- Tytuł:
-
Porównanie metod estymacji stanu systemów dynamicznych
Comparison of state estimation methods of dynamical systems - Autorzy:
-
Michalski, J.
Kozierski, P.
Ziętkiewicz, J. - Powiązania:
- https://bibliotekanauki.pl/articles/276016.pdf
- Data publikacji:
- 2017
- Wydawca:
- Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
- Tematy:
-
estymacja stanu
układy dynamiczne
filtr Kalmana
rozszerzony filtr Kalmana
bezśladowy filtr Kalmana
filtr cząsteczkowy
wskaźniki jakości
state estimation
dynamical systems
Kalman Filter
extended Kalman filter
unscented Kalman filter
particle filter
quality indices - Opis:
-
W pracy poruszono problem estymacji stanu dla układów dynamicznych oraz przedstawiono wybrane jego rozwiązania. Zaproponowano cztery metody estymacji: rozszerzony filtr
Kalmana, bezśladowy filtr Kalmana, filtr cząsteczkowy oraz filtr Kalmana, stosowany dla obiektów liniowych. Metody te zastosowano dla trzech obiektów nieliniowych oraz dla dwóch obiektów liniowych (systemy jedno- i wielowymiarowe). Wszystkie obiekty zostały opisane za pomocą równań stanu.
Przedstawiono także trzy różne wskaźniki jakości, reprezentujące błędy względne oraz bezwzględne, a także porównano ich działanie dla różnego typu obiektów. W wyniku przeprowadzonych symulacji stwierdzono, że najlepszą jakość estymacji zapewnia filtr cząsteczkowy, ale jednocześnie ta metoda jest najwolniejsza.
In this paper the problem of state estimation of dynamical systems has been discussed and selected solutions have been presented. Four methods of state estimation have been proposed: Extended Kalman Filter, Unscented Kalman Filter, Particle Filter and Kalman Filter for a linear system. These methods have been applied to three nonlinear objects and to two linear objects (one- and multivariable systems). All plants have been described using state equations. Three quality indices has been used, which present relative and absolute errors. They were compared for different objects. As a result of the simulation, it was found that the best estimation quality is provided by the particle filter, but this method is also the slowest. - Źródło:
-
Pomiary Automatyka Robotyka; 2017, 21, 4; 41-47
1427-9126 - Pojawia się w:
- Pomiary Automatyka Robotyka
- Dostawca treści:
- Biblioteka Nauki
Artykuł