[发明专利]一种随机通讯协议下复杂网络的状态估计方法

说明书

一种随机通讯协议下复杂网络的状态估计方法，它用于控制系统的网络状态估计技术领域。本发明解决了现有的状态估计方法不能够同时处理具有随机内耦合以及测量丢失现象的复杂网络的状态估计的问题。本发明同时考虑了具有未知概率的测量丢失现象以及随机内耦合对状态估计性能的影响，利用扩展卡尔曼滤波方法全面考虑了估计误差协方差矩阵的有效信息，达到了抗扰动的目的；与现有的通讯协议下复杂网络状态估计方法相比，本发明的方法可以将估计误差控制在极小的范围内，在易于求解的同时，可以将估计的精确度提高10％以上。本发明可以应用于网络状态估计技术领域用。

技术领域

本发明属于控制系统的网络状态估计技术领域，具体涉及一种随机通讯协议下复杂网络的状态估计方法。

背景技术

复杂网络的状态估计问题一直是控制系统中一种重要的研究问题，在工程、电网、社交网络等领域的信号估计任务中获得广泛应用。

对于随机通讯协议下具有随机内耦合以及测量丢失现象的非线性复杂网络，由于现有的状态估计方法不能同时处理具有此类现象的复杂网络的状态估计问题，因此，这些现象一直影响着现有状态估计方法的状态估计性能。

发明内容

本发明的目的是为解决现有的状态估计方法不能够同时处理具有随机内耦合以及测量丢失现象的复杂网络的状态估计的问题。

本发明为解决上述技术问题采取的技术方案是：

一种随机通讯协议下复杂网络的状态估计方法，该方法的具体步骤为：

步骤一、在随机通讯协议下，建立具有测量丢失以及随机内耦合现象的复杂网络动态模型；

步骤二、对于步骤一建立的复杂网络动态模型进行增广，并构造状态估计器；利用状态估计器对增广后复杂网络动态模型进行状态估计；

步骤三、计算增广后复杂网络动态模型状态估计的一步预测误差协方差矩阵上界∑_k+1|k；

步骤四、根据步骤三中计算出的增广后复杂网络动态模型状态估计的一步预测误差协方差矩阵上界∑_k+1|k，计算出增广后复杂网络动态模型在k+1时刻的估计增益矩阵K_k+1；

步骤五、将步骤四中获得的增广后复杂网络动态模型在k+1时刻的估计增益矩阵K_k+1代入步骤二中的构造状态估计器，得到增广后复杂网络动态模型在k+1时刻的状态估计

判断k+1是否达到复杂网络总时长M，若k+1M，则执行步骤六，若k+1＝M，则结束对复杂网络的状态估计；

步骤六、根据步骤四中计算出的增广后复杂网络动态模型在k+1时刻的估计增益矩阵K_k+1，计算出增广后复杂网络动态模型在k+1时刻的估计误差协方差矩阵上界∑_k+1|k+1；令k＝k+1，执行步骤三，直至满足k+1＝M。

本发明的有益效果是：本发明提供了一种随机通讯协议下复杂网络的状态估计方法，本发明的随机通讯协议下复杂网络的状态估计方法同时考虑了具有未知概率的测量丢失现象以及随机内耦合对状态估计性能的影响，利用扩展卡尔曼滤波方法全面考虑了估计误差协方差矩阵的有效信息，达到了抗扰动的目的；与现有的通讯协议下复杂网络状态估计方法相比，本发明的方法可以将估计误差控制在极小的范围内，在易于求解的同时，可以将估计的精确度提高10％以上。

附图说明

图1为本发明所述的一种随机通讯协议下复杂网络的状态估计方法的流程图；

图2为本发明第一个节点的第一个变量在k时刻的状态轨迹及其估计的对比图；

图3为本发明第一个节点的第二个变量在k时刻的状态轨迹及其估计的对比图；