[发明专利]一种基于协议的时滞马尔科夫系统的状态估计方法和系统有效
| 申请号： | 201711305189.5 | 申请日： | 2017-12-11 |
| 公开（公告）号： | CN108008632B | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 董宏丽;李佳慧;张勇;韩非;路阳;宋金波 | 申请（专利权）人： | 东北石油大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 大庆知文知识产权代理有限公司 23115 | 代理人： | 李建华 |
| 地址： | 163318 黑龙江省*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于协议的时滞马尔科夫系统的状态估计方法，包括：建立具有马尔科夫参数、传感器非线性、模态依赖时滞和随机干扰的神经网络系统的动态模型；在给定协议下，根据被选择传输数据的传感器建立更新矩阵；根据所述更新矩阵和所述神经网络系统的动态模型，建立在协议下的神经网络系统的动态模型；根据所述协议下的神经网络系统的动态模型构建估计器；根据所述估计器的估计状态向量和所述协议下的神经网络系统的状态向量计算状态估计误差；利用所述状态估计误差，获得估计增广系统；利用系统稳定性判断定理，根据估计增广系统求解所述估计器的增益矩阵；将所述增益矩阵带入所述估计器，完成所述神经网络系统的动态模型的估计。及系统。 | ||
| 搜索关键词： | 一种 基于 协议 时滞马尔科夫 系统 状态 估计 方法 | ||
【主权项】：
1.一种基于协议的时滞马尔科夫系统的状态估计方法，其特征在于，包括：建立具有马尔科夫参数、传感器非线性、模态依赖时滞和随机干扰的神经网络系统的动态模型；在给定协议下，根据被选择传输数据的传感器建立更新矩阵；根据所述更新矩阵和所述神经网络系统的动态模型，建立在协议下的神经网络系统的动态模型；根据所述协议下的神经网络系统的动态模型构建估计器；根据所述估计器的估计状态向量和所述协议下的神经网络系统的状态向量计算状态估计误差；利用所述状态估计误差，获得估计增广系统；利用系统稳定性判断定理，根据所述估计增广系统求解所述估计器的增益矩阵；将所述增益矩阵带入所述估计器，完成所述神经网络系统的动态模型的估计。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东北石油大学，未经东北石油大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711305189.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种铁路机车车辆轮对的除锈方法
- 下一篇：基于单片机控制的水杯
