Q(y化）），滤波器接收的被估计信号Z。化）=Q(Z化)）；系统的量化器 采用对数量化器，因此yf化）= (I+mk))y化），zc化）= (I+mk))z化），其中I为相应维数的单 位矩阵，H化)为不确定性矩阵，并满足M Wk) M < S;
[0023] 当数据在传输过程中发生丢失时，滤波器接收不到网络传来的测量输出和被估计 信号，此时假设滤波器输入保持前一时刻的值不变，即yf化）=yf化-1 )，滤波器接收不到被 估计信号，即Z。化)=0，运样滤波器输入和接收的被估计信号可化为：
[0024] yf(k) = (l-〇化））（I+H 化））y(k)+〇化)yf(k-l) (3)
[0025] Zc(k) = (l-〇化））（I+H 化））z(k) (4)。
[0026] 所述步骤2)讨论Lipschitz非线性系统的Hoc滤波器问题的方法具体如下：
[0027] 为估计式(1)的输出Z化），设计如下形式的模式依赖滤波器：
[002引 Xf (k+1) = Af。(k) Xf 化)+Bf。(k)yf 化）
[0029] (5)
[0030] Zf(k)=Cf〇(k)Xf 化）
[0031] 其中：Xf化）er是滤波器状态向量，yf(k) ERP是滤波器输入，Zf化）ERQ是估计信 号，Afo(k)，Bfo(k)和Cfo(k)，O化）=i e {〇，1}是待定的滤波器参数；
[0032]定义向量文作)=[X^(A) X诚，）共(A) ，n(k) = [fT(k,x(k)) gT(k，x(k))]T，估计 误差e化)=zc化)-zKk)，由式(1)、式(3)、式(4)和式巧），可得到如下滤波误差系统： 去(A'十1)=去",克網+鳥脚/㈱+起的W僻 .
[003引 ~ ，。从) = /e 0，1 脚 e{k) = C^,,x(k)
[0034] 其中；4 = 4.+ 6巧脚五1 .，..护〇 =氏+ 6灯(*)吗，度。=爲+ 6//例丘;.，.^；=亡+抒脚&'， _ J 0 0_ > 0 「巧 1 [-'打 _ 4=及巧.4-.". 0 ' 巧=0 .扫刊拉 ' 4=岛A)公.' &=及巧.'Ei=[C 0 0]瓜=[0 G]，E3=D， coo」 [0 ,技 I ￡> \ [ I ~A 0 0 1 「/ ()1 「及- C=王-C/。0'，E4=[l 0 o]，A= 0 為-1.思/-1，巧=0' 0 '，马'=0 i 每=0 -C". 0 甘
[0 0 i」 1_日：0」 L0
[0035] 所述步骤3)，建立新型的网络化Lipschitz非线性系统及滤波器模型具体如下：
[0036] 对于给定的正数丫和量化密度P，如果存在对称正定矩阵Pi、Mi、Ri和矩阵Ni、Vi、 8山1 = 0，1，正标量61、62和63，使得下列线性矩阵不等式(7)和(8)成立，则滤波误差系统(6) 式是随机稳定的且具有Hoo性能丫；其中滤波器参数I，Cp = 口I，
[0039] 其中：打U二觀客{-巧+与(奸护1+巧料+ €次於<：+為沪必￡，-水/。，-巧。}，
[0040] 口別二與抑。。，n22 = diag{-eiI，-eiI+e2S2GTG}， G L 0 U
[0041 ] n31=[E2S2护C 0 0]，n32=[0 ￡282护G]，ri33 = -丫 2I + E2S2护D，
[0045] IIsi= [L -Vo 0]，n 册=-1，口对=0 公去 0 /'，n 巧=1174，口77 = -621，
[0046] IIss= I，Hss = -EsI，〇。'=泌嘴|-与+ ^1(巧巧 + 括f巧)，-萬'，-巧} , Q 22 = -eiI， Q 33 = - 丫 2l， -巧^ 0 Q 1 「巧叫 「巧孩-
[0047] !□祉=0 典 1 巧乃，〇4，= 0 0，0巧=0 ， 0 0 Ko」 L 0 O J [ 0 'P^A 0 0 1 「巧F 口] 「与近_
[0048] 卑4.=(的?{-向记，-机:馬，_巧诚}'〇5'1=〇 N、Bp ,€1。= 0 .'0,〇。= 0，
[0 。.馬」 0 0」 L。
[0049] Q巧=成.幻客{-知/巧，-巧-/Af"-妃巧}，〇61=[0 -Vi 0]，〇66 = -1。
[0050] 本发明的优点及显著效果具体如下：
[0051] (1)将LipscMtZ非线性系统的测量输出和被估计信号进行量化并通过网络传输 到远程滤波器，设计了基于网络的Hoo滤波器，相比现有技术，降低了滤波系统的实现成本， 提高了系统安装维护的方便性和灵活性，即使数据通过网络传输过程中存在丢失，系统受 到统计特性难W确定的噪声干扰，估计信号也能较好地跟踪被估计信号。
[0052] (2)本发明采用马尔可夫链描述数据传输过程，相较于采用贝努力分布描述数据 传输过程更具有一般性，尤其适用于数据通过无线网络传输的情况。
[005引（3)本发明利用Lyapunov泛函方法，研究了一类具有量化和数据包丢失的 Lipschitz非线性系统的压。滤波器设计问题，并给出了基于该滤波器的信息处理方法，实现 了滤波器对系统状态的估计。
【附图说明】
[0054] 图1是基于网络的非线性系统滤波结构图；
[0055] 图2是数据传输过程图；
[0056] 图3是滤波器对系统状态的估计图。
【具体实施方式】
[0057] 下面结合附图对本发明的技术方案进行详细说明。
[0058] 如图1、图2和图3所示，分别是基于网络的非线性系统滤波结构图、数据传输过程 图和滤波器对系统状态的估计图，本发明基于网络的LipscMtz非线性系统的Hoo滤波器信 息处理方法，包括如下步骤：
[0059] 1)首先对受到统计特性难W确定的噪声干扰的网络化Lipschitz非线性系统进行 分析;并对系统的测量输出和被估计信号进行量化处理，通过网络发送到滤波器端；
[0060] 2)滤波器接收到数据后将测量输出和被估计信号分离;并基于马尔可夫链描述的 数据传输过程，讨论Lipschitz非线性系统的Hoo滤波器问题；
[0061] 3)基于马尔可夫链的状态转移概率信息，建立新型的网络化LipscMtZ非线性系 统及滤波器模型，并根据新建立的滤波器模型对系统的状态进行估计。
[0062] 其中，步骤1)中的受到统计特性难W确定的噪声干扰的网络化LipscMtz非线性 系统建立的状态方程如式（1)。对系统的测量输出和被估计信号进行量化和打包处理的方 法如下:测量输出y化)和被估计信号Z化)的元素经过量化后打成一个数据包通过网络传输 到滤波器节点。传输之前先对其进行量化，量化器为式(2)。
[0063] 步骤2)中马尔可夫链描述的数据传输过程方法如下：用〇(k)=0表示数据通过网 络传输时没有丢失;O化)=1表示数据通过网络传输时产生丢失。马尔可夫链的状态转移概 率矩阵P=[p。]，其中巧,. = Pr jo^a 十 1) = ./1。作）=/'} V7，./居{()，l}，pu>〇,完;龄=1。当POi +Pio= 1时，传输过程为贝努力分布，因此用马尔可夫链描述数据传输过程更具有一般性，尤 其适合描述数据通过无线网络传输情况。
[0064] 当数据通过网络正常传输时，则滤波器接收到数据后将测量输出和被估计信号分 离。滤波器输入yKk)=Q(y化）），滤波器接收的被估计信号Z。化）=Q(z化)）。由于系统的量 化器采用了对数量化器，因此yKk) = (I+H化））y化），zc化）= (I+H化））z化），其中IlH化）| <8。当数据在传输过程中发生丢失时，滤波器接收不到网络传来的测量输出和被估计信 号，此时假设滤波器输入保持