CN112346340B - 非线性数据处理方法、装置、设备和介质 - Google Patents

非线性数据处理方法、装置、设备和介质 Download PDF

Info

Publication number
CN112346340B
CN112346340B CN202011159833.4A CN202011159833A CN112346340B CN 112346340 B CN112346340 B CN 112346340B CN 202011159833 A CN202011159833 A CN 202011159833A CN 112346340 B CN112346340 B CN 112346340B
Authority
CN
China
Prior art keywords
state
data
error
nonlinear
state transition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011159833.4A
Other languages
English (en)
Other versions
CN112346340A (zh
Inventor
王渊生
史文华
孙元骜
包文卓
王超
张骁峰
蔡易轲
王宝成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haifeng Navigation Technology Co ltd
Original Assignee
Haifeng Navigation Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Haifeng Navigation Technology Co ltd filed Critical Haifeng Navigation Technology Co ltd
Priority to CN202011159833.4A priority Critical patent/CN112346340B/zh
Publication of CN112346340A publication Critical patent/CN112346340A/zh
Application granted granted Critical
Publication of CN112346340B publication Critical patent/CN112346340B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Complex Calculations (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)

Abstract

本发明公开了一种非线性数据处理方法、非线性数据处理装置、电子设备和计算机可读存储介质。其中，非线性数据处理方法包括：步骤S1：获取对应非线性数据的状态估计误差；步骤S2：判断状态估计误差与预设误差阈值之间的大小关系；以及步骤S3：在状态估计误差大于预设误差阈值时，对与非线性数据对应的状态转移数据进行误差修正获得状态修正数据。因此，本发明的非线性数据处理方法可以使得线性化的复杂程度与工作点数量和系统状态量数据解耦，实现了对非线性数据的逐点线性化，极大减轻人力工作的负担，突破了通过雅可比矩阵进行数据处理的传统方法，具有极高的工程实用价值。

Description

非线性数据处理方法、装置、设备和介质
技术领域
本发明涉及自动控制技术领域，尤其涉及一种非线性数据处理方法、 非线性数据处理装置、电子设备和计算机可读存储介质。
背景技术
在自动控制技术领域中，基于线性动力学系统的控制器设计技术更加 成熟。但是，在工程实际中，遇到的动力学系统主要以非线性系统为主。 相较于线性动力学系统，非线性动力学系统在稳定性分析、控制器设计方 面更加复杂和困难。工程实际中往往倾向于将非线性系统在工作点附近进 行小扰动线性化，将非线性系统的研究转化为线性系统来处理。例如，较 为典型的应用实例为飞机在飞行包线内的动力学系统线性化方法，传统的线性化方法主要以工作点处求解雅可比矩阵的解析解之后，代入工作点数 值的方法为主，该方法的复杂程度随着所求工作点数量的增多而线性增大， 随系统的状态量数量增加而成倍增大，且对计算过程中求导运算的正确度 有极其严格的要求，因此，造成工程人员或研究人员的等人力工作负担极 大。
发明内容
(一)要解决的技术问题
为解决现有技术中在将非线性系统的研究转化为线性系统的计算过 程中，因现有计算方法复杂程度高、正确度要求严格等原因造成的人力工 作负担大的技术问题，本发明公开了一种非线性数据处理方法、非线性数 据处理装置、电子设备和计算机可读存储介质。
(二)技术方案
本发明的一方面公开了一种非线性数据处理方法，其中，包括：步骤 S1：获取对应非线性数据的状态估计误差；步骤S2：判断状态估计误差 与预设误差阈值之间的大小关系；以及步骤S3：在状态估计误差大于预设 误差阈值时，对与非线性数据对应的状态转移数据进行误差修正获得状态 修正数据。
可选地，在步骤S1中，包括：获取对应非线性数据的状态转移数据； 根据状态转移数据获取对应非线性数据的观测状态量。
可选地，在步骤S1中，还包括：根据观测状态量和状态转移数据确 定对应非线性数据的估计状态量；根据观测状态量和估计状态量获取状态 估计误差。
可选地，在步骤S3中，包括：根据状态估计误差确定对应状态转移 数据的状态转移误差；根据状态转移误差获取对应状态转移数据的每个行 向量数据。
可选地，在步骤S3中，还包括：根据每个行向量数据确定状态修正 数据。
可选地，非线性数据处理方法还包括：以状态修正数据作为对应非线 性数据的状态转移数据，重复步骤S1-步骤S2。
可选地，非线性数据处理方法还包括：步骤S4：在状态估计误差小于 预设误差阈值时，根据状态转移数据实现对非线性数据的全局线性化。
本发明的另一方面公开了一种非线性数据处理装置，其中，包括：获 取模块、判断模块和处理模块。获取模块用于获取对应非线性数据的状态 估计误差；判断模块用于判断状态估计误差与预设误差阈值之间的大小关 系；以及处理模块用于在状态估计误差大于预设误差阈值时，对与非线性 数据对应的状态转移数据进行误差修正获得状态修正数据。
本发明的另一方面公开了一种电子设备，其中，包括：一个或多个处 理器和存储装置；存储装置用于存储一个或多个程序，其中，当一个或多 个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的非 线性数据处理方法。
本发明的另一方面公开了一种计算机可读存储介质，其中，其上存储 有可执行指令，该指令被处理器执行时使处理器实现上述的非线性数据处 理方法。
(三)有益效果
本发明公开了一种非线性数据处理方法、非线性数据处理装置、电子 设备和计算机可读存储介质。其中，非线性数据处理方法包括：步骤S1： 获取对应非线性数据的状态估计误差；步骤S2：判断状态估计误差与预设 误差阈值之间的大小关系；以及步骤S3：在状态估计误差大于预设误差阈 值时，对与非线性数据对应的状态转移数据进行误差修正获得状态修正数 据。因此，本发明的非线性数据处理方法可以通过观测状态量与估计状态 量确定的状态估计误差，逆向消除线性化状态转移矩阵估计值与真实值之 间的误差，进而获取最为接近的线性化状态转移矩阵，使得线性化的复杂 程度与工作点数量和系统状态量数据解耦，实现了对非线性数据的逐点线 性化，以简化线性化流程，极大减轻人力工作的负担，突破了通过雅可比 矩阵进行数据处理的传统方法，具有极高的工程实用价值。
附图说明
图1示意性示出了本发明一实施例的非线性数据处理方法的一流程图；
图2示意性示出了本发明另一实施例的非线性数据处理方法的另一流 程图；
图3A示意性示出了本发明另一实施例的非线性数据处理方法的预测 值与真实值的对比图；
图3B示意性示出了本发明另一实施例的非线性数据处理方法的预测 值与真实值的对比图；
图3C示意性示出了本发明另一实施例的非线性数据处理方法的预测 值与真实值的对比图；
图4示意性示出了本发明另一实施例的非线性数据处理方法的状态转 移矩阵系数的对比图；
图5示意性示出了本发明实施例的非线性数据处理装置的组成图；
图6示意性示出了根据本公开实施例的适于实现上述非线性数据处理 方法的电子设备的方框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实 施例，并参照附图，对本发明进一步详细说明。
需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式， 均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外， 上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形 状或方式，本领域普通技术人员可对其进行简单地更改或替换。
还需要说明的是，实施例中提到的方向用语，例如“上”、“下”、“前”、 “后”、“左”、“右”等，仅是参考附图的方向，并非用来限制本公开的保护 范围。贯穿附图，相同的元素由相同或相近的附图标记来表示。在可能导 致对本公开的理解造成混淆时，将省略常规结构或构造。
并且图中各部件的形状和尺寸不反映真实大小和比例，而仅示意本公 开实施例的内容。另外，在权利要求中，不应将位于括号之间的任何参考 符号构造成对权利要求的限制。
再者，单词“包含”不排除存在未列在权利要求中的元件或步骤。位于 元件之前的单词“一”或“一个”不排除存在多个这样的元件。
说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的 用词，以修饰相应的元件，其本身并不意味着该元件有任何的序数，也不 代表某一元件与另一元件的顺序或是制造方法上的顺序，这些序数的使用 仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清 楚区分。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行 自适应性地改变并且把他们设置在与该实施例不同的一个或多个设备中。 可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及 此外可以把他们分成多个子模块或子单元或子组件。除了这样的特征和/ 或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说 明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公 开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述， 本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由 提供相同、等同或相似目的的代替特征来代替。并且，在列举了若干装置 的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体 体现。
类似地，应当理解，为了精简本公开并帮助理解各个公开方面的一个 或多个，在上面对本公开的示例性实施例的描述中，本公开的各个特征有 时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该 公开的方法解释成反映如下意图：即所要求保护的本公开要求比在每个权 利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求 书所反映的那样，公开方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式， 其中每个权利要求本身都作为本公开的单独实施例。
在控制器的动力控制技术中，非线性动力学数据在稳定性分析、控制 器设计方面更加复杂和困难。然而，在工程实际中获取得到的待处理数据 多为非线性数据。现有技术中，针对非线性数据的处理倾向于将非线性系 统在工作点附近进行小扰动线性化，将非线性系统的研究转化为线性系统 进行处理。例如，在航空动力学领域中，飞机在飞行包线内的动力学线性 化方法，现有的线性化方法主要以工作点处求解雅可比矩阵的解析解，之后代入工作点数值为主，具体地，对于待处理的非线性数据(也即非线性 动力学系统)如下公式：
Figure BDA0002742576760000051
其中：
x为n×1维状态向量(即状态量)；其中n为正整数，用于表示状态 量x的维数；
Figure BDA0002742576760000052
为状态量x的一阶导数，同样为n×1维；
f为n个函数组成的函数集合；
依据现有的非线性数据处理方法，可以在工作点x0附近进行小扰动线 性化，因此在工作点附近的观测状态量
Figure BDA0002742576760000053
可以表示为如下公式：
Figure BDA0002742576760000054
其中，Δx为x0附近的小偏差量，
Figure BDA0002742576760000055
为在工作点x＝x0处进行线性化 之后的状态转移矩阵，采用解雅可比矩阵的方法求解该矩阵，即：
Figure BDA0002742576760000061
因此，公式(3)中的状态转移矩阵
Figure BDA0002742576760000062
体现了非线性系统在工作点 x＝x0处的动力学特性，且
Figure BDA0002742576760000063
的具体数值会随着工作点x0的变化而发生 变化。因此，采用求解雅可比矩阵解析解的方法，计算量巨大且过程复杂， 且该求解过程的复杂程度会随工作点数目增加而线性增加，也会随着系统 状态量数目增加而成倍增加，且对计算过程中的正确度有极其严格的要求， 进而造成工程人员和研究人员等的人力工作负担极大。
为解决现有技术中在将非线性系统的研究转化为线性系统的计算过 程中，因现有计算方法复杂程度高、正确度要求严格等原因造成的人力工 作负担大的技术问题，本发明公开了一种非线性数据处理方法、非线性数 据处理装置、电子设备和计算机可读存储介质。
如图1和图2所示，本发明的一方面公开了一种非线性数据处理方法， 其中，包括：
步骤S1：获取对应非线性数据的状态估计误差；
步骤S2：判断状态估计误差与预设误差阈值之间的大小关系；以及
步骤S3：在状态估计误差大于预设误差阈值时，对与非线性数据对应 的状态转移数据进行误差修正获得状态修正数据。
状态估计误差是对应上述非线性数据x的估计状态量与观测状态量之 间的差值。预设误差阈值为一根据工程实际而设定的固定值，用于对非线 性数据的线性化过程进行精准度的设置。状态转移数据可以对应为上述的 状态转移矩阵
Figure BDA0002742576760000064
但该状态转移矩阵将不再通过如公式(3)所示的雅 可比矩阵解析解的方法进行处理，具体参照下文所述的状态修正数据。
本发明采用控制学中消除偏差的内容作为技术构思，根据状态量的预 测值(即估计值)与观测值之差(即状态估计误差)，逆向消除状态转移 矩阵(即状态转移数据)的估计值与真实值之间的差，最终得到工作点处 最接近真实值的线性化系统状态转移矩阵(即状态修正数据)。
本发明实施例的非线性数据处理方法，突破了现有技术中采用求解雅 可比矩阵解析解的处理方法，实现了通过状态量的估计值与观测值之差， 逆向消除线性化状态转移矩阵估计值与真实值之间的误差，进而求取最为 接近真实的线性化状态转移矩阵，因此是实现了将线性化的复杂程度与工 作点数量和系统状态量数量解耦，可做到对非线性系统的逐点线性化，大 大减轻工程人员或研究人员的工作负担，具有非常高的实用价值。
如图1和图2所示，根据本发明的实施例，在步骤S1中，包括：获 取对应非线性数据的状态转移数据；根据状态转移数据获取对应非线性数 据的观测状态量。
基于上述内容，对本发明实施例的非线性数据的处理方法通过将
Figure BDA0002742576760000071
与
Figure BDA0002742576760000072
的转移误差矩阵
Figure BDA0002742576760000073
趋近于零，则使
Figure BDA0002742576760000074
趋近于
Figure BDA0002742576760000075
因此，
Figure BDA0002742576760000076
三者之间有如下关系：
Figure BDA0002742576760000077
Figure BDA0002742576760000078
为对应工作点x＝x0处的线性化模型的真实的状态转移矩阵，即 状态转移数据，该状态转移数据可以用于确定上述的观测状态量
Figure BDA0002742576760000079
为真实值；
Figure BDA00027425767600000710
为预设该工作点x＝x0处的线性化模型的状态估计矩阵，即状态 估计数据，为估计值；
Figure RE-GDA00028820366200000716
为上述的状态转移矩阵和状态估计矩阵之间的状态转移误差 矩阵。
据此，将上述公式(2)中对应非线性数据
Figure BDA00027425767600000713
的观测状态量
Figure BDA00027425767600000714
可 以写成如下形式：
Figure BDA00027425767600000715
其中：
x为n×1维状态向量(即状态量)；其中n为正整数，用于表示状态 量x的维数；
Figure BDA0002742576760000081
为状态量x的一阶导数，同样为n×1维；
f为n个函数组成的函数集合；
Δx为x0附近的小偏差量；
Figure BDA0002742576760000082
为本发明实施例的状态估计误差，具体参 照下述公式(7)。
如图1和图2所示，根据本发明的实施例，在步骤S1中，还包括： 根据观测状态量和状态转移数据确定对应非线性数据的估计状态量；根据 观测状态量和估计状态量获取状态估计误差。
依据上述的公开内容，可以通过上述的观测状态量
Figure BDA0002742576760000083
和状态转 移矩阵
Figure BDA0002742576760000084
确定在工作点x＝x0+Δx处的估计状态量
Figure BDA0002742576760000085
为：
Figure BDA0002742576760000086
则状态估计误差
Figure BDA0002742576760000087
可通过估计状态量
Figure BDA0002742576760000088
与观测状态量
Figure BDA0002742576760000089
由下式得到，结合式(5)有状态估计误差
Figure BDA00027425767600000810
为：
Figure BDA00027425767600000811
如图1和图2所示，根据本发明的实施例，在步骤S3中，包括：根 据状态估计误差确定对应状态转移数据的状态转移误差；根据状态转移误 差获取对应状态转移数据的每个行向量数据。
根据上述的状态估计误差
Figure BDA00027425767600000817
当本发明实施例的非线性动力系统为连 续系统，Δx为极小量。相反，当本发明实施例的非线性动力系统为离散系 统，Δx则为采样步长，由最小二乘法有可以本发明实施例的状态转移误差 为：
Figure BDA00027425767600000812
其中，当上式中Δx近似为零时，(ΔxΔxT)也将趋近于零，则(ΔxΔxT)-1将会出现奇异值的情况(例如出现极大值)导致式(8)无法完成求解。
此时可采用对状态向量分别进行求解的方法完成对公式(8)的求解， 其中每个行向量数据可以为对于观测状态量
Figure BDA00027425767600000813
的第n个分量
Figure BDA00027425767600000814
状态转移误 差
Figure BDA00027425767600000815
的第n行元素组成的行向量
Figure BDA00027425767600000816
分别为：
Figure BDA0002742576760000091
借此，可以实现对状态转移误差的求解。其中，该每个行向量数据即 为行向量
Figure BDA0002742576760000092
可以理解为第n个行向量数据。因此，本发明实施 例的状态转移误差
Figure BDA0002742576760000093
为：
Figure BDA0002742576760000094
如图1和图2所示，根据本发明的实施例，在步骤S3中，还包括： 根据每个行向量数据确定状态修正数据。
根据上述公式(9.2)，可以依据状态转移误差
Figure BDA0002742576760000095
实现逆向消除状 态转移矩阵(即状态转移数据)的估计值
Figure BDA0002742576760000096
与真实值
Figure BDA0002742576760000097
之间之差， 完成对上述公式(4)的修正，获得经过修正的状态修正矩阵(即状态修 正数据)为
Figure BDA0002742576760000098
如图1和图2所示，根据本发明的实施例，非线性数据处理方法还包 括：以状态修正数据作为对应非线性数据的状态转移数据，重复步骤S1- 步骤S2。
在状态估计误差大于预设误差阈值时，获取上述公式(10)的状态修 正数据
Figure BDA0002742576760000099
并将其作为上述公式(4)的状态转移数据，重复进行上述 的步骤S1-S2，如图2所示直至状态估计误差小于预设误差阈值。其中， 在状态估计误差小于预设误差阈值时，即确定以获得足够精准的线性化模 型。因此，本发明实施例的非线性数据处理方法可在同一工作点x＝x0处 由状态预测误差值Δx不断对状态转移矩阵进行迭代修正来提高工作点处的状态转移矩阵的精准度
如图1和图2所示，根据本发明的实施例，非线性数据处理方法还包 括：步骤S4：在状态估计误差小于预设误差阈值时，根据状态转移数据实 现对非线性数据的全局线性化。
在确定可以获得足够精准的线性化模型时，即可以进行状态转移数据 的线性化求解，获得相应的线性化数据。因此，本发明实施例的非线性数 据处理方法可在工作点变化的过程中对非线性数据进行全局线性化。其中， 进行全局线性化时要求工作点的变化速度根据实际需要的精准度慢于上 述迭代的速度。最终，每个解算的工作点与该点对应的状态转移矩阵进行 一一映射，即可完成全局线性化。
依据本发明实施例的公开，为进一步佐证上述非线性数据处理方法的 技术效果，本发明特举如下应用实例1-3，结合附图3A-图3C，以进行具 体的说明。
应用实例1：
设非线性数据对应的观测状态量如下式所示：
Figure BDA0002742576760000101
初始值为
Figure BDA0002742576760000102
应用本发明实施例的非线性数据处理方 法，对上式所列非线性系统进行实时线性化并利用线性化后的状态转移矩 阵对x1、x2不断进行估计，得到估计值
Figure BDA0002742576760000103
通过比较同一时刻的
Figure BDA0002742576760000104
及x， 可以间接检验该方法的准确性。如图3A所示，为该应用实例1的线性化 状态转移矩阵估计值(prediction)与观测值(real)比较。可见，图3C中 估计值
Figure BDA0002742576760000105
(由点画线“-·-”表示)经长时间后于真实值x(由实线“-”表示)相 重合，对于初始时状态x1及x2的预测偏差是因为在初始时采用的状态估计 矩阵
Figure BDA0002742576760000106
是在对系统一无所知的情况下假定而得，故会有初始偏差，但随着 仿真时间的推移，该偏差收敛于零，表明运用本发明实施例的非线性数据 处理方法进行求解状态转移矩阵达到了极好的准确性和有效性。
应用实例2：
设非线性数据对应的观测状态量如下式所示：
Figure BDA0002742576760000107
初始值x1＝1，x2＝2。应用本发明实施例的非线性数据处理方法，对 上式所列非线性数据进行实时线性化并利用线性化后的状态转移矩阵对 x1、x2不断进行估计，得到估计值
Figure BDA0002742576760000108
通过比较同一时刻的
Figure BDA0002742576760000109
及x，可 以间接检验该方法的准确性。如图3B所示，为该应用实例2中线性化状 态转移矩阵估计值与真实值比较。同样的，可见随着仿真时间的推移，二 者偏差收敛于零，表明运用本发明实施例的非线性数据处理方法进行求解 状态转移矩阵达到了极好的准确性和有效性。
应用实例3：
该应用实例3为一单摆的非线性动力学模型可抽象为：
Figure BDA0002742576760000111
其中：
θ为单摆偏转角；
Figure BDA0002742576760000112
为单摆偏转角速度；
Figure BDA0002742576760000113
为单摆偏转角加速度；
g为当地重力加速度；
l为单摆长度。
由于l的任意性，该单摆的非线性动力学模型可进一步简化为：
Figure BDA0002742576760000114
这里假设
Figure BDA0002742576760000115
设其对应非线性数据对应的观测状态量：
Figure BDA0002742576760000116
则，
Figure BDA0002742576760000117
若该非线性数据偏离平衡点位置(x1＝0，x2＝0)很小时，则上式可线 性化为：
Figure BDA0002742576760000118
在该应用实例3中，仿真过程采用0.1秒的仿真步长，故需要对线性 化后的连续空间的状态转移矩阵进行0.1秒的离散化处理。x1的初始偏移 量为
Figure BDA0002742576760000119
由小角度扰动线性化理论得到的的线性化状态空间转移矩阵 A1为：
Figure BDA0002742576760000121
通过求解雅可比矩阵求得该非线性数据对应在
Figure BDA0002742576760000122
的线性化状态转 移矩阵Ajaccobi为：
Figure BDA0002742576760000123
通过本发明实施例的非线性数据处理方法求得的在x1＝0.3491， x2＝-0.0866处的线性化状态转移矩阵A2为：
Figure BDA0002742576760000124
运用本发明实施例的非线性数据处理方法所得状态转移矩阵
Figure BDA0002742576760000125
对系统状态进行预测，并将结果与实际的观测状态量进 行对比。如图3A所示，为本发明应用实例3的线性化状态转移矩阵预测 值与真实值的比较。如图3A所示，随着仿真时间的推移，运用本发明实 施例的非线性数据处理方法得到的状态估计矩阵及可以准确地估计系统 的观测状态量，这进一步印证了本发明实施例的非线性数据处理方法的正 确性和有效性。
如图4所示，为根据本发明实施例的非线性数据处理方法(real-time onlineestimation)、小扰动线性化法(small disturbance linearization)和雅 可比矩阵求解法(jaccobi matrix method)三种方法所求得的状态转移矩阵 的四个元素，分四幅子图列出。可见，经过长时间的仿真，图4所示三种 方法均收敛。但是，通过小扰动线性化法得到的状态转移矩阵在整个仿真 时间内为恒值，其动态性能较差；雅可比矩阵求解法求得的状态转移矩阵 系数虽有波动但不明显；本发明实施例的非线性数据处理方法求得的状态 转移矩阵系数动态性较好，但波动较大。其中，真实的状态转移矩阵元素 应和雅可比矩阵法求得的矩阵较为接近，因为雅可比矩阵在求解过程中忽 略了高阶小量。
依据上述的应用实例1-3以及图3A-图4，可见本发明实施例的非线 性数据处理方法在动态性和简易度表现上相较于现有技术有较好表现，用 户无需对所有状态点进行线性化处理，计算过程也较为简单，通过设置迭 代结束的阈值条件(不满足该阈值条件时进行持续迭代)可在计算能力允 许的条件下不断提高精准度，故在准确性和精确性上并没有明显的实质性 劣势。因此，本发明实施例的非线性数据处理方法在实用中可以在不损失精准度的情况下，极大地简化数据处理的复杂度，大幅减少了人工工作量， 降低人力工作负担，对于简化非线性系统线性化的过程有着明显的优势， 简单，有效，精准，具有很高的工程实用价值。
本发明实施例的非线性数据处理方法可应用于非线性动力学系统的 线性化、稳定性分析、控制器设计、非线性系统的多步状态估计等方面， 在控制学、动力学分析、航空、航天、航海、机器人及其他相关动力控制 技术领域有很高的工程实用价值和商业应用价值。
如图5所示，本发明的另一方面公开了一种非线性数据处理装置500， 其中，包括获取模块510、判断模块520和处理模块530。获取模块510 用于获取对应非线性数据的状态估计误差；判断模块520用于判断状态估 计误差与预设误差阈值之间的大小关系；以及处理模块530用于在状态估 计误差大于预设误差阈值时，对与非线性数据对应的状态转移数据进行误 差修正获得状态修正数据。其中，图5所示仅为可以应用本发明实施例的 非线性数据处理装置500的组成架构的示例，以帮助本领域技术人员理解 本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系 统、环境或场景。
需要说明的是，上述的非线性数据处理装置500用于实现上述的非线 性数据处理方法，在此不作赘述。
本领域技术人员应当理解，根据本公开的实施例的模块、子模块、单 元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模 块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一 个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模 块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路， 例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、 基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电 路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、 硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来 实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个 或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被 运行时，可以执行相应的功能。
例如，获取模块510、判断模块520和处理模块530中的任意多个可 以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模 块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块 的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获 取模块510、判断模块520和处理模块530中的至少一个可以至少被部分 地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列 (PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)， 或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件 来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意 几种的适当组合来实现。或者，获取模块510、判断模块520和处理模块 530中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机 程序模块被运行时，可以执行相应的功能。
如图6所示，本发明的另一方面公开了一种电子设备600，其中，包 括：一个或多个处理器和存储装置；存储装置用于存储一个或多个程序， 其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处 理器实现上述的非线性数据处理方法。其中，图6示出的电子设备仅仅是 一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，根据本公开实施例的电子设备600包括处理器601，其 可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加 载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。 处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或 相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括 用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者 是多个处理单元。
在RAM 603中，存储有设备600操作所需的各种程序和数据。处理 器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601通 过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法 流程的各种操作。需要注意，所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在一个 或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，设备600还可以包括输入/输出(I/O)接口605， 输入/输出(I/O)接口605也连接至总线604。设备600还可以包括连接 至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部 分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器 等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特 网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可 拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要 安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入 存储部分608。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计 算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括 承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行 流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通 过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。 在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、 单元等可以通过计算机程序模块来实现。
本发明的另一方面公开了一种计算机可读存储介质，其中，其上存储 有可执行指令，该指令被处理器执行时使处理器实现上述的非线性数据处 理方法。
本公开的计算机可读存储介质可以是上述实施例中描述的设备/装置/ 系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。 上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个 程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机 可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机 访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器 (EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器 件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读 存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行 系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例， 计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或 ROM 602和RAM 603以外的一个或多个存储器。
本公开实施例的另一方面提供了一种计算机程序，计算机程序包括计 算机可执行指令，指令在被执行时用于实现如上述的方法。
至此，已经结合附图对本公开实施例进行了详细描述。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法 和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程 图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上 述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功 能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注 的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示 的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行， 这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以 及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的 基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载 的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载 于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各 个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有 这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说 明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施 例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开 的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技 术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围 之内。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行 了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而 已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修 改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种非线性数据处理方法，其特征在于，包括：
步骤S1：获取对应所述非线性数据
Figure FDA0003754794050000011
的状态估计误差
Figure FDA0003754794050000012
其中，x为n×1维状态向量，其中n为正整数，用于表示状态量x的维数；
Figure FDA0003754794050000013
为状态量x的一阶导数，同样为n×1维；f为n个函数组成的函数集合；
步骤S2：判断所述状态估计误差
Figure FDA0003754794050000014
与预设误差阈值之间的大小关系；以及
步骤S3：在所述状态估计误差
Figure FDA0003754794050000015
大于所述预设误差阈值时，对与所述非线性数据
Figure FDA0003754794050000016
对应的状态转移数据
Figure FDA0003754794050000017
进行误差修正获得状态修正数据
Figure FDA0003754794050000018
其中，状态转移数据
Figure FDA0003754794050000019
为在工作点x＝x0处进行线性化之后的状态转移矩阵；
状态估计误差
Figure FDA00037547940500000110
是对应非线性数据
Figure FDA00037547940500000111
的估计状态量
Figure FDA00037547940500000112
与观测状态量
Figure FDA00037547940500000113
之间的差值；预设误差阈值为一根据工程实际而设定的固定值，用于对非线性数据的线性化过程进行精准度的设置；
其中，在步骤S1中，包括：获取对应所述非线性数据
Figure FDA00037547940500000114
的状态转移数据
Figure FDA00037547940500000115
根据所述状态转移数据
Figure FDA00037547940500000116
获取对应所述非线性数据
Figure FDA00037547940500000117
的所述观测状态量
Figure FDA00037547940500000118
Figure FDA00037547940500000119
其中，x为n×1维状态向量(即状态量)；其中n为正整数，用于表示状态量x的维数；
Figure DEST_PATH_IMAGE001
为状态量x的一阶导数，同样为n×1维；f为n个函数组成的函数集合；Δx为x0附近的小偏差量；
Figure DEST_PATH_IMAGE002
为状态估计误差；
其中，在所述步骤S1中，还包括：根据所述观测状态量
Figure FDA00037547940500000120
和所述状态转移数据
Figure FDA00037547940500000121
确定对应所述非线性数据
Figure FDA00037547940500000122
的估计状态量
Figure FDA00037547940500000123
根据所述观测状态量
Figure FDA00037547940500000124
和估计状态量
Figure FDA00037547940500000125
获取所述状态估计误差
Figure FDA00037547940500000126
Figure FDA00037547940500000127
其中，在步骤S3中，包括：根据所述状态估计误差
Figure FDA00037547940500000128
确定对应所述状态转移数据
Figure FDA00037547940500000129
的状态转移误差
Figure FDA00037547940500000130
根据所述状态转移误差
Figure FDA00037547940500000131
获取对应所述状态转移数据
Figure FDA00037547940500000132
的每个行向量数据
Figure FDA00037547940500000133
其中，状态转移误差
Figure FDA0003754794050000021
其中，在所述步骤S3中，还包括：根据所述每个行向量数据
Figure FDA0003754794050000022
确定所述状态修正数据
Figure FDA0003754794050000023
Figure FDA0003754794050000024
2.根据权利要求1所述的非线性数据处理方法，其特征在于，还包括：
以所述状态修正数据作为对应所述非线性数据的状态转移数据，重复所述步骤S1-步骤S2。
3.根据权利要求2所述的非线性数据处理方法，其特征在于，还包括：
步骤S4：在所述状态估计误差小于所述预设误差阈值时，根据所述状态转移数据实现对所述非线性数据的全局线性化。
4.一种非线性数据处理装置，其特征在于，包括：
获取模块，用于获取对应所述非线性数据
Figure FDA0003754794050000025
的状态估计误差
Figure FDA0003754794050000026
其中，x为n×1维状态向量，其中n为正整数，用于表示状态量x的维数；
Figure FDA0003754794050000027
为状态量x的一阶导数，同样为n×1维；f为n个函数组成的函数集合；
判断模块，用于判断所述状态估计误差
Figure FDA0003754794050000028
与预设误差阈值之间的大小关系；以及
处理模块，用于在所述状态估计误差
Figure FDA0003754794050000029
大于所述预设误差阈值时，对与所述非线性数据
Figure FDA00037547940500000210
对应的状态转移数据
Figure FDA00037547940500000211
进行误差修正获得状态修正数据
Figure FDA00037547940500000212
其中，状态转移数据
Figure FDA00037547940500000213
为在工作点x＝x0处进行线性化之后的状态转移矩阵；
状态估计误差
Figure FDA00037547940500000214
是对应非线性数据
Figure FDA00037547940500000215
的估计状态量
Figure FDA00037547940500000216
与观测状态量
Figure FDA00037547940500000217
之间的差值；预设误差阈值为一根据工程实际而设定的固定值，用于对非线性数据的线性化过程进行精准度的设置；
其中，在获取对应所述非线性数据
Figure FDA00037547940500000218
的状态估计误差
Figure FDA00037547940500000219
中，包括：获取对应所述非线性数据
Figure FDA00037547940500000220
的状态转移数据
Figure FDA00037547940500000221
根据所述状态转移数据
Figure FDA00037547940500000222
获取对应所述非线性数据
Figure FDA00037547940500000223
的所述观测状态量
Figure FDA0003754794050000031
其中，x为n×1维状态向量(即状态量)；其中n为正整数，用于表示状态量x的维数；
Figure 675259DEST_PATH_IMAGE001
为状态量x的一阶导数，同样为n×1维；f为n个函数组成的函数集合；Δx为x0附近的小偏差量；
Figure 592399DEST_PATH_IMAGE002
为状态估计误差；
其中，在所述获取对应所述非线性数据
Figure FDA0003754794050000032
的状态估计误差
Figure FDA0003754794050000033
中，还包括：根据所述观测状态量
Figure FDA0003754794050000034
和所述状态转移数据
Figure FDA0003754794050000035
确定对应所述非线性数据
Figure FDA0003754794050000036
的估计状态量
Figure FDA0003754794050000037
根据所述观测状态量
Figure FDA0003754794050000038
和估计状态量
Figure FDA0003754794050000039
获取所述状态估计误差
Figure FDA00037547940500000310
其中，在在所述状态估计误差
Figure FDA00037547940500000311
大于所述预设误差阈值时，对与所述非线性数据
Figure FDA00037547940500000312
对应的状态转移数据
Figure FDA00037547940500000313
进行误差修正获得状态修正数据
Figure FDA00037547940500000314
中，包括：根据所述状态估计误差
Figure FDA00037547940500000315
确定对应所述状态转移数据
Figure FDA00037547940500000316
的状态转移误差
Figure FDA00037547940500000317
根据所述状态转移误差
Figure FDA00037547940500000318
获取对应所述状态转移数据
Figure FDA00037547940500000319
的每个行向量数据
Figure FDA00037547940500000320
其中，状态转移误差
Figure FDA00037547940500000321
其中，在所述在所述状态估计误差
Figure FDA00037547940500000322
大于所述预设误差阈值时，对与所述非线性数据
Figure FDA00037547940500000323
对应的状态转移数据
Figure FDA00037547940500000324
进行误差修正获得状态修正数据
Figure FDA00037547940500000325
中，还包括：根据所述每个行向量数据
Figure FDA00037547940500000326
Figure FDA00037547940500000327
确定所述状态修正数据
Figure FDA00037547940500000328
5.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1-3中任一项所述的非线性数据处理方法。
6.一种计算机可读存储介质，其特征在于，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1-3中任一项所述的非线性数据处理方法。
CN202011159833.4A 2020-10-26 2020-10-26 非线性数据处理方法、装置、设备和介质 Active CN112346340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011159833.4A CN112346340B (zh) 2020-10-26 2020-10-26 非线性数据处理方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011159833.4A CN112346340B (zh) 2020-10-26 2020-10-26 非线性数据处理方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112346340A CN112346340A (zh) 2021-02-09
CN112346340B true CN112346340B (zh) 2022-10-18

Family

ID=74359026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011159833.4A Active CN112346340B (zh) 2020-10-26 2020-10-26 非线性数据处理方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112346340B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101505532B (zh) * 2009-03-12 2012-09-05 华南理工大学 一种基于分布式处理的无线传感器网络目标跟踪方法
CN101561496A (zh) * 2009-05-21 2009-10-21 北京航空航天大学 一种伪卫星和惯性组合导航系统的非线性补偿方法
CN104636634B (zh) * 2015-01-04 2017-08-25 中国科学院光电技术研究所 一种在腔衰荡技术中筛选信号数据点及修正拟合结果的方法
CN108680162B (zh) * 2018-04-20 2021-02-26 浙江工业大学 一种基于渐进无迹卡尔曼滤波的人体目标跟踪方法
CN111737823B (zh) * 2020-06-30 2022-09-06 海丰通航科技有限公司 线性动力学系统运动状态预测方法及系统

Also Published As

Publication number Publication date
CN112346340A (zh) 2021-02-09

Similar Documents

Publication Publication Date Title
Akazaki et al. Falsification of cyber-physical systems using deep reinforcement learning
CN105975645B (zh) 一种基于多步的含激波区域飞行器流场快速计算方法
Silva et al. Development of reduced-order models for aeroelastic analysis and flutter prediction using the CFL3Dv6. 0 code
US10083250B2 (en) Simplification of large networks and graphs
Biancolini et al. Static aeroelastic analysis of an aircraft wind-tunnel model by means of modal RBF mesh updating
US9262380B2 (en) Calculating node centralities in large networks and graphs
Kimmritz et al. The adaptive EVP method for solving the sea ice momentum equation
Do Global output-feedback path-following control of unicycle-type mobile robots: A level curve approach
Jalali et al. Higher-order finite volume solution reconstruction on highly anisotropic meshes
CN112346340B (zh) 非线性数据处理方法、装置、设备和介质
Maitland et al. Nonlinear model predictive control reduction using truncated single shooting
CN112711815A (zh) 飞行器建模与模型特性分析系统
Wauquiez Shape optimization of low speed airfoils using Matlab and Automatic Differentiation
Dhahri et al. A new internal model control method for MIMO over-actuated systems
US9015095B2 (en) Neural network designing method and digital-to-analog fitting method
CN106227971A (zh) 基于谐波平衡法的动导数快速预测技术
Attar et al. A reduced order system ID approach to the modelling of nonlinear structural behavior in aeroelasticity
CN113064349B (zh) 固定时间收敛的非线性平台滑模控制方法、装置及系统
Lang et al. Hybrid finite-frequency attitude control motivated by Volterra series
Liao et al. Reachability problem considering running cost
Mikelsons et al. Towards a generic vehicle model
CN109960283B (zh) 水面溢油跟踪方法、水面溢油跟踪装置及电子设备
Ou et al. Robust stability clearance of flight control law based on global sensitivity analysis
Abdulkareem et al. The UKF Based Approach to Improving Attitude and Position of Quadcopter Through Autonomous and Non-Autonomous Flight
Moreno-Ramos et al. Computationally efficient simulation of unsteady aerodynamics using POD on the fly

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant