状态估计技术已被广泛用于重建难以直接测量的状态,这些技术依赖于可用的测量输出。这些技术在机器人技术和信号处理等多个领域得到了广泛应用[5]、[7]、[14]、[22]、[41]、[51]。现有的状态估计技术通常根据噪声类型分为三类:方差约束估计技术,用于处理具有已知统计特性的随机噪声[31]、[56];最终有界估计技术,用于处理未知但有界的噪声[35]、[49];以及估计技术,用于处理能量有界的噪声[21]、[48]、[58]。其中,估计技术因其强大的抑制能量有界噪声的能力而受到广泛关注[11]、[29]、[34]、[44]。
周期性干扰发生在特定频率上,在工业应用中经常出现,例如旋转机械和电力系统[12]、[13]、[16]、[28]。例如,在电力系统中,通常由电力电子元件的频繁切换引起的谐波扰动与开关频率相关[33]、[47]。同样,在旋转机械中,与旋转频率同步的周期性扭矩或力波动通常源于轴承退化引起的转子不平衡[8]、[42]。如果不加以适当处理,这些干扰会显著降低系统性能[1]、[32]。
迭代学习技术特别适合解决这个问题。这些方法基于“通过重复改进”的理念,利用从前一个周期获得的知识来不断提升当前周期的性能[2]、[36]。在周期性干扰估计的背景下,该方法通过结合前一个周期的估计值和估计误差来细化当前周期的干扰估计,最终实现高精度的估计[20]、[23]、[52]、[55]。例如,在[53]中,提出了一种基于迭代学习方法的干扰观测器,用于提高永磁同步电机的速度控制性能。在[24]中,为受复杂干扰影响的柔性航天器开发了一种多速率迭代学习干扰观测器。
据作者所知,当前研究中还存在两个重要空白。首先,对于受周期性干扰影响的时间延迟系统的迭代学习观测器(ILO)设计问题关注较少。其次,大多数研究仅考虑了周期性干扰影响系统状态的情况,而忽略了测量输出也受影响的情况。这些空白促使了本研究的工作。主要目标如下:(i) 为仅受系统状态影响的周期性干扰的时间延迟系统开发一种ILO;(ii) 将设计扩展到系统状态和测量输出都受影响的场景。
随着物联网(IoT)的快速发展,空间分布的传感器与远程估计器/控制器之间的网络传输已成为现代工业自动化和信息物理系统的基石。与传统的点对点布线架构相比,IoT支持的网络化传感提供了显著的优势,包括即插即用安装、灵活部署、可扩展性以及降低维护和布线成本[6]、[9]、[38]、[43]。然而,IoT通信基础设施通常在共享的、带宽有限的无线通道上运行。在这样的环境中,如果不对多个传感器节点的同时数据传输进行协调,可能会导致数据包冲突并降低系统性能。研究表明,允许每次仅一个传感器节点传输的介质访问协议可以有效减少拥塞、提高可靠性并增强IoT网络的能源效率[3]、[17]、[25]、[46]。
大量文献研究了传输调度协议,这些协议通常根据节点选择规则分为三类:随机接入协议(RAP)[26]、[44]、轮询协议[37]、[50]、[54]和尝试一次丢弃协议[27]、[45]。其中,RAP由于其去中心化特性、最小的信号开销以及在大规模传感器网络中的强可扩展性,特别适用于IoT部署[18]。尽管RAP在工业IoT环境中具有优势并得到广泛应用,但尚未系统地研究其在迭代学习观测器设计中的应用,尤其是在周期性干扰同时影响系统状态和测量输出的情况下。现有文献中的这一空白为本研究提供了关键动机。
基于上述讨论,本文解决了在RAP下时间延迟系统的ILO设计问题,考虑了两种情况:周期性干扰仅存在于系统状态中,以及这些干扰同时存在于系统状态和测量输出中。这个问题具有挑战性,具体包括:1) 当周期性干扰仅存在于系统状态时,如何设计一个ILO,在RAP下同时估计系统状态和周期性干扰,同时确保状态估计误差满足所需的性能?2) 当周期性干扰同时存在于系统状态和测量输出中,其他因素保持不变时,如何设计一个ILO以确保状态估计误差满足给定的性能?3) 如何使用新颖的方法和分析工具设计上述两种ILO的增益矩阵?
针对这些挑战,主要贡献总结如下。
1.首次将RAP引入到受周期性干扰影响的时间延迟系统的ILO设计问题中,从而有效避免了多个传感器在有限带宽的共享网络上同时传输数据导致的数据冲突。
2.与大多数仅考虑周期性干扰影响系统状态而忽略其对测量输出影响的研究不同,本文全面研究了这两种情况。
3.提出了两种ILO,用于在上述情况下同时估计系统状态和周期性干扰,同时确保状态估计误差满足规定的性能。
4.研究表明,在没有外部有界能量噪声的情况下,所提出的ILO可以完全消除周期性干扰的影响。此外,还开发了一种系统且高效的方法来确定ILO增益矩阵。
本文的其余部分组织如下。第2节阐述了系统模型、RAP、ILO的构建以及性能指标。第3节提出了两种情况下ILO的分析和设计结果:周期性干扰仅存在于系统状态中,以及它们同时存在于测量输出和系统状态中。第4节通过两个仿真示例验证了所提出ILO的有效性。最后,第5节是结论性意见。