Informacja

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

Wyszukujesz frazę "bezśladowy filtr Kalmana" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Bezśladowy filtr Kalmana w aplikacji estymatora parametrów modelu matematycznego serwonapędu hydraulicznego
Unscented Kalman Filter in the application of the electro-hydraulic servodrive model parameter estimation
Autorzy:
Gośliński, J.
Owczarkowski, A.
Owczarek, P.
Rybarczyk, D.
Powiązania:
https://bibliotekanauki.pl/articles/157744.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
serwonapęd hydrauliczny
bezśladowy filtr Kalmana
estymacja parametrów
model matematyczny
electro hydraulic servo drive
unscented Kalman filter
model parameter estimation
mathematical model
Opis:
W pracy opisano metodę estymacji parametrów modelu matematycznego serwonapędu hydraulicznego. Metoda ta bazuje na transformacji bezśladowej oraz na filtrze Kalmana. W wyniku wykorzystania aparatu obliczeniowego pochodzącego z Bezśladowego Filtru Kalmana (UKF – Unscented Kalman Filter) stworzono identyfikator parametrów modelu matematycznego. Model serwonapędu hydraulicznego wraz z elementem wykonawczym posiada nieliniową strukturę, niepozwalającą na transformację do znanych struktur algorytmów estymacji opartych o modele NARX (Nonlinear ARX) [5]. Ze względu na powyższy problem wykorzystano estymator bezpośredni tj. pozwalający na estymację współczynników równania nieliniowego. W artykule opisano estymator, strukturę modelu oraz przebieg eksperymentu. W wyniku przeprowadzonych badań potwierdzono słuszność użycia metody UKF w przypadku estymacji parametrów modelu matematycznego serwonapędu hydraulicznego.
In this paper a method for mathematical model parameter estimation is presented. The algorithm is based on the Unscented Transformation and the Kalman Filter. The model to be identified describes an electro-hydraulic servodrive. It has nonlinear structure, with a square-root input characteristic. The structure does not allow to be identified by well-known methods, used for the standard NARX model (Nonlinear ARX) [5]. The above mentioned problem resulted in choosing a direct estimator i.e. the one, which allows performing estimation of raw mathematical model parameters. In this paper the estimator, a model structure and an experiment are described. The authors present the algorithm of the Unscented Transformation. The major advantage of the Square -Root Unscented Klaman Filter over the standard Unscented Kalman Filter is also emphasized. Finally, the process of the model parameter identification and the promising results are presented. As the outcome, the UKF has proved its abilities to perform proper and satisfying estimation of mathematical model parameters of the electro-hydraulic servodrive.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 10, 10; 1012-1015
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
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
    Wyświetlanie 1-2 z 2

    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