多自主体系统分布式优化滤波问题研究

Designing efficient distributed filtering algorithm for cooperative/coordianted large-scale multi-agent system(wireless sensor network) is crucial to state estimation, surveillance and rescue problem in complex and dangerous circumstance, such as, natural disaster, battle field, desert and deep sea. To minimize network estimation error or maximize convergence speed, we design optimized consensus-based filtering algorithm using convex optimization and complex network theory, based on investigating the relationship between network topology, system parameters and network estimation accuracy.For a sensor network with limited energy, we propose optimized estimation strategies by scheduling different subset of sensors to observe or regulating network topology. Furthermore, considering the influence of packet-dropping on estimation accuracy, we study two classes of packet-dropping problems using matrix analysis and probability theory. We also verify all the theoretical results by building wireless sensor network testbed for shedding light on the engineering applications.

如何设计有效的分布式滤波算法使大规模的自主体(如传感器)之间通过协同合作对复杂/危险环境(如自然灾害、战役、沙漠、深海)中的目标进行状态估计、监测与搜救是一个重要而又困难的课题。本项目将深入研究网络拓扑结构、网络系统参数与分布式估计精度之间的关系，以最小化网络估计误差协方差或最大化估计速度为目标，基于优化、复杂网络等理论，设计优化的一致滤波算法。针对传感器网络能量有约束等情况，设计调度策略来调整部分传感器进行目标监测或调控网络拓扑结构，提出优化估计机制以减少网络的能量损耗。进一步，考虑到实际应用中存在的网络丢包给估计精度带来的影响，将研究两类丢包问题，应用矩阵论和概率论等工具，分析丢包率与估计精度之间的关系。通过搭建小型无线传感器网络平台，对已有的理论结果进行实验验证，为算法的实际应用奠定基础。

如何设计有效的分布式滤波算法使得大规模的传感器之间通过协同合作对复杂/危险环境(如自然灾害、战役、沙漠、深海)中的目标进行状态估计、监测与搜救是一个重要而又困难的课题。本项目将深入研究网络拓扑结构、网络系统参数与分布式估计精度之间的关系，以最小化网络估计误差协方差或最大化估计速度为目标，应用凸优化等理论，设计优化的一致滤波算法。针对传感器网络能量有限等约束，通过调度部分传感器进行目标监测及调控网络拓扑结构，提出两类优化估计机制以减少网络的能量损耗。进一步，考虑到实际应用中存在的网络丢包给估计精度带来的影响，将研究两类丢包问题，应用矩阵论和概率论等工具，分析丢包率与估计精度之间的关系。通过搭建小型无线传感器网络平台，对已有的理论结果进行实验验证，为算法的实际应用奠定基础。.本项目主要结果，1)在分布式滤波框架下，进行了最优网络拓扑结构的设计。在本领域首次应用频域方法研究了解决带时延二阶一致性算法快速性的最优网络拓扑结构设计问题，应用根轨迹法，将最优网络拓扑设计问题转化为两个凸优化问题。2)分析网络通讯有丢包时，对一致性滤波算法进行稳定性分析。并在此基础上，考虑算法的优化问题，从理论和仿真双重角度，找出了最优参数，并通过实际例子进行验证。3)对于群集网络化系统，以最小化网络估计均方误差为目标，研究了如何选择受控节点的问题。以最大化网络收敛速度为目标，探索和设计了最优受控节点的策略，并给出了能够刻画最优智能体的重要指标；4)提出了部分传感器检测目标值的想法，当传感器能量有限时，应用迭代算法，将求解最优传感器调度序列问题转化为组合优化问题，并用L1范数代替L0范数，从而将组合优化问题转化为凸优化问题，进而得到次优传感器调度序列。提出随机传感器激活机制，给出充要条件保证算法稳定性的同时，找出了最优激活序列。.上述研究成果共发表本领域国际期刊及会议22篇，SCI收录10篇，EI收录12篇，其中包括以第一作者身份发表的重要期刊“Automatica”,“Systems & Control Letters”,并在顶级会议”IEEE CDC”，“ACC”，“IFAC”上宣读成果多次。在项目执行过程中，培养控制学科博士生一名，硕士生两名，均已顺利毕业。在本项目的基础上，结合当前网络时代快速发展安全等重要问题的出现，有许多重要关键问题仍需解决，申请人将进一步深入探索。