多窗口移动视界估计

在移动视界估计 (MHE) 中，长视界长度对于达到全信息估计器的性能极限是可取的。然而，传统的 MHE 技术在这方面存在诸多不足。首先，问题复杂度至少随所选视界长度线性增长，若存在计算限制，则阻碍了长视界的选择。其次，缺乏对约束活动/非活动状态的监控，导致即使在没有约束激活的情况下也进行冗余的约束最小化。在本研究中，我们开发了一种多窗口移动视界估计策略 (MW-MHE)，该策略利用约束非活动性来减小长视界估计问题的规模。我们使用无约束全信息估计器的到达成本来近似到达成本，以保证该技术的稳定性。基于时间上远程状态之间的最大灵敏度，开发了一种新的视界长度选择标准。本开发针对一般因果描述符系统进行，其中包括标准状态空间表示作为特例。我们将通过一个实例展示新估计算法的潜力，该实例显示与传统 MHE 相比，计算时间和数值误差均显著减少。