毕业论文移动版

网络诱导时延和数据包丢失，这两个问题既然不可避免，且它们的存在都可能降低系统的性能，甚至使系统变得不稳定。因此，现在面临的挑战是如何更准确地建模，定量消除或补偿通信延迟和数据包丢失造成的的影响。滤波问题成为信号处理过程中的关键问题，在实际应用中，状态变量是不能直接测量的。因此，作为估计动态系统状态的有效策略，状态估测在研究和控制系统方面很重要。对于一个给定的带有测量误差的系统，滤波用来估计无法测得的状态变量[3、4]。滤波系统通过网络传输信号被称为基于网络的滤波系统。87427

由于网络引起的延迟通常是随机的，随时间变化，随机延迟的网络系统的分析和合成已经取得重大进展。许多文献中研究了离散时滞。事实上，还有另一种类型的时滞，即分布时滞，这在现实系统中经常发生，并日益受到人们的重视。分布式时滞在网络控制系统的建模中能够发挥作用，因此本文在对网络控制系统进行建模时考虑了加入分布时滞项。此外，当当前的状态变量不可测时，利用“过去”的状态和分布时滞去估计不可测状态是常用的合理的方法。因此，研究分布时滞是如何以随机方式影响离散的控制系统具有重要意义。在实际系统中允许有一定量的丢包发生，丢包后可以由进行通信的两端根据网络协议来进行补包，当丢包率较小时，可以通过补包将其看作是无损传输，不影响网络系统的工作。但是，丢包过多则会使系统变得不稳定。所以在研究设计网络控制系统时也要考虑到丢包情况的发生。因为信号要么丢失，要么没有丢失，因此常常用一个伯努利随机序列的值来表示丢包发生与否：序列输出为1表明没有信号丢失，输出为0则表明信号丢失。

    近年来，基于网络系统的滤波问题已取得一些研究成果，大部分成果是通过卡尔曼滤波方法得到的。文献[5]中章红等以网络化控制系统遇到的时延和丢包问题的拟T-S模糊模型为基础，考虑到控制系统受噪声干扰，设计了相应的卡尔曼滤波器。卡尔曼滤波方法是目前处理状态估计问题应用最广泛、有效的方法，但它要求系统模型是精确的,并且外部噪声的统计信息准确已知，这些假设在实际应用中不易达到。

     滤波器与卡尔曼滤波器的最大的区别在于不需要知道噪声的统计信息，而是用能量有限的干扰代替。同时还保证一定的噪声衰减指标 。 滤波可以有效解决卡尔曼滤波的限制，不要求精确的外部扰动信息，不仅估计精度更高，而且还具有鲁棒性，滤波效果比较稳定。对网络控制系统的 滤波问题的研究逐渐出现。

    当网络时延和连续丢包有界时，文献[6-11]将系统建模为具有时变输入时滞的系统，离散时滞取值于一个有限的集合，利用李雅普诺夫泛函，推导出网络控制系统渐近稳定的充分条件。将这些充分条件转化为带等式约束的LMIs，并对他们进行迭代求解，就可以构造 控制器。文献[7]中王武等研究了具有一步随机通讯时延的离散网络化系统的 滤波器设计。采用伯努利分布的随机变量来描述系统测量数据的一步随机通讯时延。利用LMI方法给出了全阶滤波器存在的充分条件，所设计的滤波器使得滤波系统均方指数稳定且具有给定的 性能。文中的方法可推广到不确定系统的滤波器设计。文献[10]假定非线性项满足全局Lip schitz条件。利用S-procedure 方法处理非线性项，避免了在李雅普诺夫泛函导数中对非线性项和其他交叉项的界定。所提出方法具有更低的保守性，改善了滤波器的最优性能指标。文献[11]中武汉科技大学的常晓恒教授与韩国岭南大学的Ju H。Park等研究了凸多面体不确定离散系统的滤波问题。应用依赖于参数的李雅普诺夫函数方法和线性矩阵不等式(LMI)技术解决滤波问题。考虑到自由结构的辅助松弛变量并引入额外的标量参数，根据线性矩阵不等式(LMI)提出设计滤波器的新的充分条件，从而保证滤波误差系统渐近稳定的 性能规定。对比现有的 滤波器的设计结果，新提出的设计方法可以提供保守性较低的结果。 (责任编辑：qin)