多傳感器信息融合基本原理及應用

1、控制工程C ontrol Engineering of China Jan.2006Vol.13,No.12006年1月第13卷第1期文章編號:167127848(20060120048204 收稿日期:2004212203;收修定稿日期:2005201217基金項目:國家自然科學基金資助項目(60374020;河北省自然科學基金資助項目(F2004000180;河北省科技攻關資助項目(04213573作者簡介:馬平(19612,女,湖南長沙人,教授,研究生導師,主要從事多源信息融合、控制系統(tǒng)故障診斷、多變量魯棒控制等方面的教學與科研工作。多傳感器信息融合基本原理及應用馬平1,呂鋒2,杜海蓮1

2、,王瑞1,牛成林1(1.華北電力大學自動化系,河北保定071003; 2.河北師范大學電子系,河北石家莊050031摘要:全面系統(tǒng)地闡述了多傳感器信息融合技術的信息融合理論、模型、算法和應用,并對目前信息融合在機器人、故障診斷、圖像處理等領域的應用現(xiàn)狀進行了剖析。信息融合技術雖然發(fā)展迅速,但由于信息融合技術理論尚待完善,在融合算法、融合模型以及關聯(lián)的二義性等方面還存在問題。信息融合理論在多傳感器分布檢測、異類多傳感器融合以及建立信息融合數(shù)據(jù)庫和知識庫等方面將有進一步發(fā)展。關鍵詞:信息融合;Bayes 推理;Dempster 2Shafer 證據(jù)理論;機器人;故障診斷;圖像處理中圖分類號:TP

3、212文獻標識碼:ATheory and Application of Multi 2sensor In formation FusionMA Ping 1,L Feng 2,DU Hai 2lian 1,WANG Rui 1,NIU Cheng 2lin1(1.Department of Automation ,N orth China E lectric P ower University ,Baoding 071003,China ;2.E lectrical Department ,Hebei N ormal University ,Shijiazhuang 050031,China

4、Abstract :The in formation fusion theory ,m odel ,alg orithm and application of multi 2sens or in formation fusion are elaborated s o that the reader can understand it fully and systematically.The application status is discussed in robots ,fault diagnosis ,and image processing.The in formation techn

5、ology development is fast but its theory is waiting for perfect ,s o there are s ome questions on fusion alg orithm ,m odel and relevancy ambig 2uous and etc.The multi 2sens or distributive detection ,different multi 2sens or fusion and the construction of data base and knowledge base and etc.will h

6、ave much m ore development.K ey w ords :in formation fusion ;Bayes reas oning ;Dempster 2Shafer evidence theory ;intelligent robot ;fault diagnosis ;image processing1引言傳統(tǒng)的信號采集往往由單一的傳感器來完成,即使采用多個(種傳感器也僅是從多個側面孤立地反映目標信息。實際上,在大多數(shù)情況下,必須同時處理多個信號,而這些信號一般又來自多個信號源,即多傳感器。但是多傳感器也帶來了信息冗余甚至矛盾。所以必須通過對各種傳感器及其觀測信息的

7、合理支配與使用,將其采集的信息依據(jù)某種優(yōu)化準則組合,產(chǎn)生對觀測環(huán)境一致性的解釋和描述,因此迫切要求對信息進一步處理?！靶畔⑷诤稀本褪菍Χ鄠鞲衅鞯臄?shù)據(jù)進行多級別、多方面、多層次的處理,即組合或融合來自多個傳感器或其他信息源的數(shù)據(jù),以獲得綜合的、更好的估計。目前國內在多傳感器融合方面的研究尚處于初始階段,對這方面系統(tǒng)介紹的文獻也相對較少,多傳感器融合是一個復雜的信息處理過程,所要研究的問題多,而且解決問題的方法也很多,因此有必要對目前的研究情況進行系統(tǒng)的介紹。2信息融合基本概念及優(yōu)越性由于信息融合的定義都是功能性的描述,美國國防部JD L 從軍事應用的角度將數(shù)據(jù)融合進行定義1,Waltz 和Lli

8、nas 對其進行了補充和修改,給出了較完整的定義:一種多層次的、多方面的處理過程,這個過程是對多源數(shù)據(jù)進行檢測、結合、相關、估計和組合以達到精確的狀態(tài)估計和身份估計,以及完整及時的態(tài)勢評估和威脅估計。近年來信息融合技術在基本理論和實現(xiàn)方法上得到極大的完善,顯示出自身極大的優(yōu)越性3,主要表現(xiàn)在:容錯性好;系統(tǒng)精度高;信息處理速度塊;互補性強;信息獲取成本低等方面。3數(shù)據(jù)融合技術的理論方法數(shù)據(jù)融合的關鍵問題是模型設計和融合算法,數(shù)據(jù)融合模型主要包括功能模型、結構模型和數(shù)學模型。功能模型從融合過程出發(fā),描述數(shù)據(jù)融合包括哪些主要功能和數(shù)據(jù)庫,以及進行數(shù)據(jù)融合時系統(tǒng)各組成部分之間的相互作用過程;結構模型

9、從數(shù)據(jù)融合的組成出發(fā),說明數(shù)據(jù)融合系統(tǒng)的軟、硬件組成,相關數(shù)據(jù)流、系統(tǒng)與外部環(huán)境的人機界面;數(shù)學模型是數(shù)據(jù)融合的算法和綜合邏輯,算法主要包括分布檢測、空間融合、屬性融合 、態(tài)勢評估和威脅估計算法等,下面從3個方面分別進行介紹。1信息融合的功能模型目前已有很多學者從不同角度提出了信息融合系統(tǒng)的一般功能模型,最有權威性的是DFS (美國三軍政府組織實驗室理事聯(lián)席會(JD L 下面的C 3I 技術委員會(TPC 3數(shù)據(jù)融合專家組提出的功能模型4,5。該模型把數(shù)據(jù)融合分為3級。第1級是單源或多源處理,主要是數(shù)字處理、跟蹤相關和關聯(lián);第2級是評估目標估計的集合,及它們彼此和背景的關系來評估整個情況;第3

10、級用一個系統(tǒng)的先驗目標集合來檢驗評估的情況。其簡化模型如圖1所示。圖1信息融合的功能模型2信息融合的結構模型數(shù)據(jù)融合的結構模型有多種不同的分類方法,其中一種分類標準是根據(jù)傳感器數(shù)據(jù)在送入融合處理中心之前已經(jīng)處理的程度來進行分類。在這種分類標準下,融合結構被分為傳感器級數(shù)據(jù)融合、中央級數(shù)據(jù)融合及混合式融合,還可以根據(jù)數(shù)據(jù)處理過程的分辨率來對融合結構進行分類。在這種情況下,融合結構為像素級、特征級和決策級融合6。3多傳感器信息融合實現(xiàn)的數(shù)學模型信息融合的方法涉及到多方面的理論和技術,如信號處理、估計理論、不確定性理論、模式識別、最優(yōu)化技術、模糊數(shù)學和神經(jīng)網(wǎng)絡等這方面國外已經(jīng)做了大量的研究。目前,這

11、些方法大致分為兩類:隨機類方法和人工智能方法。隨機類方法這類方法研究對象是隨機的,在多傳感器信息融合中常采用隨機類方法包括很多,這里只介紹前3種方法。a 1Bayes 推理方法把每個傳感器看作是一個Bayes 估計器,用于將每一個目標各自的關聯(lián)概率分布綜合成一個聯(lián)合后驗分布函數(shù),然后隨觀測值的到來,不斷更新假設的該聯(lián)合分布似然函數(shù),并通過該似然函數(shù)的極大或極小進行信息的最后融合。雖然Bayes 推理法解決了傳統(tǒng)的推理方法的某些缺點,但是定義先驗似然函數(shù)比較困難,要求對立的假設彼此不相容,無法分配總的不確定性,因此,Bayes 推理法具有很大的局限性。b 1Dem pster 2Shafer 的

12、證據(jù)理論是一種廣義的Bayes 推理方法,它是通過集合表示命題,把對命題的不確定性描述轉化為對集合的不確定性描述,利用概率分配函數(shù)、信任函數(shù)、似然函數(shù)來描述客觀證據(jù)對命題的支持程度,用它們之間的推理與運算來進行目標識別7。D 2S 證據(jù)理論可以不需要先驗概率和條件概率密度,并且能將“不知道”和“不確定”區(qū)分開來,但是它存在潛在的指數(shù)復雜度問題和要求證據(jù)是獨立的問題。c 1K alman 濾波融合算法它利用測量模型的統(tǒng)計特性,遞推確定在統(tǒng)計意義下最優(yōu)的融合數(shù)據(jù)估計,適合于線性系統(tǒng)的目標跟蹤,并且一般適用于平穩(wěn)的隨機過程,它要求系統(tǒng)具有線性的動力學模型,且系統(tǒng)噪聲和傳感器噪聲是高斯分布白噪聲模型,

13、并且計算量大,對出錯數(shù)據(jù)非常敏感。人工智能方法近年來,用于多傳感器數(shù)據(jù)融合的計算智能方法有:小波分析理論、模糊集合理論8,9、神經(jīng)網(wǎng)絡10、粗集理論和支持向量機等,限于篇幅只介紹小波變換和神經(jīng)網(wǎng)絡方法。a 1小波變換是一種新的時頻分析方法,它在多信息融合中主要用于圖像融合,即是把多個不同模式的圖像傳感器得到的同一場景的多幅圖像,或同一傳感器在不同時刻得到的同一場景的多幅圖像,合成為一幅圖像的過程。經(jīng)圖像融合技術得到的合成圖像可以更全面、精確地描述所研究的對象。基于小波變換的圖像融合算法為:首先用小波變換將各幅原圖像分解,然后基于一定的選擇規(guī)則,得到各幅圖像在各個頻率段的決策表,對決策表進行一致

14、性驗證得到最終的決策表,在最終決策表的基礎上經(jīng)過一定的融合過程,得到融合后的多分辨表達式,最后經(jīng)過小波逆變換得到融合圖像11。b 1神經(jīng)網(wǎng)絡方法是在現(xiàn)代神經(jīng)生物學和認知科學對人類信息處理研究成果的基礎上提出的,94第1期馬平等:多傳感器信息融合基本原理及應用它有大規(guī)模并行處理、連續(xù)時間動力學和網(wǎng)絡全局作用等特點,將存儲體和操作合二為一。利用人工神經(jīng)網(wǎng)絡的高速并行運算能力,可以避開信息融合中建模的過程,從而消除由于模型不符或參數(shù)選擇不當帶來的影響,并實現(xiàn)實時識別。由于神經(jīng)網(wǎng)絡的種類繁多,學習算法多種多樣,新的結構和算法層出不窮,使得目前對神經(jīng)網(wǎng)絡數(shù)據(jù)的研究非常廣泛。4信息融合技術的應用研究最初信

15、息融合技術是為了滿足戰(zhàn)爭的需求,目前軍事領域仍是信息融合的最大應用領域,發(fā)展也最快,主要應用在預警系統(tǒng)、武器系統(tǒng)的指揮和控制、情報保障系統(tǒng)、軍事力量的評估和指揮系統(tǒng)以及天地一體化信息融合系統(tǒng)。隨著各種傳感器技術和電子芯片的發(fā)展,信息融合技術在民用方面也得到了廣泛的發(fā)展,下面詳細介紹數(shù)據(jù)融合在智能機器人、故障診斷和圖像處理方面的應用。信息融合在機器人研究領域中的應用機器人技術是一門綜合技術,集光機電液信于一身,多感覺傳感器系統(tǒng)與機器人相結合,形成感覺機器人和智能機器人12。機器人演奏、機器人足球比賽、機器人摔跤等需要高度信息融合技術,工業(yè)機器人則成為典型的多傳感器集成和融合系統(tǒng),這里主要介紹信息

16、融合技術在移動機器人和工業(yè)機器人方面的應用13。如何精確地獲得自身的位置并由此規(guī)劃運動路徑,是自主式移動機器人14研究領域中一直得到關注的問題。輪式移動機器人由于輪子打滑及測量模型噪聲等原因,存在累計誤差問題。為了進一步提高移動機器人的定位精度,文獻15采用擴展K alman 濾波對這兩種傳感器信息進行融合,即通過激光掃描器提供的信息不斷修正光電編碼器的定位信息,提高了定位精度。工業(yè)機器人在工業(yè)系統(tǒng)中主要完成物料搬運、制造、裝配、檢測等,現(xiàn)已有一些較為成熟的應用例子,如Hitachi 公司研制的應用于電子產(chǎn)品裝配線上的工業(yè)機器人將三維視覺傳感器和力傳感器測出的數(shù)據(jù)進行融合。G eorgia 理

17、工學院研制的機器人融合視覺和觸覺傳感器的信息。還有G roen 等人研制的用于機械產(chǎn)品裝配生產(chǎn)線上、Smith 和Nitan 等人研制的用于產(chǎn)品包裝、K remers 等人研制的適用于加工制造業(yè)的一些工業(yè)機器人。2信息融合技術在故障診斷領域中的應用基于信息融合的故障診斷方法,是通過多傳感器獲取設備狀態(tài)的特征信號,并進行多層關聯(lián)組合、數(shù)據(jù)選擇,從而獲得對診斷對象故障信息更可靠的認識和對潛在故障發(fā)展趨勢的態(tài)勢評估。文獻16針對某泵壓式供應系統(tǒng)液體火箭發(fā)動機的泄漏故障,利用系統(tǒng)故障癥狀的分散性,提出了一種基于模糊數(shù)據(jù)融合技術的系統(tǒng)故障診斷方法。文獻17構造了神經(jīng)網(wǎng)絡信息融合中心,對來自多傳感器的殘差

18、信號進行了預處理和離散小波變換,使用改進BP 算法對神經(jīng)網(wǎng)絡分類器訓練以進行相應的故障模式識別。文獻18利用不同采樣速率多傳感器觀測對象,充分考慮多尺度、多信息融合狀態(tài)估計精度和強跟蹤濾波器理論在處理非線性系統(tǒng)時變參數(shù)與狀態(tài)估計的能力,實現(xiàn)了變壓器故障的在線診斷。3信息融合技術在圖像處理方面的應用遙感圖像的信息融合能使各種空間、波譜和時間分辨率的圖像納入統(tǒng)一的時空內,融合構成一種新的圖像,增加信息量,實現(xiàn)多種信息的互補,改善了圖像的質量和有效性。文獻19把同一目標的不同傳感器獲得的圖像數(shù)據(jù)利用小波包變換進行融合,得到目標較為清晰的融合圖像。文獻20提出了一種針對S AR (合成孔徑雷達圖像保留

19、邊緣的融合方法,在計算量不顯著增加的前提下,提高了邊緣檢測的質量。在醫(yī)學方面CT 與NMR 具有不同的成像機理,CT 能夠清晰表達骨骼信息,而NMR 能夠清晰表達軟組織信息,文獻21提出了一種新的基于小波變換的系數(shù)取大融合算法,從而既可清晰地表現(xiàn)骨組織信息,又可清晰地表現(xiàn)軟組織信息,這對臨床醫(yī)學具有十分重要的意義。5數(shù)據(jù)融合研究中的存在問題221未形成基本理論框架和有效廣義模型及算法雖然數(shù)據(jù)融合的研究已經(jīng)相當廣泛,但是目前對信息融合的研究都是根據(jù)問題的種類,各自建立融合準則,并在此基礎上形成所謂最佳融合方案,而且目前很多研究工作是基礎研究、仿真性工作。2關聯(lián)的二義性是數(shù)據(jù)融合中的主要障礙在進行

20、融合處理前,必須對信息進行關聯(lián),以保證所融合的信息是來自同一目標。所以,信息可融合性的判斷準則及如何進一步降低關聯(lián)的二義性已成為融合研究領域亟待解決的問題。3數(shù)據(jù)融合方法與融合系統(tǒng)實施問題數(shù)據(jù)融合系統(tǒng)的設計實施目前還存在許多實際的問題:傳感器動態(tài)測量誤差模型的建立、傳感器系統(tǒng)優(yōu)化、復雜動態(tài)環(huán)境下系統(tǒng)實時性、大型知識庫的建立與管理、與其他領域的很多新技術的“嫁接與融05控制工程第13卷合”,如人工智能技術、計算神經(jīng)網(wǎng)絡計算、遺傳算法、進化計算、虛擬現(xiàn)實技術性等,這些尚無成熟理論。4融合系統(tǒng)的容錯性和穩(wěn)健性沒有得到很好的解決沖突(矛盾信息或傳感器故障所產(chǎn)生的錯誤信息等的有效處理,即系統(tǒng)的容錯性或穩(wěn)

21、健性也是信息融合理論研究中必須考慮的問題。6研究方向展望盡管信息融合技術20多年來已有了很大的發(fā)展,但仍然還有很多領域有待于進一步的研究與探索,目前主要包括:多傳感器分布檢測研究分布式檢測融合自提出至今已形成了比較完善的理論體系。目前對該領域的研究主要有:在各檢測器性能時變的條件下,如何自適應估計各檢測器性能并進行分布式檢測融合是目前的一個方向;在信號參數(shù)模糊下的分布式檢測融合問題:在信號參數(shù)隨機變化下的分布式檢測融合問題;微弱信號的檢測融合問題。異類多傳感器信息融合技術研究23,24異類多傳感器信息融合由于具有時間不同步,數(shù)據(jù)率不一致及測量維數(shù)不匹配等特點,因而具有很大的不確定性。在異類多傳

22、感器信息融合中,如何利用各傳感器信息進行航跡起始,如何綜合利用位置、動態(tài)及特征和屬性參數(shù)改善目標跟蹤性,如何合理利用互補信息以改善對目標的識別及如何實現(xiàn)檢測跟蹤的聯(lián)合優(yōu)化都是需要進一步研究和解決的問題。傳感器資源分配與管理技術研究多個傳感器構成了多傳感器系統(tǒng)的互補體系,因此必須按照某些工作準則適當?shù)毓芾磉@些傳感器,以便獲得最優(yōu)的數(shù)據(jù)采集性能。傳感器管理的內容通常包括:空間管理、模式管理和時間管理。這一方面主要包括:傳感器性能預測,傳感器對目標的分配方法,傳感器空間和時間作用范圍控制準則,傳感器配置和控制策略,傳感器接口技術,傳感器對目標分配的優(yōu)先級技術,以及傳感器指示和交接技術。研究數(shù)據(jù)融合用

23、的數(shù)據(jù)庫和知識庫,高速并行檢索和推理機制利用大型空間數(shù)據(jù)庫中數(shù)據(jù)和知識進行推理是融合系統(tǒng)過程中的關鍵任務,因此深入研究和探討空間數(shù)據(jù)庫的知識庫,高速并行推理機制應成為未來的研究重點之一。7結語綜上所述,多傳感器信息融合技術涉及到多學科、多領域,且具有多信息量、多層次、多手段等特點,并在機器人、故障診斷、圖像處理等民用領域中,充分發(fā)揮了強大的信息處理優(yōu)勢,幾乎一切需要信息處理的系統(tǒng)都可以應用信息融合,利用信息融合技術可得到比單一信息源更精確更完全的判斷。隨著科學技術的發(fā)展,尤其是人工智能技術的進步,數(shù)據(jù)融合的基礎理論將更加完善,兼有穩(wěn)健性和準確性的融合算法和模型將不斷推出,研究數(shù)據(jù)融合的數(shù)據(jù)庫和

24、知識庫也會取得重大進展。在將來,多傳感器信息融合技術以軍事應用為核心,將不斷地向工業(yè)、農(nóng)業(yè)等領域滲透,進而取得更為廣泛的應用。參考文獻:1Wald L.S ome terms of reference in data fusion geoscienceand rem ote sensingJ.IEEE T ransactions on G eoscienceand R ornote Sensing,1999,37(3:119021193.2Waltz E,Llinas J.Multisens or data fusionM.Boston:Ar2tech H ouse,1991.3王耀南,李樹濤

25、.多傳感器信息融合及其應用綜述J.控制與決策,2001,16(5:5182522.4Varshncy P K.Multisens or data fusionJ.E1ectronics&C ommunication Engineering Journal,1997,9(6:2452253.5Hall D L.Mathematical techniques in multisens or data fusionM.Boston:Artech H ouse,1992.6K lein L A.Sens or and data fusion concepts and applicationM.

26、北京:北京理工大學出版社,2004.7Xu L J,Chen Y Z,Cui P Y.Improvement of D2S evidentialtheory in multisens or data fusion systemC.Huangzhou:Proceeding of the5th W orld C ongress on Intelligent C ontroland Automation,2004.8Russ o F,Ramponi G.Fuzzy methods for multisens or data fu2sionC.Irvine:IEEE T rans on Instrum

27、 Meas,1994.9Chanuss ot I,Mauris G,Lambert P.Fuzzy fusion techniques forlinear features detection in multitemporal S AR imagesJ.IEEE T rans on G eosci Rem ote Sening,1999,37(3:129221305.10Wan W,Fraser D.Multis ource data fusion with multiple self2organizing mapsJ.IEEE T rans on G eosci Rem ote Sening

28、,1999,37(3:134421349.11晃銳,張科,李言俊.一種基于小波變換的圖像融合算法J.電子學報,2004,32(5:7502753.12Luo R C,Phang S H H,Su K L.Multievel multisens or baseddecision fusion for intelligent animal robotJ.Seoul:Pro2ceedings of2001IEEE International C on ference on R oboticsand Automation,2001.13羅志增,蔣靜坪.機器人感覺與多信息融合M.北京:機械工業(yè)出版社,2

29、002.14Freire E,T eodiano B F,Mario S F,et al.A new m obile ro2bot control approach via fusion of control signalsJ.IEEET ransactions on Systems,Man and Cybernetics,2004,(34:4192429.15Li Y,G ao F,Lin T Q,et al.S tudy on multi2sens or data fusionfor the wheeled m obile robotC.Intelligent C ontrol and A

30、u2tomation,2004.16何平,楊保華,王本利.模糊數(shù)據(jù)融合技術在系統(tǒng)故障診斷中的應用J.電機與控制學報,2004,8(l:51256. 17Zhang J F,Zhao D Y.Fault diagnosis to structural crack onFNN and data fusionJ.Journal of Ship Mechanics,2004,8(2:55260.(下轉第77頁15第1期馬平等:多傳感器信息融合基本原理及應用M= 0000M2100M24-M2100-M240000(15式中,M21=0000000m10;M24=00000000m1。這里將要對m1進行

31、優(yōu)化,其遺傳算法控制參數(shù)的取值分別為:群體規(guī)模N1=50,交叉概率p c =0185,變異概率p m=01001,終止代次D=80。參數(shù)m1未優(yōu)化時的值是2212144,這里將其取值范圍定為20,45。利用Matlab中遺傳算法的工具箱7,搜索到了滿足給定指標要求的M21=00 00000251020,M24=0000000025102,從而得到補償陣M,計算出此時的性能指標為J= 619007e+003。情形2利用包含原理的約束條件擴展原系統(tǒng)。可按照傳統(tǒng)方法選擇如下變換陣和補償陣:V=diagI9,(1,1T,I9,U=I9,(,1-,I9,Q=I2,M=0(1-A12-(1-A1200(1

32、-A22-(1-A2200-A22A2200-A32A32 (16通過計算可得出此時電力系統(tǒng)分散AG C控制的性能指標為J=612189e+003。而采用遺傳算法優(yōu)化時,根據(jù)A陣的結構,可將M陣轉化為如下塊結構:M=0M12-M120000000000M42-M420(17設M陣中的M12=0000m100m2m3,M42 =m30000m100m2。這里要對m1,m2,m3這三個參數(shù)進行優(yōu)化。根據(jù)系統(tǒng)實際情況,它們的取值范圍分別是013,113,-01045,01955,014,019。遺傳算法的控制參數(shù)選擇同上,求得滿足給定指標要求的M陣子塊為M12=000001300-010460140

33、049,M42=0140049;0;0;0;0;013;0;0;-01446,此時J=61061e+003。在這兩種情形下,補償陣M中的尋優(yōu)參數(shù)均與系統(tǒng)的頻率變化量f1,f2和功率變化量p e1,pe2有關,因而適當調整這些參數(shù)可使電力系統(tǒng)AG C的控制性能得到改善。4結語本文研究的重疊分解補償陣選擇方法已成功應用于互聯(lián)電力系統(tǒng)的AG C控制設計中,仿真結果證明,它能很好地改善系統(tǒng)的控制性能。該方法應用的關鍵在于遺傳算法尋優(yōu)過程中參數(shù)的合理選擇,如補償陣參數(shù)的尋優(yōu)范圍及各種控制參數(shù)等。另外,可針對不同的控制問題選取不同的尋優(yōu)目標函數(shù)。本文方法也可以應用在自動高速公路系統(tǒng)以及其他復雜工業(yè)系統(tǒng)的控

34、制設計中。參考文獻:1S iljak D D.Decentralized control of complex systemsM.New Y ork:Academic,1991.2R ossell J M.C ontribution to decentralized control of large2scale systems via overlapping m odelsD.Barcelpna,S pain:T ech Univ Catalunya,1998.3Bakule L,R odellar J,R ossell KM.S tructure of expansion2con2tract

35、ion matrices in the inclusion principle for dynamic systemsJ.SI AM J Matrix Analysis Applicat,2000,21(4:113621155.4Bakule L,R odellar J,R ossell J M.G eneralized selection ofcomplementary matrices in the inclusion principleJ.IEEET ransactions on Automatic C ontrol,2000,45(6:123721243.5Chen X B,S tankovic S S.Overlapping decomposition and de2centralized LQG control for interconnected power systemsC.Beijing:Proc of IEEE S MC96,1996.6Ikeda M,S iljak D D.Overlapping decentralized