分布式网络控制系统全局最优及一致性卡尔曼滤波

分布式网络控制系统的状态最优估计在国防军事、环境监测、灾害预测与控制、智能家居、医疗卫生及智能交通等领域有着重要的应用。本项目拟对各类动态系统（无时滞、观测时滞、状态时滞和观测数据无序及丢失）模型下的相关问题展开系统研究，期望获得线性最小均方误差意义下的分布式全局最优估计理论新成果，获得一种崭新的分布式全局最优状态估计融合算法和分布式一致性滤波算法。该算法基于对局部节点估计信息的正交序列求解，具有简单、高效、灵活、鲁棒等优点，相比较于传统算法，该算法具有更快的收敛速度，可以适用于更加复杂多变的网络环境。这将为解决由于无线传感器网络固有的传输数据延迟、无序甚至丢失而产生的估计难题提供一种解决思路，有助于克服无线传感器网络系统由于网络拥塞和高能耗所带来的产业化瓶颈，推动无线传感器网络系统的普及和产业化应用。

分布式网络控制系统的状态估计在国防军事、环境监测、灾害预测与控制、智能家居、医疗卫生及智能交通等领域有着重要的应用。项目组在之前得到的状态和观测噪声时滞系统的最优状态估计的基础上，主要研究了基于分布式观测的实时Kalman滤波最优估计问题，得到了线性最小均方误差意义下线性最优估计算法，这是一种简单、高效、与集中式算法性能等价的新的滤波器设计方法，获得一种新的分布式全局最优估计算法。该算法引入了对估计性能精度的判断，在实际工程中有着较高的实时应用性和广泛的适应性。研究了多通道观测系统的分布式实时估计融合问题，得到一种全局最优的迭代融合算法，在算法内考虑了如何平衡数据传输的延迟和估计要求的实时性，从而节省了网络内的数据传输量，有较好的实时应用性。考虑了状态系统分布部署的大范围分布式网络控制系统，并研究了其状态估计问题。由于信息的不完整，因此几乎不可能得到状态的最优估计。目前给出了一种简单的次优算法，并给出了几个估计器稳定的必要条件和充分条件。除此之外，还开展了对布尔逻辑网络分析综合等方面的研究，取得了部分较高水平的理论成果。针对广义逻辑网络控制系统，研究了其拓扑结构和干扰解耦问题，给出了问题可解的条件。研究了一种广义多智能体网络控制系统的一致性问题，设计出一致性控制协议。研究了一类高阶切换布尔网络的可控性，给出了可控的充分必要条件等。在本项目支持下共发表了32篇论文，其中19篇为SCI期刊，包括IEEE Transactions On Automatic Control、International Journal of Robust and Nonlinear Control、IET Control Theory & Applications、ASIAN JOURNAL OF CONTROL、Optimal Control, Applications and Methods，Journal of Industrial and Management Optimization、European Journal of Control、International Journal Of Control Automation And Systems、Journal Of Systems Science & Complexity等。