事件驱动下信息-物理融合系统最优状态估计理论与应用研究

The event-based minimum mean square error (MMSE) state estimation problem for cyber-physical systems (CPS) is considered in this project. The system under consideration is assumed to be represented by a finite-state hidden Markov model. Utilizing the event-triggered measurement information available to the estimator, a systematic approach to optimal event-based estimator design will be investigated by considering the effect of the communication network (e.g., packet dropouts, time delays) as well as the existence of unknown exogenous inputs (e.g., cyber-attacks) in CPS, and the general analytical expressions of the optimal event-based MMSE estimates for the hidden process are to be expected. A general method for performance assessment of event-based state estimation will be proposed, and the quantitative relationship of the event-triggering conditions, the parameters in the communication network and the unknown exogenous inputs with average communication rates and estimation performance will be exploited. Based on the quantization effect of the analog-to-digital and digital-to-analog converters in sampled-data control systems, the finite-state equivalent model for sampled-data systems can be obtained, based on which the applicability and implementation of the potential finite-state event-based estimation results for general sampled-data control systems will be discussed. The potential results of this project provide theoretical and technical support for the development of CPS-based prediction and monitoring systems.

本项目针对信息-物理融合系统的事件驱动最小均方误差状态估计问题进行研究。基于状态估计器获得的事件驱动测量信息，以有限状态隐马尔科夫过程为研究对象，针对信息-物理融合系统中的通信网络效应（如丢包、延时）和未知外界输入作用（如网络攻击）等不同因素，探讨事件驱动最优状态估计器的系统化设计方法，揭示事件驱动最优估计的一般解析表达形式。提出事件驱动状态估计性能分析的一般方法，挖掘事件驱动条件、通信网络参数及未知外界输入与平均通讯率及估计性能之间的定量关系。结合一般采样控制系统中模数、数模转换器的量化效应，建立采样系统有限状态等效模型，探讨有限状态事件驱动估计方法在一般采样控制系统中的适用性、可实现性及低复杂度实现方法。本项目将为以信息-物理融合系统为核心的预测、监控系统的发展提供理论支持和技术指导。

信息-物理融合系统的发展为控制系统的设计和实现提出了新的挑战。本项目以有限状态隐马尔科夫系统为主要研究对象，针对信息物理融合系统有限通讯资源下最优事件驱动状态估计问题，开展了1）有限状态隐马尔科夫过程事件驱动最小均方误差估计器设计与分析、2）通信网络延时和丢包作用下的事件驱动状态估计、3）未知外界输入下的事件驱动状态估计、4）有限状态事件驱动估计器在采样控制系统中的应用四部分研究工作，探讨了这些工作在线性高斯系统和具有对角结构的非线性系统的相关推广。综合考虑信息-物理融合系统中存在的通讯网络延时、丢包及未知外界输入（如网络攻击）作用，提出了基于基准概率测度理论的事件驱动估计器系统化设计方法，得到了系统状态估计在基准测度下的递推表达形式，并将研究思想推广用于线性高斯系统未知输入作用下最优事件驱动估计、鲁棒最优事件驱动估计和具有三角结构非线性系统的事件驱动状态估计，为最优事件驱动状态估计器难以递推解析求解的问题提供了系统化的可行解决途径。针对实际采样控制系统对应的隐马尔科夫模型难以得到且计算复杂度高的问题，提出了数据驱动的隐马尔科夫模型参数蒙特卡洛训练方法和基于系统参数准周期函数特性的模型参数矩阵降维方法，为本项目理论研究结果在实际工程系统中应用提供了切实有效的实施手段。