有限时间分布式卡尔曼滤波：最大共识协议下的动态工厂状态估计

本文探讨的是在稀疏强连通传感器网络中，针对不稳定动态工厂的分布式状态估计问题。在这样的网络环境下，尽管所有传感器能够共同感知工厂的动态变化，但每个传感器可能无法单独获取全面的信息。研究的核心焦点在于如何设计一个有效的分布式算法，以便在存在局部不可观测性的情况下，实现对工厂状态的准确估计。 作者提出了一种基于有限时间最大共识的分布式卡尔曼滤波器（Distributed Kalman Filter）。这一方法利用了最大共识技术，即在一定时间内达成全局一致性的协议，以解决传感器间的协作问题。它具有显著的优点，不仅能够处理局部观测不足的情况，还能确保共识迭代的效率，给出了具体的迭代次数上限，这在实际应用中极具价值。 文章强调了算法的稳定性分析，证明了所提出的分布式估计器相对于集中式方法，其均方误差并无损失，达到了相同的性能水平。此外，作者还考虑了通信延迟的不均匀性和时变性，通过引入虚拟节点作为中继，成功地扩展了算法的适用范围，确保在网络通信条件受限时也能保持稳定性和准确性。 值得注意的是，这项工作得到了中国国家自然科学基金的部分资助，分别来自项目61573105和61473081，以及江苏省自然科学基金项目BK20141341的支持。实验部分，作者通过仿真验证了所提出的分布式有限时间共识滤波器的有效性和实用性，证明了其在实际工厂监控和状态估计中的可行性。 这篇论文提供了一个创新的解决方案，将有限时间最大共识与分布式卡尔曼滤波结合，对于提高稀疏传感器网络的动态状态估计效率和鲁棒性具有重要意义，为工业自动化和物联网领域的发展做出了贡献。