新浪博客

具有传感器增益退化、传输时延和丢包的离线状态估计器

2023-05-08 17:01阅读：

http://blog.sina.cn/dpool/blog/u/1304706164

引用本文

赵国荣, 韩旭, 王康. 具有传感器增益退化、传输时延和丢包的离线状态估计器. 自动化学报, 2020, 46(3): 540-548. doi: 10.16383/j.aas.2018.c180230
ZHAO Guo-Rong, HAN Xu, WANG Kang. An Ofi-line State Estimator With Sensor Gain Degradation, Transmission Delays and Data Dropouts. ACTA AUTOMATICA SINICA, 2020, 46(3): 540-548. doi: 10.16383/j.aas.2018.c180230
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c180230

关键词

传感器增益退化，传输时延，丢包，网络化状态估计


摘要

研究了具有传感器增益退化、数据传输时延和丢包的网络化状态估计问题, 传感器增益退化现象通过统计特性已知的随机变量来描述, 数据包时延和丢失发生于传感器量测输出向远程处理中心传送过程中, 将各时延的发生描述为随机过程, 在远程处理中心端建立只存储最新时刻数据包的时延-丢包模型, 考虑到利用每一时刻实时的时延值和丢包情况, 设计了一种离线的无偏估计器, 推导出最小方差原则下的离线最优估计器增益.最后, 通过算例仿真验证所设计离线状态估计器的有效性.

文章导读

网络化状态估计因其在航空航天、工业控制、环境监测及导航等领域的广泛应用, 已经成为了学术界的一个研究热点[1-5].实际环境下的网络化系统中不可避免地存在传感器随机故障、数据包传输时延和丢失问题, 严重损害了传统状态估计方法的估计效果.目前, 针对如何在这些问题存在时设计有效的状态估计器, 已有学者提出了一些方法.首先, 针对时延和丢包同时发生的状态估计器设计问题, 文献[6]和文献[7]均规定处理中心端每个时刻至多接收一个数据包, 利用射影理论导出最小方差意义下的无偏估计器.不同的是, 文献[6]通过状态增广方法将随机时延和丢包转化为新的系统矩阵中的随机参数, 而文献[7]则将时延和丢包转化为新的量测矩阵中的随机参数, 从而避免了文献[6]中高维的系统增广矩阵, 降低了计算复杂度.以上两种对时延和丢包的处理方式虽然可以保证得到的状态估计在精度上是最优的, 但是每一时刻估计器增益和误差协方差矩阵的计算需要实时获取该时刻数据包具体的时延和丢包情况, 是一种在线计算方式, 不利于实时性要求高的应用场景.为此, 文献[6]利用时延和丢包的分布概率代替每一时刻具体的时延和丢包变量, 得到一种依赖时延分布概率和丢包率的无偏离线估计器, 方便了计算, 增强了实时性.文献[8-10]则是将文献[6]的这一处理方法推广到了多传感器状态估计中.然而这种离线设计方法相比于文献[6]和文献[7]的在线设计方法, 虽然实时性得到了增强, 但是其只利用了时延和丢包的静态分布规律, 忽略了对动态时延和丢包信息的利用, 造成了有效信息的浪费, 导致估计器的准确性降低.因而, 如何在保证实时性的前提下有效利用动态时延和丢包信息来提高估计器的精度是一个具有重要研究意义的问题.

与此同时, 在实际使用环境中, 传感器除常见的失效故障外, 还会出现传感器增益衰减退化[11-15], 如传感器放大电路因元器件老化和环境因素干扰导致增益系数发生衰减; 传感器量测值经无线信道传输时, 因作用距离长而发生量测信号衰减等.与传感器失效相比, 传感器增益衰减退化在网络化状态估计中并未得到广泛重视和研究.

针对具有传感器增益退化、随机时延和丢包的多传感器状态估计问题, 文献[14]和文献[15]分别给出了分布式和集中式两种框架下的离线估计器.其中, 为了提高对时延信息的利用, 文献[15]设计了一种包含当前和过去所收到的时延数据的新息模型, 推导出最小方差意义下的离线无偏估计器, 并验证其估计精度优于传统Kalman滤波方法.不足的是, 文献[15]忽略了对每一时刻丢包变量的运用, 在发生丢包时, 非零新息反而会导致较大误差.本文旨在解决两个问题: 1)如何有效利用动态的时延和丢包信息来提高离线估计器的精度; 2)对传感器增益退化进行建模, 并研究其对状态估计的影响.为此, 本文在文献[15]的研究基础上, 考虑系统模型存在不确定性, 将模型的不确定性描述为系统矩阵中的乘性噪声, 传感器增益退化现象描述为统计特性已知的随机变量.数据包传输时延和丢失发生于传感器量测输出通过无线信道向远程处理中心传送的过程中.处理中心根据数据包的时间戳筛选并保留时延值最小的数据包, 并据此设计了一种新的最优离线无偏估计器.该估计器与文献[15]所提离线估计器相比, 不仅每一时刻参与估计计算的数据包是相对最新的, 而且通过时间戳获取并利用了每一时刻的丢包变量, 使得发生丢包时新息为零, 避免了文献[15]中方法因丢包导致的误差, 从而在保证实时性的前提下提高了状态估计精度.
具有传感器增益退化、传输时延和丢包的离线状态估计器
图 1 网络化状态估计结构图
具有传感器增益退化、传输时延和丢包的离线状态估计器
图 2 状态真值与状态估计值的轨迹
具有传感器增益退化、传输时延和丢包的离线状态估计器
图 3 两种估计器下的估计误差对比

本文设计了具有传感器增益退化、数据传输时延和丢包的状态估计器, 对传感器增益退化现象、随机时延和丢包现象依次进行建模.通过增加对动态时延和丢包信息的利用, 设计了一种新的无偏离线估计器, 并推导出最小方差意义下的最优估计增益的递推形式.增益中各变量均与时延和丢包具体情况无关, 从而方便工程实现.仿真结果表明, 因增加了时延筛选和对丢包变量的应用, 估计精度得到提高.同时, 估计误差将随着传感器增益退化故障和模型不确定性的增加而增大.因此在工程应用中, 可考虑改善传感器抗干扰抗退化的性能, 降低建模的不确定性来提高估计精度.

作者简介

赵国荣
海军航空大学教授. 1996年获得哈尔滨工业大学控制科学与工程博士学位.主要研究方向为无线传感器网络, 飞行器导航, 制导与控制.E-mail: grzhao6881@163.com

王康
海军航空大学博士研究生. 2

我的更多文章

下载客户端阅读体验更佳

APP专享