1300740013

1300740013



2. Metody odtwarzania prędkości 17

2.2. Filtracja Kalmana

W 1960 roku został opublikowany artykuł [24], w którym Węgier Rudolf E. Kalman opisał rekurencyjne rozwiązanie problemu dyskretnej liniowej filtracji. Problem ten dotyczył oszacowania chwilowego stanu układu dynamicznego, przy założeniu, że zarówno pomiar jak i sam proces przetwarzania wewnątrz układu są obarczone błędem. W rozwiązaniu przyjmuje się, że zakłócenia są białym szumem typu gaussowskiego. Ze względu na szerokie zastosowania, filtr Kalmana stal się przedmiotem intensywnych badań i od czasu pierwszej publikacji wprowadzono wiele modyfikacji i ulepszeń. W 1969 został wykorzystany jako estymator 21 zmiennych stanu w module księżycowym Apolla 11. Obecnie jest szeroko stosowany w układach regulacji automatycznej. Obszarem zastosowań obejmuje również rekonstrukcję obrazów, telekomunikację, modelowanie statystyczne zjawisk demograficznych, uczenie sztucznych sieci neuronowych. Algorytmy filtru Kalmana z powodzeniem wykorzystano do estymacji prędkości mechanicznej silnika indukcyjnego [25].

Problem filtracji Kalmana dotyczy oszacowania stanu x G R" dyskretnego procesu opisanego stochastycznym, liniowym równaniem różnicowym

xk Axk-\ + i + wk-\,    (2-15)

przy znajomości pomiaru z G IR"1 danego zależnością

Zk = Hxt + vk,    (2.16)

gdzie: A - macierz n X n wiążąca stan układu w chwili poprzedniej ze stanem w chwili następnej, B - macierz n X l wiążąca wymuszenie u G M! ze stanem układu, H - macierz m X n wiążąca stan układu z pomiarem, w i v - zmienne losowe reprezentujące szum procesu oraz szum pomiaru. Zakładamy, że szumy te są od siebie niezależne, białe, o normalnym rozkładzie prawdopodobieństwa. Symbolicznie możemy to zapisać następująco

■p(w) .

- JV(0, Q)

(2.17)

<p(v) -

- N(0,R),

(2.18)

gdzie Q i R są macierzami kowariancji.

Algorytm filtru Kalmana jest optymalny pod względem minimalizacji wariancji błędu estymacji. Zdefiniujmy xk G IR" jako określenie a prioń stanu w chwili k na podstawie wiedzy o procesie w chwili k — 1 oraz xk G IR'1 jako określenie a posteriori stanu w chwili na podstawie pomiaru zk. Stąd otrzymujemy błędy estymacji a priori i a posteriori dane odpowiednio zależnościami

e* = xk -    ,    (2.19)

et = xk- xk    (2.20)



Wyszukiwarka

Podobne podstrony:
IMG?67 W dniu 16 czerwca 2014 roku w tygodniku „Wprost” nr 25 z dnia 16-22 czerwca 2014 roku został
2. Metody odtwarzania prędkości 15 przy czym jj^,s jest prędkością kątową strumienia stojana, lusi -
2. Metody odtwarzania prędkości 16 2. Metody odtwarzania prędkości 16 (2.11) wykonujemy lewostronne
2. Metody odtwarzania prędkości 18 oraz ich kowariancjePk = EleketTh    (2-21) P,. =
2. Metody odtwarzania prędkości 19 Otrzymujemy(xkxixk +A(xk_,-xk_,)+ Wwk_,1    2* » i
obowiązywało w Polsce do końca 1960 roku, zostało zastąpione przez ustawę z 14.06.1960 roku - Kodeks
19301 str060 (3) Rys. 4.27. Schemat blokowy filtru Kalmana. Adaptacja filtracji Kalmana dla wyznacze
inz 3 METODYKA OBLICZEŃ1. Obliczenie objętości filtratu. G = G. 1.1. Masowe natężenie przepływu osad

więcej podobnych podstron