К задаче оценивания ошибок измерений в системах управления при неполной информации

Abstract

Работа посвящена задаче повышения точности оценивания состояния линейных динамических систем в условиях неполноты информации. Указанная задача связана с особенностью методов гарантированного оценивания, проявляющейся в том, что на коротком интервале наблюдений допустимые множества значений возмущений, действующих на систему, и ошибок измерений в информационно-измерительном канале могут оказаться лишь грубыми оценками сверху. В частности, для единственной короткой реализации измерений вероятность реализации возмущений и ошибок измерений наихудшим образом меньше единицы. Представлен подход к построению адаптивного алгоритма гарантированного оценивания. Подход основан на обработке значений обновляемой последовательности фильтра Калмана, при этом реализация фильтра Калмана осуществляется для предварительной обработки результатов измерений. Обновляемая последовательность фильтра рассматривается как временной ряд, для обработки которого используются методы статистического и гарантированного оценивания. Результаты обработки значений обновляемой последовательности фильтра Калмана используются для построения множественных оценок ошибок измерений, используемых в уравнениях алгоритма гарантированного оценивания. При таком подходе осуществляется информационное доопределение неизвестных помех в информационно-измерительном канале. Основной особенностью задачи, исследуемой в данной статье, является малое число доступных измерений, по результатам которых осуществляется поиск наилучшей оценки вектора состояния. Поэтому реализация измерений рассматривается как короткий временной ряд. Для уменьшения вычислительных затрат на реализацию алгоритма гарантированного оценивания в реальном времени предложены методы декомпозиции задачи оценивания. Эффективность предлагаемого подхода демонстрируется на примере модели, описывающей угловое движение космического аппарата. Приведены результаты имитационного моделирования и сравнительный анализ точности полученных оценок вектора состояния. The article deals with the problem of increasing the accuracy of the state estimation of linear dynamical systems under conditions of incomplete information. This problem is linked to the feature of guaranteed estimation methods, which is that the allowable sets of values of disturbances acting on the system and measurement errors in the information-measuring channel can be only rough upper bound on a short observation interval. In particular, for a single short measurement implementation, the probability of the realization of disturbances and measurement errors is worst-case less than one. The approach to adaptive algorithm development of guaranteed estimation is proposed. The approach is based on processing the innovation sequence values of the Kalman filter. The Kalman filter implementation is performed for measurement data preprocessing. The innovation sequence is considered as a time series for processing of which statistical and guaranteed estimation methods are used. The results of processing the innovation sequence values are used to construct bounded estimates of the measurement errors used in the equations of the guaranteed estimation algorithm. With this approach an informational definition of unknown measurements errors is carried out. The main feature of the problem studied in this article is a small number of available measurements the results of which are used to find the best estimate of the state vector. Therefore, the implementation of measurements is considered as a short time-series. To reduce the computational cost of implementing the guaranteed real time estimation algorithm, methods for decomposition of the estimation problem are proposed. The effectiveness of the proposed approach is demonstrated by the example of a model describing the spacecraft attitude motion. The results of simulation and a comparative analysis of the accuracy of the obtained estimates of the state vector are presented. The results of simulation and a comparative analysis of the accuracy of the obtained state estimates are given.