基于模糊逻辑的无线传感器网络分布式降阶估计算法研究

With the rapid development of Industry 4.0 and Cyber Physical Systems (CPS), large-scale wireless sensor networks with complicated network characteristic information and high-order complexity arises frequently in many areas of modern industrial engineering and advanced manufacturing. It generates great difficulties to the performance analysis and algorithm design of the complex networked systems concerned. On the other hand, network-induced transmission delay, data packet losses, sensor fault and quantization error bring insurmountable difficulty and challenge to traditional analysis technique of wireless sensor networks. Due to this fact, this project will adopt fuzzy logic theory, reduced-order approximation theory to model and deal with large-scale wireless sensor networks with these network-induced issues. Combining with distributed fusion technique and event-triggered strategy, we analyze and investigate the reduced-order estimation algorithm design problem of the complicated large-scale wireless sensor networks. Based on our previous research work, the aim of this project is to build a systemic and complete theoretical framework for distributed reduced-order estimation algorithm of large-scale wireless sensor networks via fuzzy logic technique, and improve the applicability of large-scale wireless sensor networks and model approximation theory in practical engineering. Additionally, the obtained theoretical results of this project attempt to be implemented in modeling and analysis of renewable energy power systems and the smart grid system.

随着工业4.0时代的到来和信息物理社会的日趋成形，现代的工业工程和先进制造中所面对的无线传感器网络系统通常具有复杂的网络特征信息，规模庞大特点，这对无线传感器网络系统的分析和算法设计带来了极大的困难。另一方面，网络数据通讯中的传输延迟、数据包丢失、通讯故障、量化误差等问题给无线传感器网络系统的分析提出了新的困难和挑战。本项目将采用模糊逻辑理论和降维逼近理论等方法对网络诱导因素的传感器网络系统进行模型逼近和处理，同时结合分布式数据融合技术和事件触发策略，对网络特征信息复杂的无线传感器系统的降阶估计算法问题开展深入的分析和研究。本项目基于前期的研究工作，旨在建立一套关于无线传感器网络系统基于模糊逻辑的分布式降阶估计算法设计的理论体系，提高无线传感器网络系统和模型逼近理论在工程实践中的应用能力。此外，有关理论研究成果将在多能源电力系统及智能电网系统分析中进行尝试性应用。

随着工业4.0时代的到来和信息物理社会的日趋成形，现代的工业工程和先进制造中所面对的无线传感器网络系统通常网络特征信息复杂、规模庞大，这对无线传感器网络系统的分析和算法设计带来了极大的困难。另一方面，网络数据通讯中的传输延迟、数据包丢失、通讯故障、量化误差等问题给无线传感器网络系统的分析提出了新的困难和挑战。本项目将采用模糊逻辑理论和降维逼近理论等方法对网络诱导因素的传感器网络系统进行模型逼近和处理，同时结合分布式数据融合技术和事件触发策略，对网络特征信息复杂的无线传感器的降阶估计算法问题开展深入的分析和研究。本项目建立了一套关于无线传感器网络系统基于模糊逻辑的分布式降阶估计算法设计的理论体系，提高无线传感器网络系统和模型逼近理论在工程实践中的应用能力。此外，有关理论研究成果将已在多能源电力系统及智能电网系统分析中进行尝试性应用。 .本项目发表(含录用)国际SCI期刊论文17篇(第一作者/通讯作者论文14篇)，其中包括IEEE Transactions汇刊论文11篇(其中IEEE TFS论文7篇)，IFAC汇刊Automatica论文5篇。项目负责人以第一作者在国际知名出版社Springer出版英文专著1部。已发表的研究成果得到海内外学者的引用及推广，已有多篇学术论文入选ESI高被引学术论文。基于上述学术成果，项目负责人项目负责人获重庆市自然科学一等奖(排名第1)、CAA自动化与人工智能创新团队奖（排名第2）、重庆市自然科学一等奖(排名第3)、重庆市十佳青年科技奖（排名第一），入选重庆市杰出青年基金，获重庆五四青年奖章。入选2018-2021年汤森路透全球高被引科学家(工程领域)。2019年入选国家万人计划--青年拔尖人才。