随着现代实际工业过程技术的发展,相应的系统结构更加复杂。随机跳变系统作为一类由时间与离散事件共同驱动的特殊多模型系统,可以用来模拟系统结构存在随机突变现象的混杂系统。因而一直受到工业界与学术界的广泛关注。另一个方面,现代工业过程中系统控制与检测机制均是建立在系统动态过程可观测的基础之上。然而,在实际工业系统中,存在各种不可直接测量的状态变量,或者因各种未知随机干扰噪声的存在,只能获得实际系统动态带噪声观测结果。因此系统状态估计理论在工业过程的监测与控制中扮演非常重要的角色。本文基于滚动时域估计技术,对随机跳变系统的状态估计问题进行深入的研究,根据不同情况,分别设计不同的滚动时域估计器。本文工作主要分为以下几个方面:(1)考虑一类离散线性随机跳变系统,其系统模态跳变过程由一个Markov链驱动,系统的状态变量与扰动变量均存在不等式约束条件。本文采用贝叶斯网络技术描述系统的随机跳变过程。在此基础上构建滚动时域估计算法,解决系统的带约束条件状态估计问题。而后通过两个仿真实例,说明设计得到的滚动时域估计器,可以有效处理随机跳变系统的带约束状态估计问题,并且证明带约束估计值的均方根误差低于非约束状态估计值。(2)采用一种基于最优化滤波方法的滚动时域估计算法,解决一类非线性随机跳变系统的状态估计问题。其主要估计策略为:基于长度固定的滑动窗口,定义一个二次代价函数,根据代价函数的最小化问题的求解,获得滑动窗口内的状态最优估计解。代价函数是通过滚动窗口内状态序列的概率分布的负对数计算得到。其中需要利用贝叶斯网络技术对状态概率分布函数的进行详细的因式分解与计算。再结合非线性随机跳变系统的全信息估计的分析,引入到达代价,由此构建滚动时域估计算法。该算法最终由一个数值模型,通过与交互式多模型粒子群滤波算法的仿真比较,说明滚动时域估计算法解决针对非线性随机跳变系统状态估计问题的有效性。(3)对带有独立高斯干扰的离散随机线性跳变系统的完全随机可观性进行详细的分析与定义,并给出满足完全可观的充分条件。随机跳变系统的完全随机可观性分析由两个部分组成:初始状态随机可观与模态随机可观。其中模态可观性分析建立在初始状态可观的基础之上,得到系统模态随机可观的充分条件。最终,在满足系统模态的随机可观的充分条件下,基于最大似然估计算法,构建模态检测算法。(4)针对带有独立高斯扰动的离散随机线性跳变系统,设计基于模态检测的滚动时域估计器。这种新的估计策略是将系统的模态检测与滚动时域估计算法相结合,计算系统的状态最优估计值。其中模态检测用来求得滚动窗口内的模态序列的最大似然意义上的最优估计值。然后,将模态序列估计值嵌入滚动时域估计算法,基于最优化,求得状态估计解。由此,基于以上两种算法的结合,设计得到基于模态检测滚动时域估计的基本框架。另一方面,以随机线性跳变系统的随机可观性为着力点,构建估计器稳定的充分条件,使得估计误差的期望值收敛。同样为说明算法的有效性,进行实例仿真。