我所在“复杂网络化系统的状态估计与故障检测”方面的最新研究成果

    针对带宽有限的通信网络在传输数据包过程中易发生的访问受限、丢包、时滞以及系统中广泛存在的多时间尺度、时变参数、外部扰动输入等多种因素，开展了复杂网络化系统的状态估计和故障检测问题研究。取得的主要研究成果如下：

（1）Round-Robin (RR) 协议下的离散时间非线性奇异摄动复杂网络的H_∞ 状态估计。采用奇异摄动参数反映时间尺度差异，提出了具有多种时间尺度的离散时间非线性复杂网络模型。为缓解数据冲突现象，引入RR协议调度通信网络的数据包传输。提出了处理奇异摄动参数的新的关键引理，并构造了与传输顺序和奇异摄动参数相关的Lyapunov泛函，建立了使得对于任意小于或等于预定上界的奇异摄动参数，状态估计误差系统渐近稳定且满足指定的H_∞ 性能指标的LMI形式的充分条件，并给出了状态估计器设计方法。

Xiongbo Wan, Zidong Wang, Min Wu, Xiaohui Liu. H_∞ State Estimation for Discrete-time Nonlinear Singularly Perturbed Complex Networks Under the Round-Robin Protocol. IEEE Transactions on Neural Networks and Learning Systems, 2019, 30(2): 415-426

图1 RR协议下的状态估计

图2 状态x_1j(k) (j= 1, 2, 3)及其估计的轨迹      图3 输出估计误差   (i = 1, 2, 3)

（2）随机通信协议下的离散时变基因调控网络的量化H_∞ 状态估计。测量输出先由量化器量化，然后采用随机通信协议调度数据包传输。采用完全平方法，建立了使得有限时域H_∞ 性能指标成立的倒向递推Riccati差分方程形式的充分条件。通过求解倒向递推Riccati差分方程，得到状态估计器参数。通过数值仿真验证了所提有限时域状态估计方法的有效性。

Xiongbo Wan, Zidong Wang, Qing-Long Han, Min Wu. A Recursive Approach to Quantized H-infinity State Estimation for Genetic Regulatory Networks under Stochastic Communication Protocols. IEEE Transactions on Neural Networks and Learning Systems, 2019, 30(9): 2840-2852

图 4 随机通信协议下信号量化的时变基因调控网络的状态估计

图5 估计误差                            图6 估计误差          

（3）RR协议下的具有随机过程噪声和有界外部干扰输入的离散时滞基因调控网络的状态估计。基因调控网络的测量输出分别由两组传感器获取，并且由两个独立的通信信道传输到两个远程子状态估计器。分别采用两个RR协议来协调两组传感器节点的传输。在状态估计的分析和设计过程中，构造了与传输顺序相关的类Lyapunov泛函，结合离散Wirtinger不等式和逆凸方法，建立了在指定的衰减率上界下使得估计误差系统均方意义下指数最终有界的充分条件，导出了输出的估计误差的渐近上界，并在LMI约束下通过最小化上界得到了状态估计器参数。

Xiongbo Wan, Zidong Wang, Min Wu, Xiaohui Liu. State Estimation for Discrete Time-Delayed Genetic Regulatory Networks with Stochastic Noises Under the Round-Robin Protocols. IEEE Transactions on Nanobioscience, 2018, 17(2): 145-154

图7 mRNA浓度及其估计                          图8 蛋白质浓度及其估计

图9 输出   的估计误差                        图10 输出   的估计误差

（4）具有时滞和丢包的网络化奇异摄动系统的故障检测。利用转移概率部分未知的马尔可夫链给出了丢包和时滞的统一模型。考虑到网络传输模态和观测模态之间的差异，利用隐马尔可夫过程描述该差异，并且提出了基于隐马尔可夫模型的故障检测滤波器作为残差产生器。通过构造与传输模态和奇异摄动参数相关的Lyapunov-Krasovskii泛函，结合离散Wirtinger不等式和逆凸方法，以LMI形式给出了滤波误差系统随机稳定并且满足指定的H_∞性能指标的充分条件。通过求解LMI，得到故障检测滤波器的参数，并且能够估计奇异摄动参数容许的上下界。

Xiongbo Wan, Tizhuang Han, Jianqi An, Min Wu. Hidden Markov Model Based Fault Detection for Networked Singularly Perturbed Systems. IEEE Transactions on Systems, Man and Cybernetics: Systems, doi: 10.1109/TSMC.2019.2961978

图11 残差信号r(k)                             图12 残差评估函数  

上述研究成果为解决复杂网络化系统在多种复杂因素下的状态估计与故障检测问题提供了有效的新方法。以上成果发表在国际期刊IEEE Transactions on Neural Networks and Learning Systems, IEEE Transactions on NanoBioscience和IEEE Transactions on Systems, Man and Cybernetics: Systems。