滾動時間域估計 (MHE) 是一種優化方法，它使用隨時間觀察到的一系列測量值，包含噪聲（隨機變化）和其他不準確性，并產生未知變量或參數的估計值。 與確定性方法不同，MHE 需要一種迭代方法，該方法依賴于線性規劃或非線性規劃求解器來找到解決方案。

MHE 在一定的簡化條件下簡化為卡爾曼濾波器。 對擴展卡爾曼濾波器和 MHE 的關鍵評估發現，MHE 以增加計算費用為代價提高了性能。 由于計算開銷大，MHE 通常應用于具有更多計算資源和中等至慢速系統動態的系統。 然而，在文獻中有一些方法可以加速這種方法。

MHE 的應用通常是估計動態系統的測量或未測量狀態。 模型中的初始條件和參數由 MHE 調整以對齊測量值和預測值。 MHE 基于過程模型和測量的有限范圍優化。 在時間 t，對當前過程狀態進行采樣，并針對過去相對較短的時間范圍計算最小化策略（通過數值最小化算法）： [ t ? T , t ] {\displaystyle [t-T,t]} 。 具體來說，在線或即時計算用于探索狀態軌跡，這些狀態軌跡找到（通過歐拉-拉格朗日方程的解）目標最小化策略，直到時間 t {\displaystyle t} 。 僅使用估計策略的最后一步，然后再次對過程狀態進行采樣，并從時移狀態開始重復計算，從而產生新的狀態路徑和預測參數。 估計范圍不斷向前移動，因此該技術稱為移動范圍估計。 雖然這種方法不是最優的，但在實踐中，與卡爾曼濾波器和其他估計策略相比，它已經給出了非常好的結果。

滾動時間域估計 (MHE) 是一種多變量估計算法，它使用：

• 過程的內部動態模型
• 過去測量的歷史和
• 估計范圍內的優化成本函數 J，

計算最佳狀態和參數。

不違反狀態或參數約束（低/高限制）

滾動時間域估計使用滑動時間窗口。 在每個采樣時間，窗口向前移動一步。 它通過分析測量的輸出序列來估計窗口中的狀態，并使用窗口外的最后估計狀態作為先驗知識。

• 工業過程污垢監測
• 石油和天然氣行業
• 聚合物制造
• 無人機系統