一种基于事件触发机制的流量管理系统异步滤波估计方法与流程

1.本发明属于智慧城市中的智慧交通领域，涉及混合正系统的
‑
增益滤波方法、混合驱动滤波方法、异步滤波估计方法和航空港流量管理技术。


背景技术：

2.随着科学技术的不断发展，人们出行方式日益多样化、出行体验不断优化。值得注意的是，飞机航线将不同城市、不同民族、不同国家、不同肤色的人们紧紧联系在一起。航线的大量出现一方面加强了地区之间的联系、促进了国家的发展，另一方面也给航空港的管理增加了工作负担，轻则造成飞机延误，重则导致航空港瘫痪。此外，现有的机场系统大都是本世纪初兴建，而越来越多的人选择飞机出行、航空港的流量与日俱增，这也给航空港管理系统的正常运行带来了诸多问题，如，客流量剧增而机场的吞吐量却有限。一些城市通过扩建升级现有航空港的设施来改善这一问题，还有一些城市直接建设新的航空港系统以满足客流需求。这种方法虽可以一定程度上解决航空港当前所面临的问题，但这一建设会付出巨大的经济代价，并且短期内不能够解决这些问题。于是，提出一种不仅可以从短期解决航空港面临的因人流增加出现的拥塞甚至瘫痪问题，还可以长期解决这些问题并确保航空港安全稳定的运行的基于事件触发机制的滤波估计方法显得十分必要。
3.航空港系统主要由飞行区、客货运输服务区和机修服务区三部分组成。本文针对整个系统的流量管理的运行状态进行相应的观测和估计。在流量管理系统的运行过程中，由于飞机的起降过程和人口流动过程会出现排队等候、天气变化等因素，并且这些过程不是瞬态完成，这就会造成航空港流量管系统的模态与所设计的滤波器、控制器和观测器的模态出现异步现象。这种异步现象降低设计的准确性和实时性，重则导致设计失效、不能达到预期的设计目的、破坏系统的稳定性。因此，提出一种可以解决具有异步现象的航空港流量管理系统的滤波估计方法亦是十分重要的。此外，现有的系统模型大都基于一般系统(非正系统)理论建立，而航空港系统的流量是一个非负变量，用一般系统建模刻画会造成系统冗余和相关的资源浪费。针对这些问题，基于正系统理论提出一种基于事件触发机制的航空港流量管理系统的异步滤波估计方法具有重要的意义。


技术实现要素：

4.本发明针对具有传感器和执行器执行过程中遇到的时滞和系列不确定因素而产生的航空港流量管理系统模态和所设计的滤波器模态异步的运行状态监控与估计问题，尤其是飞机进出港过程中的拥塞问题，通过收集机场的飞行流量数据、分析与建模、异步滤波估计等手段，提出了一种基于事件触发机制的航空港流量管理系统的异步滤波估计方法。
5.一种基于事件触发机制的流量管理系统异步滤波估计方法，包括如下步骤：步骤1，收集各城市机场的飞机通勤流量和人流量数据，建立航空港流量管理系统的状态空间模型；步骤2，基于1范数方法，建立一种具有加权的线性事件触发条件，减少中央处理器
的计算负担，减低系统的设计和开发成本；步骤3，针对因传感器和物理器的异步现象，建立一种可以准确刻画这种异步现象的滤波器系统模型；步骤4，建立
‑
增益指标函数，评估系统对航空港流量管理系统的干扰能力；步骤5，基于所建立的事件触发架构和性能指标函数，设计事件触发异步滤波器架构。
6.作为优选，步骤1，收集各城市机场的飞机通勤流量和人流量数据，建立航空港流量管理系统的状态空间模型，具体步骤如下：步骤1.1，记录单位时间内流入流出各城市航空港的飞机数和人口数，进而得到各航空港的飞机流量平衡方程为其中，μ
i
(k)为某一城市航空港的从第i个城市航空港口的第k时刻的飞机数量，δt为单位时间间隔，为第k时刻从第j个城市航空港口流入到第i个城市航空港口的飞机数，为第k时刻从第i个城市航空港口流出到第h个城市航空港口的飞机数；步骤1.2，根据步骤1.1所得到的数据建立航空港流量管理系统的状态空间表达式：x(k 1)＝a
r(k)
x(k) b
r(k)
w(k),y(k)＝c
r(k)
x(k) d
r(k)
w(k),z(k)＝e
r(k)
x(k) f
r(k)
w(k),其中，x(k)＝(x1(k) x2(k)
ꢀ…ꢀ
x
i
(k)
ꢀ…ꢀ
x
n
(k))
t
由航空港流量管理系统的n个城市港口的航空流量x
i
(k)组成；为摄像头和雷达等传感器的测量结果，为待估计的航空港流量管理系统运行状况；为新加入各城市机场的飞机与人口数、天气因素等摄动输入；a
r(k)
,b
r(k)
,c
r(k)
,d
r(k)
,e
r(k)
和f
r(k)
为由步骤1.1得到的数据所建立的第r(k)个子系统的系统矩阵，并且满足r(k)为满足markov过程的跳变信号，满足r(k)＝i∈s，转移概率为pr{r(k 1)＝j|r(k)＝i}＝π
ij
,0≤π
ij
≤1,j∈s1和r(k)的取值由步骤1.1中得到的数据特性决定，集合s1＝{1,2,
…
,n},n为给定的正整数。
7.作为优选，步骤2，基于1范数方法，建立一种具有加权的线性事件触发条件，减少中央处理器的计算负担，减低系统的设计和开发成本，具体内容如下：定义中央处理器的计算负担，减低系统的设计和开发成本，具体内容如下：定义是一个分段函数，其值仅在事件触发时更新，之后保持不变直到下一次事件触发产生；记ε＝(ε
1 ε2ꢀ…ꢀ
ε
h
)
t
,λ＝diag{ε1,ε2,
…
,ε
h
}这里的
ò
是给定的一个已知向量且元素均大于0；基于1范数，建立一种可用线性规划转化的事件触发条件为：||λy
e
(k)||1＞β||λy(k)||1,其中，β为一个给定的常数且满足0＜β＜1。
8.作为优选，步骤3，针对因传感器与其他物理器件老化和天气等不确定因素造成的异步现象，建立一种可以准确刻画这种异步现象的滤波器系统模型，具体内容如下：基于步骤2中所述的一种具有加权的线性事件触发条件，结合隐markov模型方法建立事件触发异步滤波器系统为件触发异步滤波器系统为其中，为滤波器的状态变量；为滤波器的有效输入；滤波器系统矩阵a
fδ(k)
,b
fδ(k)
,e
fδ(k)
和f
fδ(k)
为将被设计的适当维度的滤波器增益矩阵；δ(k)＝ρ∈s2＝{1,2,
…
,m}，并且满足pr{δ(k)＝ρ|r(k)＝i}＝λ
iρ
,0≤λ
iρ
≤1,i∈s1,ρ∈s2和
9.作为优选，步骤4，建立
‑
增益指标函数，评估系统对天气、人流变化等外部干扰因素对航空港流量管理系统的干扰能力，具体内容如下：设扰动输入w(k)≥0，建立
‑
增益指标为‖e(k)‖1＜γ‖ω(k)‖1,其中，e(k)＝z
f
(k)
‑
z(k)且γ＞0；此外，为了便于滤波器的设计与分析，对转移概率矩阵[π
ij
]
n
×
n
进行下列运算：得到序列矩阵
[0010]
作为优选，步骤5，基于所建立的事件触发架构和性能指标函数，设计事件触发异步滤波器架构，具体内容如下：步骤5.1，建立航空港流量管理系统的增广系统状态空间表达式模型：令e(k)＝z
f
(k)
‑
z(k)；然后，建立相应的增广系统的状态空间表达式模型为表达式模型为其中，其中，为了便于后面的分析与设计，当r(k)＝i和δ(k)＝ρ时，记原系统矩阵a
i
＝a
r(k)
，b
i
＝b
r(k)
，c
i
＝c
r(k)
，d
i
＝d
r(k)
，e
i
＝e
r(k)
，f
i
＝f
r(k)
；记所设计的滤波器矩阵a
fρ
＝a
fδ(k)
，b
fρ
＝b
fδ(k)
，e
fρ
＝e
fδ(k)
，f
fρ
＝f
fδ(k)
；步骤5.2，取任意的设计n维向量θ
ρl
±
0，h维度向量φ
ρl
±
0，ψ
ρl
±
0，满足增广系统的下列正性条件：
进一步，将因事件触发条件产生的误差项y
e
(k)转化为区间形式步骤5.3，选取随机线性余正lyapunov函数为其中，那么，步骤5.4，设计常数τ＞0和γ＞0，设计n维向量θ
ρ
±
0，h维度向量φ
ρ
±
0，ψ
ρ
±
0满足下列随机稳定性条件：0满足下列随机稳定性条件：0满足下列随机稳定性条件：0满足下列随机稳定性条件：0满足下列随机稳定性条件：步骤5.5，在满足所建立的正性条件和随机稳定性条件的前提下，进行γ最小化优化，得到上界系统为：化，得到上界系统为：其中，
则有，对上式分部分求期望运算：对上式分部分求期望运算：对上式分部分求期望运算：和再次利用步骤5.4中的随机稳定性条件可得，
步骤5.6，得到所实际的事件触发
‑
增益异步滤波器架构为增益异步滤波器架构为
[0011]
本发明的优点在于：通过事件触发机制匹配航空港流量管系统的模态与所设计的滤波器、控制器和观测器的模态出现异步现象，从而减少异步现象导致的原始涉及准确性和实时性降低，设计失效、不能达到预期的设计目的，系统稳定性损坏的问题；同时由于系统是基于非正系统理论建立，因此相对于一般系统资源利用率更高。
附图说明
[0012]
图1某一航空港流量管理系统的航空港结点组成示意图；
具体实施方式
[0013]
实施例1本发明的具体实施方式如下：如图1所示，某一航空港流量管里系统由这六个结点组成，其中，a,b,c为三个中心城市结点，p,q,r为三个非中心城市结点，途中的人型标记为表示人口流动量。分别记这六个结点的流动飞机数量为μ1(k),μ2(k),μ3(k),μ4(k),μ5(k)和μ6(k)。为从第i个城市结点流入到中心城市结点a的飞机数量，为从第i个城市结点流入到中心城市结点b的飞机数量，为从第i个城市结点流入到中心城市结点c的飞机数量，为从第i个城市结点流入到非中心城市结点p的飞机数量，为从第i个城市结点流入到非中心城市结点q的飞机数量，为从第i个城市结点流入到非中心城市结点r的飞机数量，为从中心城市结点a到第i个城市结点的飞机数量，为从中心城市结点b到第i个城市结点的飞机数量，为从中心城市结点c到第i个城市结点的飞机数量，为从非中心城市结点p到第i个城市结点的飞机数量，为从非中心城市结点q到第i个城市结点的飞机数量，为从非中心城市结点r到第i个城市结点的飞机数量。
[0014]
一种基于事件触发机制的流量管理系统异步滤波估计方法，包括如下步骤：步骤1，收集各城市机场的飞机通勤流量和人流量数据，建立航空港流量管理系统
的状态空间模型；步骤2，基于1范数方法，建立一种具有加权的线性事件触发条件，减少中央处理器的计算负担，减低系统的设计和开发成本；步骤3，针对因传感器与其他物理器件老化和天气等不确定因素造成的异步现象，建立一种可以准确刻画这种异步现象的滤波器系统模型；步骤4，建立
‑
增益指标函数，评估系统对天气、人流变化等外部干扰因素对航空港流量管理系统的干扰能力；步骤5，基于所建立的事件触发架构和性能指标函数，设计事件触发异步滤波器架构。
[0015]
所述的步骤1，收集各城市机场的飞机通勤流量和人流量数据，建立航空港流量管理系统的状态空间模型，具体步骤如下：步骤1.1，记录单位时间内流入流出各城市航空港的飞机数和人口数，进而得到各航空港的飞机流量平衡方程为其中，μ
i
(k)为某一城市航空港的从第i个城市航空港口的第k时刻的飞机数量，δt为单位时间间隔，为第k时刻从第j个城市航空港口流入到第i个城市航空港口的飞机数，为第k时刻从第i个城市航空港口流出到第h个城市航空港口的飞机数；步骤1.2，根据步骤1.1所得到的数据建立航空港流量管理系统的状态空间表达式：x(k 1)＝a
r(k)
x(k) b
r(k)
w(k),y(k)＝c
r(k)
x(k) d
r(k)
w(k),z(k)＝e
r(k)
x(k) f
r(k)
w(k),其中，x(k)＝(x1(k) x2(k)
ꢀ…ꢀ
x
i
(k)
ꢀ…ꢀ
x
n
(k))
t
由航空港流量管理系统的n个城市港口的航空流量x
i
(k)组成；为摄像头和雷达等传感器的测量结果，为待估计的航空港流量管理系统运行状况；为新加入各城市机场的飞机与人口数、天气因素等摄动输入；a
r(k)
,b
r(k)
,c
r(k)
,d
r(k)
,e
r(k)
和f
r(k)
为由步骤1.1得到的数据所建立的第r(k)个子系统的系统矩阵，并且满足r(k)为满足markov过程的跳变信号，满足r(k)＝i∈s，转移概率为pr{r(k 1)＝j|r(k)＝i}＝π
ij
,0≤π
ij
≤1,j∈s1和r(k)的取值由步骤1.1中得到的数据特性决定，集合s1＝{1,2,
…
,n},n为给定的正整数。
[0016]
所述的步骤2，基于1范数方法，建立一种具有加权的线性事件触发条件，减少中央处理器的计算负担，减低系统的设计和开发成本，具体内容如下：定义处理器的计算负担，减低系统的设计和开发成本，具体内容如下：定义是一个分段函数，其值仅在事件触发时更新，之后保持不变直到下一次事件触发产生；记ε＝(ε
1 ε2ꢀ…ꢀ
ε
h
)
t
,λ＝diag{ε1,ε2,
…
,ε
h
}这里的
ò
是给定的一个已知向量且元素均大于0；基于1范数，建立一种可用线性规
划转化的事件触发条件为：||λy
e
(k)||1＞β||λy(k)||1,其中，β为一个给定的常数且满足0＜β＜1。
[0017]
所述的步骤3，针对因传感器与其他物理器件老化和天气等不确定因素造成的异步现象，建立一种可以准确刻画这种异步现象的滤波器系统模型，具体内容如下：基于步骤2中所述的一种具有加权的线性事件触发条件，结合隐markov模型方法建立事件触发异步滤波器系统为建立事件触发异步滤波器系统为其中，为滤波器的状态变量；为滤波器的有效输入；滤波器系统矩阵a
fδ(k)
,b
fδ(k)
,e
fδ(k)
和f
fδ(k)
为将被设计的适当维度的滤波器增益矩阵；δ(k)＝ρ∈s2＝{1,2,
…
,m}，并且满足pr{δ(k)＝ρ|r(k)＝i}＝λ
iρ
,0≤λ
iρ
≤1,i∈s1,ρ∈s2和
[0018]
所述的步骤4，建立
‑
增益指标函数，评估系统对天气、人流变化等外部干扰因素对航空港流量管理系统的干扰能力，具体内容如下：设扰动输入w(k)≥0，建立
‑
增益指标为‖e(k)‖1＜γ‖ω(k)‖1,其中，e(k)＝z
f
(k)
‑
z(k)且γ＞0；此外，为了便于滤波器的设计与分析，对转移概率矩阵[π
ij
]
n
×
n
进行下列运算：得到序列矩阵
[0019]
所述的步骤5，基于所建立的事件触发架构和性能指标函数，设计事件触发异步滤波器架构，具体内容如下：步骤5.1，建立航空港流量管理系统的增广系统状态空间表达式模型：令然后，建立相应的增广系统的状态空间表达式模型为表达式模型为其中，其中，为了便于后面的分析与设计，当r(k)＝i和δ(k)＝ρ时，记原系统矩阵a
i
＝a
r(k)
，b
i
＝b
r(k)
，c
i
＝c
r(k)
，d
i
＝d
r(k)
，e
i
＝e
r(k)
，f
i
＝f
r(k)
；记所设计的滤波器矩阵a
fρ
＝a
fδ(k)
，b
fρ
＝b
fδ(k)
，e
fρ
＝e
fδ(k)
，f
fρ
＝f
fδ(k)
；
步骤5.2，取任意的设计n维向量θ
ρl
±
0，h维度向量φ
ρl
±
0，ψ
ρl
±
0，满足增广系统的下列正性条件：0，满足增广系统的下列正性条件：0，满足增广系统的下列正性条件：0，满足增广系统的下列正性条件：进一步，将因事件触发条件产生的误差项y
e
(k)转化为区间形式步骤5.3，选取随机线性余正lyapunov函数为其中，那么，步骤5.4，设计常数τ＞0和γ＞0，设计n维向量θ
ρ
±
0，h维度向量φ
ρ
±
0，ψ
ρ
±
0满足下列随机稳定性条件：0满足下列随机稳定性条件：0满足下列随机稳定性条件：0满足下列随机稳定性条件：0满足下列随机稳定性条件：步骤5.5，在满足所建立的正性条件和随机稳定性条件的前提下，进行γ最小化优化，得到上界系统为：化，得到上界系统为：其中，
则有，对上式分部分求期望运算：对上式分部分求期望运算：对上式分部分求期望运算：和
再次利用步骤5.4中的随机稳定性条件可得，步骤5.6，得到所实际的事件触发
‑
增益异步滤波器架构为增益异步滤波器架构为