[发明专利]自回归滑动平均系统自适应状态估计方法及闭环控制系统

说明书

本申请公开了一种对带有加性输出噪声和控制变量的自回归滑动平均系统进行自适应状态估计的方法、装置及闭环控制系统。其中，方法包括对预先设定应用背景为带有加性输出噪声和控制变量的自回归滑动平均系统进行状态空间实现；利用L2范数正则项对自回归滑动平均系统的加性输出噪声进行建模；利用正则化最小二乘法对自回归滑动平均系统的状态值和输出噪声进行同时估计；将估计残差的样本方差与实际系统噪声的方差两者之间误差最小化时所对应的用于调整输出噪声的检测强度的正则化参数作为最佳正则化参数。本申请能够在系统的输出具有自相关性的情况下消除输出噪声通过自相关性所带来的负面影响，提供对系统状态值进行自适应无偏估计的方法。

技术领域

本申请涉及离散线性系统滤波技术领域，特别是涉及一种对带有加性输出噪声和控制变量的自回归滑动平均系统进行自适应状态估计的方法、装置及闭环控制系统。

背景技术

在控制工程中，带控制变量的自回归滑动平均系统被广泛地应用于描述实际的物理系统。带控制变量的自回归滑动平均系统为一种特殊的离散时间序列系统，在控制工程中被广泛地用于对实际物理系统的建模和控制设计。一般的带控制变量的自回归滑动平均系统能够在描述很多真实物理系统或者动态过程的时候，在模型的复杂性和建模的精确性之间取得良好的平衡。但是因为其没有考虑作用在系统输出端上噪声的影响，因而在很多诸如滤波以及错误检测的应用中会产生不良的后果。在此基础上，带输出噪声和控制变量的自回归滑动平均系统应运而生。

在离散线性系统中被应用得最多的卡尔曼滤波器可以用于对一般的带控制变量的自回归滑动平均系统状态的估计。对于一般的离散线性系统来说，卡尔曼滤波器是最优的线性估计器，其所提供的估计值具有最小误差方差特性。然而，对于带输出噪声和控制变量的自回归滑动平均系统来说，由于无法消除非零均值输出噪声通过系统的自相关性所传播的负面影响，所以卡尔曼滤波器无法实现最优无偏估计。卡尔曼滤波器也可解读为基于高斯概率分布的最大似然估计，根据这一思路也可利用其它的概率密度函数诸如t概率密度函数用于设计针对一般的带控制变量的自回归滑动平均系统的状态估计器。需要指出的是，这些估计器仅仅考虑了系统的输出能够被完全精确测量得到的情况，而对于系统输出受到噪声影响的情况却并未考虑。考虑到测量误差很难被完全消除，没有将输出噪声纳入考量的估计器很难得到精确的状态估计结果。因而这些估计器在实际应用中所产生的效果仍然值得商榷。

从自回归滑动平均系统的结构来看，其系统输出由三个回归项的和组成：一个关于系统过去输入的回归项，一个关于系统过去输出的回归项以及一个白噪声序列。这种结构让对自回归滑动平均系统的状态的估计变得十分困难。因为一个不精确的测量值会影响到对多个后续时间状态值的估计。为了解决这一问题，带输出噪声和控制变量的自回归滑动平均系统被提出。然而如何对这一类系统的状态进行估计还未得到很好的研究和解决。

综上所述，现有技术存在的问题是：现有的估计器仅仅针对一般的自回归滑动平均系统而设计，基于系统的输出能够被完全精确所测量的假设。当系统输出受到噪声干扰时，由于系统输出的自相关性，后续时刻的状态估计值也会受到严重的干扰，因而现有估计器无法为带有输出噪声的自回归滑动平均系统的状态值提供无偏且准确的估计。当系统的输出具有自相关特性的时候，常用的估计器，诸如卡尔曼滤波器、基于t分布的最大似然估计器等，难以解决输出噪声通过系统的自相关特性进行传播的问题，进而导致难以对带有输出噪声的自回归滑动平均系统的状态进行精确估计的问题。除此之外，当输出噪声的统计学方差未知或具有时变特性的时候，如何自适应地调整估计器参数也是有待解决的问题。

鉴于此，如何为带输出噪声和控制变量的自回归滑动平均系统提供具有自适应且无偏特性的准确状态估计结果，是所属技术领域需要解决的技术问题。

发明内容

本申请提供了一种对带有加性输出噪声和控制变量的自回归滑动平均系统进行自适应状态估计的方法、装置及闭环控制系统，实现了为带输出噪声和控制变量的自回归滑动平均系统提供具有自适应无偏特性的准确状态估计结果。

为解决上述技术问题，本发明实施例提供以下技术方案：