1) state-updating
状态估计更新
1.
Multiple-lag OOSM state-updating algorithm with correlated noise;
相关噪声下多步无序量测状态估计更新算法
2) state update
状态更新
1.
This paper discusses the out-of-sequence measurement state estimate, and develops the optimal state update estimate algorithms of the 1-step-lag case when the processor noise and the measurement noise correlate.
文章采用直接状态更新法,讨论了无序量测的状态估计,给出了过程噪声和测量噪声相关情形下的一步延迟量测的最优状态更新估计算法,并通过计算机仿真验证了算法的有效性和可行性。
3) estimation
[英][,estɪ'meɪʃn] [美]['ɛstə'meʃən]
状态估计
1.
Operation estimation of the uasb reactor based on a fuzy comprehensive evaluation model;
基于模糊综合评判模型的UASB反应器运行状态估计
2.
The problem of state estimation for systems with uncertainties of unknown bound can be treated as determinant systems via ascribing uncertainty to disturbance.
对于具有参数摄动但其摄动范围未知的动态系统的状态估计问题 ,通过把参数摄动归并到扰动中去 ,则可作为确定性系统对待 。
4) state estimation
状态估计
1.
Research and analysis on algorithm of state estimation of AC/DC systems;
交直流混合系统状态估计算法研究与分析
2.
Fast decoupling method for state estimation with PMU measurements;
计及PMU量测信息的状态估计快速解耦新方法
3.
A new algorithm for the distributed state estimation of power systems;
一种新的分布式电力系统状态估计算法
5) state estimate
状态估计
1.
Based on KCL this article puts forward a new solution for measurement processing in state estimate,bad data check and identification and auxiliary bus replacement of electric power systems.
依据基尔霍夫电流定律(KCL),通过模拟人的思维推理过程,提出了一种状态估计量测创建与回分、坏数据检测和辨识、自动旁母替代的新方案。
2.
The equations of probabilistic state estimate algorithm are ascertained based on the weighted least squares state estimate algorithm.
从城市高压电网的实际特点出发,将量测量看作随机变量,一段时间内的波动特性用统计数字特征描述;在加权最小二乘(WLS)状态估计基础上,确定了相关算式,形成概率状态估计算法。
3.
Simulations also show that the method is applicable to a number of engineering problems for state estimate and parameter identification.
其结果表明，对参数突变的系统，应用该方法进行状态估计或参数辨识，具有很好的跟踪突变参数的效果。
6) status estimation
状态估计
1.
The simulation results indicates that this method can not only solve the combination explosion problem of calculation caused by traditional method, but also get more accuracy and creditability in maneuver target status estimation.
仿真结果表明,此方法不仅可以解决传统方法带来的计算量组合爆炸问 题,而且对于机动目标的状态估计有较高的精度和可信度。
2.
As a result the discrimination between the fusion track and the real track becomes smaller and the status estimation of the target gets more accurate.
通过红外高精度的角度测量和雷达高精度的距离测量的融合 ,减小了系统融合航迹同真实航迹间的误差 ,给出了对目标航迹的精确状态估
3.
Considering meshed network of distribution feed lines and node zero injection,we put forward a algorithm of status estimation based on branch currents.
提出考虑配电馈线环网和节点零注入的基于支路电流的状态估计算法。
补充资料：分散系统的状态估计
对分散系统中受噪声干扰的状态量在一定的统计意义下作出最优估计的信息处理技术，简称分散状态估计或分散卡尔曼滤波。对含有随机扰动和测量噪声的分散系统进行控制,要解决两个问题：一是状态估计,一是最优控制。对于这类系统用集中的方法进行状态估计和最优控制是有困难的。通常是把大系统分解为若干子系统用分散的方法解决。这就出现了分散状态估计问题。在有些要求进行状态估计的应用场合，用整体卡尔曼滤波时要求的计算量过大，集中信息有实际困难，可以人为地将问题转换为分散滤波来解决。
受噪声干扰的状态量是个随机量，不可能测得精确值，但可对它进行一系列观测，并依据一组观测值，按某种统计观点对它进行估计。使估计值尽可能准确地接近真实值，这就是最优估计。真实值与估计值之差称为估计误差。若估计值的数学期望与真实值相等，这种估计称为无偏估计。估计值的方差越小，表示估计值取其数学期望的概率越大。因此，分散系统状态估计问题就是：设计一个分散滤波器，它由若干个局部滤波器组成，每一局部滤波器均有自已的输入，要求确定各局部滤波器的输出，使某种整体的性能指标为最小（见图）。图中局部滤波器的输入y包括系统模型数据和在线测量数据。局部滤波器的输出 憫即为状态估计，它是无偏估计。x为状态量，u为从其他子系统来的耦合量。图为两个子系统的情况。通常，人们常用估计误差的方差作为整体的性能指标。
所选用的滤波器的信息结构不同就构成不同的滤波器。信息结构是完全集中模式时,对应的滤波器称为整体卡尔曼滤波器。这时没有信息流的约束，可利用系统模型和在线信息的全部数据，因而滤波性能最好。性能指标值记为JG。但除非确能实现集中模式，否则它只能作为与其他型式滤波器进行比较的标准。当信息结构是完全分散时,对应的滤波器称为确实局部无偏滤波器。这时只采用描述本子系统模型的信息和在线信息，各局部滤波器之间没有信息交换。这种滤波器的结构简单，要求的信息量最少。但滤波性能因缺少整体信息而下降。性能指标值记为JSLU。当局部滤波器可使用整体系统模型信息但只能用本局部滤波器在线信息时，对应的滤波器称为局部化整体动态滤波器。这种滤波器因使用整体模型信息，性能较好，但滤波器复杂，不易实现，而且需要有一个大容量的数据库，用以存储整体系统模型的数据。性能指标记为JLGD。一种较可取的信息结构是允许局部滤波器之间有部分信息交换(图中用s表示),即在确实局部无偏滤波器的基础上扩充各局部滤波器占有的信息，互相交换彼此的输入和输出值。对应的滤波器称为扩充确实局部无偏滤波器。这样既能基本上保持确实局部无偏滤波器的结构简单,又能适当改善滤波性能。性能指标记为JESLU。比较上面四种滤波器的性能可得JG≤JLGD≤JSLU，JG≤JESLU≤JSLU。至于选择JLGD还是JESLU，则取决于系统的特点和扩充时提出的特定要求。
计算最优分散滤波器如不用简化模型是很困难的，因为这时会产生二次推测现象(见大系统分散控制理论)。求解方法通常与标准卡尔曼-布什滤波方法相似。先根据所选的信息结构简化模型，写出并求解卡尔曼滤波方程，再通过解矩阵黎卡提方程而求得滤波增益表示式中的估计误差协方差矩阵。但这样得到的结果是次优的。还有一种颇有吸引力的整体滤波器的分散算法，它使用一种递阶结构。在线性高斯情况下，利用整体滤波器的递推性质和正交投影的方法，对低阶子系统依次逐个地进行正交化计算。利用这样的逐次正交化程序，可节省大量的计算量。系统维数越高作用越显著。
参考书目
M.G.辛格著，李敉安、邝硕等译，陈珽校：《大系统的动态递阶控制》，科学出版社，北京，1983。（M.G.Singh， Dynamical Hierarchical Control， North-Holland Publ.Co., Amsterdam, 1980.）
受噪声干扰的状态量是个随机量，不可能测得精确值，但可对它进行一系列观测，并依据一组观测值，按某种统计观点对它进行估计。使估计值尽可能准确地接近真实值，这就是最优估计。真实值与估计值之差称为估计误差。若估计值的数学期望与真实值相等，这种估计称为无偏估计。估计值的方差越小，表示估计值取其数学期望的概率越大。因此，分散系统状态估计问题就是：设计一个分散滤波器，它由若干个局部滤波器组成，每一局部滤波器均有自已的输入，要求确定各局部滤波器的输出，使某种整体的性能指标为最小（见图）。图中局部滤波器的输入y包括系统模型数据和在线测量数据。局部滤波器的输出 憫即为状态估计，它是无偏估计。x为状态量，u为从其他子系统来的耦合量。图为两个子系统的情况。通常，人们常用估计误差的方差作为整体的性能指标。
所选用的滤波器的信息结构不同就构成不同的滤波器。信息结构是完全集中模式时,对应的滤波器称为整体卡尔曼滤波器。这时没有信息流的约束，可利用系统模型和在线信息的全部数据，因而滤波性能最好。性能指标值记为JG。但除非确能实现集中模式，否则它只能作为与其他型式滤波器进行比较的标准。当信息结构是完全分散时,对应的滤波器称为确实局部无偏滤波器。这时只采用描述本子系统模型的信息和在线信息，各局部滤波器之间没有信息交换。这种滤波器的结构简单，要求的信息量最少。但滤波性能因缺少整体信息而下降。性能指标值记为JSLU。当局部滤波器可使用整体系统模型信息但只能用本局部滤波器在线信息时，对应的滤波器称为局部化整体动态滤波器。这种滤波器因使用整体模型信息，性能较好，但滤波器复杂，不易实现，而且需要有一个大容量的数据库，用以存储整体系统模型的数据。性能指标记为JLGD。一种较可取的信息结构是允许局部滤波器之间有部分信息交换(图中用s表示),即在确实局部无偏滤波器的基础上扩充各局部滤波器占有的信息，互相交换彼此的输入和输出值。对应的滤波器称为扩充确实局部无偏滤波器。这样既能基本上保持确实局部无偏滤波器的结构简单,又能适当改善滤波性能。性能指标记为JESLU。比较上面四种滤波器的性能可得JG≤JLGD≤JSLU，JG≤JESLU≤JSLU。至于选择JLGD还是JESLU，则取决于系统的特点和扩充时提出的特定要求。
计算最优分散滤波器如不用简化模型是很困难的，因为这时会产生二次推测现象(见大系统分散控制理论)。求解方法通常与标准卡尔曼-布什滤波方法相似。先根据所选的信息结构简化模型，写出并求解卡尔曼滤波方程，再通过解矩阵黎卡提方程而求得滤波增益表示式中的估计误差协方差矩阵。但这样得到的结果是次优的。还有一种颇有吸引力的整体滤波器的分散算法，它使用一种递阶结构。在线性高斯情况下，利用整体滤波器的递推性质和正交投影的方法，对低阶子系统依次逐个地进行正交化计算。利用这样的逐次正交化程序，可节省大量的计算量。系统维数越高作用越显著。
参考书目
M.G.辛格著，李敉安、邝硕等译，陈珽校：《大系统的动态递阶控制》，科学出版社，北京，1983。（M.G.Singh， Dynamical Hierarchical Control， North-Holland Publ.Co., Amsterdam, 1980.）
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条