Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Michalski, Jacek" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Wielokrotny filtr cząsteczkowy w estymacji stanu systemów dynamicznych
    MultiPDF Particle Filter for State Estimation of Dynamical Systems
    Autorzy:
    Michalski, Jacek
    Kozierski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/274890.pdf
    Data publikacji:
    2019
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    estymacja stanu
    systemy dynamiczne
    filtr Bayesa
    filtr cząsteczkowy
    algorytm Bootstrap
    wielokrotny filtr cząsteczkowy
    state estimation
    dynamical systems
    Bayesian Filter
    Particle Filter
    Bootstrap Filter
    MultiPDF Particle Filter
    Opis:
    W artykule poruszono problem estymacji stanu systemów dynamicznych oraz zaproponowano nową metodę jego rozwiązania – wielokrotny filtr cząsteczkowy. Jest to odmiana filtru cząsteczkowego pozwalająca na zrównoleglenie jego pracy przez podział na niezależne filtry tak, by umożliwić implementację algorytmu, także na urządzeniach o niedużej mocy obliczeniowej. Algorytm został zaimplementowany dla obiektu jedno- oraz wielowymiarowego, a jakość estymacji porównano dla różnej liczby cząsteczek. Do oceny działania algorytmu wykorzystano wskaźnik jakości aRMSE. Na podstawie badań stwierdzono, iż zrównoleglenie pracy filtru cząsteczkowego może poprawić działanie algorytmu.
    In this paper the problem of state estimation of dynamical systems has been discussed and the new solution, named MultiPDF Particle Filter has been proposed. It is a modification of Particle Filter that allows to parallelize its work by dividing into independent filters in a way to enable the implementation of the algorithm also on devices with low computing power. The algorithm has been implemented for a one- and multi-dimensional object, and the quality of the estimation has been compared for a different number of particles. The quality index aRMSE has been used to evaluate the algorithm’s performance. Based on the simulation results it was found that the work parallelization of a Particle Filter can improve estimation quality of the algorithm.
    Źródło:
    Pomiary Automatyka Robotyka; 2019, 23, 1; 11-16
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The new approach to hybrid Kalman filtering, based on the changed order of filters for state estimation of dynamical systems
    Autorzy:
    Michalski, Jacek
    Kozierski, Piotr
    Ziętkiewicz, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/378067.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    state estimation
    Kalman filtering
    particle filtering
    power system
    quality indices
    Opis:
    The paper presents a new approach to Hybrid Kalman filtering, composed of Extended Kalman Filter and Unscented Kalman Filter. In known algorithms, the Unscented Kalman Filter algorithm is used as first and the result of this is given as an input to the Extended Kalman Filter. The authors checked modified Hybrid Kalman Filter with changed order of filters using theoretical object, which was created on the basis of power system. Besides traditional method, the modification of Hybrid Kalman Particle Filter was evaluated too. Results were compared with Extended Kalman Filter, Unscented Kalman Filter and Bootstrap Particle Filter. For particle filters the authors compared method estimation qualities for a different number of particles. The estimation quality was evaluated by three quality indices. Based on the obtained results, one can see that the changed order of methods in Hybrid Kalman filter can improve estimation quality.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2019, 97; 181-190
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sterowanie układem lewitacji magnetycznej w warunkach zakłóceń stochastycznych
    Control of the Magnetic Levitation System in Conditions of Stochastic Disturbances
    Autorzy:
    Mrotek, Mikołaj
    Szymankiewicz, Adrian
    Michalski, Jacek
    Kozierski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/2134959.pdf
    Data publikacji:
    2022
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    układ lewitacji magnetycznej
    modelowanie
    rozszerzony filtr Kalmana
    estymacja stanu
    sprzężenie od stanu
    magnetic levitation system
    modeling
    extended Kalman filter
    state estimation
    state feedback
    Opis:
    W niniejszej pracy przedstawiono możliwość zredukowania wpływu zakłóceń stochastycznych na jakość regulacji dzięki estymacji stanu z wykorzystaniem algorytmu rozszerzonego filtru Kalmana. Przeprowadzono eksperymenty na laboratoryjnym układzie lewitacji magnetycznej firmy Inteco, którego model matematyczny jest nieliniowy. Przyjęto metodę sterowania z użyciem wektora stanu i algorytmem lokowania biegunów dla modelu zlinearyzowanego w wybranym punkcie pracy. Dla różnych poziomów zaszumienia sygnału pomiarowego zbadano działanie układu ze sprzężeniem zwrotnym od stanu mierzonego oraz estymowanego. W celu oceny regulacji, dla obu realizacji sprzężenia dokonano weryfikacji jakości działania algorytmu. Porównano otrzymane przebiegi czasowe każdej zmiennej stanu oraz obliczone, całkowe wskaźniki jakości bazujące na uchybie regulacji. Jakość estymacji oceniono na podstawie wskaźnika błędu średniokwadratowego oraz bazującego na błędach estymat i pomiarów. Syntezy regulatora dokonano na podstawie modelu ciągłego, a następnie wyznaczono jego postać dyskretną w celu numerycznej implementacji algorytmu rozszerzonego filtru Kalmana. Dokonano synchronizacji bloków wykonawczych z wybranym okresem próbkowania. Wyniki przeprowadzonych badań pozwalają wnioskować o przewadze regulacji w układzie, w którym brana jest informacja o wektorze stanu z estymacji, w porównaniu z bezpośrednim sprzężeniem zwrotnym bez filtracji Kalmana.
    This paper presents the possibility of reducing impact of stochastic disturbances on the quality of control by implementation of state estimation using the extended Kalman filter algorithm. Experiments were carried out on the Inteco magnetic levitation laboratory system, which mathematical model is nonlinear. A control method with the use of a state vector and a pole placement algorithm was adopted for the model which was linearized at the selected working point. For different levels of noise in the measurement signal, the operation of the system with a feedback from the measured and estimated state was tested. In order to assess the regulation, the quality of the algorithm was verified for both implementations of the feedback. The obtained time plots of each state variable were compared and the calculated integral quality indices, based on the control error, were compared. The quality of the estimation was assessed on the basis of the following mean square error and based on the errors between estimation and measurements indices. The controller was synthesized on thebasis of the continuous model, and then its discrete form was numerically implement as the extender Kalman filter algorithm. The executive blocks were synchronized with the selected sampling period. The results of the performed research allow to conclude about the advantage of control in the system in which the information about the state vector from the estimation is taken, in comparison with the direct feedback without Kalman filtering.
    Źródło:
    Pomiary Automatyka Robotyka; 2022, 26, 3; 5--16
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies