[发明专利]一种不确定复杂动态网络状态时变递推估计方法

说明书

本发明公开了一种不确定复杂动态网络状态时变递推估计方法，所述方法包括如下步骤：步骤一、建立具有动态偏差和约束量测的复杂网络动态模型；步骤二、对复杂网络动态模型进行增广并对增广的复杂网络动态模型构造时变递推状态估计器；步骤三、计算预估误差协方差上界Ξsubgt;i,s+1|s/subgt;；步骤四、计算时变递推状态估计器中的增益矩阵Πsubgt;i,s+1/subgt;；步骤五、将Πsubgt;i,s+1/subgt;代入到步骤二中，得到第i个网络单元在下一个更新时刻的估计值判断s+1是否达到复杂网络的估计总步长W，若s+1＜W，则执行步骤六，若s+1＝W，则循环结束；步骤六、计算复杂网络的估计误差协方差上界Ξsubgt;i,s+1|s+1/subgt;；令s＝s+1，执行步骤二，直至条件s+1＝W成立。

技术领域

本发明涉及一种不确定耦合复杂网络的优化估计方法，具体涉及一种具有约束量测的不确定复杂动态网络状态时变递推估计方法。

背景技术

复杂网络的状态估计策略是近些年来在系统控制与科学中热门的研究问题，并广泛应用在社会网络、智能电网、交通网络等领域的信号估计问题中。

由于在传感器获取系统信息的过程中会存在饱和约束限制，这将会造成约束量测数据的产生。此外，由于外部环境干扰、建模偏差等因素的存在，真实的系统模型通常会存在动态偏差。因此，设计同时适用于动态偏差以及约束量测的时变递推状态估计策略势在必行。

目前现有的时变递推状态估计策略并不能同时兼顾约束量测和动态偏差对复杂动态网络的影响，导致估计性能准确度偏低，而且在量测数据获取受限以及模型不确定动态参数等情况时，导致估计性能准确度偏低。

发明内容

本发明的目的是提供一种不确定复杂动态网络状态时变递推估计方法，该方法解决了现有时变递推估计策略不能同时处理约束量测和模型动态偏差，导致估计性能准确率偏低，以及在量测数据受损、量测失效、模型动态偏差以及不确定参数同时发生的情况下，导致估计器性能准确率低的问题，主要用于网络通讯下复杂网络的优化估计领域。

本发明的目的是通过以下技术方案实现的：

一种不确定复杂动态网络状态时变递推估计方法，包括如下步骤：

步骤一、建立具有动态偏差和约束量测的复杂网络动态模型；

步骤二、对步骤一建立的复杂网络动态模型进行增广并对增广的复杂网络动态模型构造时变递推状态估计器，利用时变递推状态估计器对联合复杂网络动态模型进行估计；

步骤三、针对第i个网络单元，计算其预估误差协方差上界Ξ_i,s+1|s；

步骤四、根据步骤三得到的预估误差协方差上界Ξ_i,s+1|s，计算时变递推状态估计器中的增益矩阵Π_i,s+1；

步骤五、将步骤四得到的时变递推状态估计器中的增益矩阵Π_i,s+1代入到步骤二的时变递推状态估计器中，得到第i个网络单元在下一个更新时刻的估计值x_i,s+1|s+1，从而完成对第i个网络单元状态估计的任务；此时判断s+1是否达到复杂网络的估计总步长W，若s+1＜W，则执行步骤六，若s+1＝W，则循环结束；

步骤六、根据步骤四中得到的估计器增益矩阵Π_i,s+1，计算出复杂网络的估计误差协方差上界Ξ_i,s+1|s+1；令s＝s+1，执行步骤二，直至条件s+1＝W成立。

相比于现有技术，本发明具有如下优点：