鲁棒性是什么？如何评价模型的鲁棒性？常用方法有哪些？

鲁棒性 (Robustness) 的精确定义

鲁棒性是指系统在模型误差、参数失配、外部扰动或异常数据等不确定性条件下，仍能保持稳定性和可接受性能的能力。在状态估计中，表现为：

• 对过程噪声协方差Q和观测噪声协方差R的估计误差不敏感
• 能抵抗传感器野值（Outliers）和测量缺失
• 对模型线性化误差或未建模动态具有容错能力
• 在数值计算误差累积下不发散

二、模型鲁棒性的评价体系

1. 定量评价指标

2. 敏感性分析

通过参数摄动测试性能退化程度：

• 噪声参数摄动：Q/R分别增大/减小10倍，观察RMS误差增幅
• 模型参数摄动：质量ms/mw±20%、刚度Ks/Kw±30%，检验估计稳定性
• 野值注入：随机将1%~5%测量值替换为10倍量级的异常值

三、提升鲁棒性的常用方法

1. 自适应滤波（Adaptive Filtering）

% 在线调整Q/R比值
residual = z - C*x_pred;  % 新息序列
S = C*P_pred*C' + R;      % 新息协方差
if norm(residual) > 3*sqrt(trace(S))
    R = R * 1.5;          % 观测可疑，增大R
else
    R = R * 0.98;         % 观测正常，恢复R
end

2. 鲁棒卡尔曼变体

3. 野值检测与剔除

% 新息马氏距离检验
function isOutlier = detectOutlier(residual, S)
    mahalanobis = residual' * (S \ residual);
    isOutlier = mahalanobis > 9;  % 3σ阈值，自由度=m
end

% 在CKF更新步前调用
if detectOutlier(z - z_pred, Pzz)
    % 跳过更新或减小增益
    K = K * 0.1;  % 信任度降低90%
end

4. 协方差约束与正则化

% 防止P矩阵病态
P_est = (P_est + P_est')/2;        % 强制对称
P_est = P_est + 1e-6*eye(n);      % 添加小的正定项
[P_est, ~] = nearestSPD(P_est);    % 投影到半正定锥

四、鲁棒性验证实验设计

建议运行以下最坏情况测试：

1. 参数失配测试：ms=320*1.3, Ks=22000*0.8（模拟老化）
2. 野值测试：y_measure(:,k) = y_true(:,k) + 5*randn(2,1)（每10步注入一次）
3. 缺失数据测试：y_measure(:,k) = NaN（随机丢失30%数据）
4. 协方差误判测试：R_true=diag([0.01,0.01])但滤波器使用R_filter=diag([1,1])

鲁棒性达标标准：在上述恶劣工况下，RMS误差增幅不超过50%，且零发散。

总结：鲁棒性不是单一算法，而是模型设计、参数调优、异常处理的系统性工程。对于悬架状态观测，建议优先采用自适应R调节+野值检测组合策略，实现简单且效果显著。