Resumen

El estudio se centra en la modelización y estimación de una clase de sistemas inciertos de tiempo discreto, que incluyen retrasos aleatorios inducidos por la red, pérdida de paquetes y paquetes fuera de orden durante la transmisión de datos desde la planta hasta el estimador. Con el fin de mejorar el rendimiento del sistema, se utiliza un método de selección de señal desencadenada por eventos para establecer el modelo del sistema. Basándose en este modelo, se diseña un esquema de estimación de fusión centralizada y medición distribuida utilizando un filtro robusto tipo Kalman de horizonte finito. Dado que los fenómenos causados por la red deterioran la precisión de la estimación, se emplea una estrategia de compensación de retraso lineal basada en la estimación, utilizando una reorganización de la medición basada en el tiempo. Además, para obtener la estimación lineal óptima, se utiliza un enfoque de estimación de fusión ponderada para realizar la colaboración de información a través de la matriz de covarianza cruzada de errores.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Modelado; Estimación; Retrasos inducidos por la red; Selección de señales desencadenadas por eventos; Filtro de Kalman; Rendimiento de la estimación
• Keywords:Modelling; Estimation; Network-induced delays; Event-triggered signal selection; Kalman filter; Estimation performance