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 "bezśladowy filtr Kalmana" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    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
    Tytuł:
    Study of the effectiveness of different Kalman filtering methods and smoothers in object tracking based on simulation tests
    Autorzy:
    Malinowski, M.
    Kwiecień, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/106773.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Warszawska. Wydział Geodezji i Kartografii
    Tematy:
    Kalman filtering
    smoother
    extended Kalman filter
    derivative-free filtering
    Central Difference Kalman Filter
    unscented Kalman filter
    object tracing
    filtr Kalmana
    filtracja
    rozszerzony filtr Kalmana
    EKF
    bezśladowy filtr Kalmana
    UKF
    śledzenie obiektu
    Opis:
    In navigation practice, there are various navigational architecture and integration strategies of measuring instruments that affect the choice of the Kalman filtering algorithm. The analysis of different methods of Kalman filtration and associated smoothers applied in object tracing was made on the grounds of simulation tests of algorithms designed and presented in this paper. EKF (Extended Kalman Filter) filter based on approximation with (jacobians) partial derivations and derivative-free filters like UKF (Unscented Kalman Filter) and CDKF (Central Difference Kalman Filter) were implemented in comparison. For each method of filtration, appropriate smoothers EKS (Extended Kalman Smoother), UKS (Unscented Kalman Smoother) and CDKS (Central Difference Kalman Smoother) were presented as well. Algorithms performance is discussed on the theoretical base and simulation results of two cases are presented.
    Źródło:
    Reports on Geodesy and Geoinformatics; 2014, 97; 1-22
    2391-8365
    2391-8152
    Pojawia się w:
    Reports on Geodesy and Geoinformatics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An unscented Kalman filter in designing dynamic GMDH neural networks for robust fault detection
    Autorzy:
    Mrugalski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/331364.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    robust fault detection
    nonlinear system identification
    dynamic GMDH neural network
    unscented Kalman filter
    detekcja uszkodzeń
    identyfikacja nieliniowa
    sieć neuronowa dynamiczna
    filtr Kalmana bezśladowy
    Opis:
    This paper presents an identification method of dynamic systems based on a group method of data handling approach. In particular, a new structure of the dynamic multi-input multi-output neuron in a state-space representation is proposed. Moreover, a new training algorithm of the neural network based on the unscented Kalman filter is presented. The final part of the work contains an illustrative example regarding the application of the proposed approach to robust fault detection of a tunnel furnace.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 1; 157-169
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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
      Wyświetlanie 1-4 z 4

      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