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 "filtr cząsteczkowy" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    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:
    Wpływ implementacji modelu przejścia i modelu pomiarowego na działanie filtru cząsteczkowego
    Effect of implementation system model and measurement model for particle filter working
    Autorzy:
    Kozierski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/407980.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    filtr cząsteczkowy
    obserwator stanu
    model przejścia
    model pomiarowy
    particle filter
    state observer
    system model
    measurement model
    Opis:
    W artykule przedstawiono wpływ różnych realizacji modelu przejścia oraz modelu pomiarowego na działanie filtru cząsteczkowego. Zaproponowano przy tym kilka metod aproksymacji tych warunkowych funkcji gęstości prawdopodobieństwa.
    The results of different implementations of system model and measurement model for particle filter are presented in the paper. Several approximation methods for those conditional probability density functions are proposed.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2012, 3; 54-57
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie filtru cząsteczkowego w problemie identyfikacji układów automatyki
    Employ a particle filter in the identification procedure
    Autorzy:
    Kozierski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/158697.pdf
    Data publikacji:
    2012
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
    Tematy:
    identyfikacja
    metoda największej wiarygodności
    filtr cząsteczkowy
    oczekiwanie-maksymalizacja
    identification
    maximum likelihood method
    particle filter
    expectation-maximization
    Opis:
    W artykule przedstawiono sposób identyfikacji parametrycznej obiektów nieliniowych zapisanych w przestrzeni stanu. Identyfikacja wykorzystuje metodę największej wiarygodności (ML), z zastosowaniem filtru cząsteczkowego i algorytmu oczekiwanie-maksymalizacja (EM).
    A way of parameter estimation of nonlinear dynamic systems in state-space form is presented. The identification uses Maximum Likelihood method (ML), Particle Filter approach and Expectation-Maximization algorithm (EM).
    Źródło:
    Prace Instytutu Elektrotechniki; 2012, 260; 157-169
    0032-6216
    Pojawia się w:
    Prace Instytutu Elektrotechniki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fast leak detection and location of gas pipelines based on an adaptive particle filter
    Autorzy:
    Liu, M.
    Zang, S.
    Zhou, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/908443.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    rurociąg gazowy
    diagnozowanie wycieku
    lokalizowanie wycieku
    filtr cząsteczkowy
    gas pipeline
    leak detection and location
    particle filter
    Opis:
    Leak detection and location play an important role in the management of a pipeline system. Some model-based methods, such as those based on the extended Kalman filter (EKF) or based on the strong tracking filter (STF), have been presented to solve this problem. But these methods need the nonlinear pipeline model to be linearized. Unfortunately, linearized transformations are only reliable if error propagation can be well approximated by a linear function, and this condition does not hold for a gas pipeline model. This will deteriorate the speed and accuracy of the detection and location. Particle filters are sequential Monte Carlo methods based on point mass (or “particle”) representations of probability densities, which can be applied to estimate states in nonlinear and non-Gaussian systems without linearization. Parameter estimation methods are widely used in fault detection and diagnosis (FDD), and have been applied to pipeline leak detection and location. However, the standard particle filter algorithm is not applicable to time-varying parameter estimation. To solve this problem, artificial noise has to be added to the parameters, but its variance is difficult to determine. In this paper, we propose an adaptive particle filter algorithm, in which the variance of the artificial noise can be adjusted adaptively. This method is applied to leak detection and location of gas pipelines. Simulation results show that fast and accurate leak detection and location can be achieved using this improved particle filter.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2005, 15, 4; 541-550
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Particle Filter in State Vector Estimation Problem for Power System
    Wykorzystanie filtru cząsteczkowego do estymacji wektora stanu w sieci elektroenergetycznej
    Autorzy:
    Kozierski, P.
    Lis, M.
    Ziętkiewicz, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/277864.pdf
    Data publikacji:
    2014
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    particle filter
    state observer
    state estimation
    power system
    weighted least squares
    filtr cząsteczkowy
    obserwator stanu
    estymacja stanu
    sieć elektroenergetyczna
    Opis:
    Particle Filter is a tool, which has been used more frequently over the years. Calculations with using Particle Filter methods are very versatile (in comparison to the Kalman Filter), which can be used in high complex and nonlinear problems. Example of such a problem is the power system, where Particle Filter is used to state estimation of network parameters based on measurements. Paper presents theoretical basis regarding Particle Filter and power system state estimation. Results of experiment have shown that Particle Filter usually gives better outcome comparing to the Weighted Least Squares method. In extension Multi Probability Density Function Particle Filter is proposed, which improves obtained results so that they are always better than Weighted Least Squares method.
    Filtr cząsteczkowy jest narzędziem, które z roku na rok jest coraz chętniej wykorzystywane. Dużą zaletą obliczeń wykorzystujących metody filtru cząsteczkowego jest ich duża uniwersalność - w przeciwieństwie do filtru Kalmana mogą być stosowane nawet w bardzo skomplikowanych i silnie nieliniowych obiektach. Przykładem takiego układu jest sieć elektroenergetyczna, a problem, który został rozwiązany przy wykorzystaniu metody filtru cząsteczkowego to estymacja stanu sieci na podstawie pomiarów. W artykule przedstawiono podstawy teoretyczne dotyczące filtrów cząsteczkowych oraz estymacji stanu w sieci elektroenergetycznej. Przedstawiono także wyniki symulacji porównujących wyniki estymacji wykorzystujących zarówno standardową metodę, jak i metodę filtru cząsteczkowego. W wyniku przeprowadzonego doświadczenia stwierdzono, że zaproponowana metoda estymacji stanu w układzie jest na ogół lepsza od standardowej metody WLS (ważonych najmniejszych kwadratów). W rozszerzeniu zaproponowano filtr cząsteczkowy złożony z kilku funkcji gęstości prawdopodobieństwa, który polepsza estymację wektora stanu. Dzięki zastosowaniu algorytmu otrzymywane wyniki są zawsze lepsze od metody ważonych najmniejszych kwadratów.
    Źródło:
    Pomiary Automatyka Robotyka; 2014, 18, 1; 76-81
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    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
    Tytuł:
    Early prediction of remaining discharge time for lithium-ion batteries considering parameter correlation between discharge stages
    Wczesne przewidywanie czasu pozostałego do rozładowania baterii litowo-jonowej z uwzględnieniem korelacji parametrów z różnych etapów procesu rozładowania
    Autorzy:
    Yu, Jinsong
    Yang, Jie
    Tang, Diyin
    Dai, Jing
    Powiązania:
    https://bibliotekanauki.pl/articles/1365259.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    lithium-ion battery
    parameter correlation
    particle swarm optimization (PSO)
    particle filter
    remaining discharge time prognostics
    bateria litowo-jonowa
    korelacja parametrów
    optymalizacja rojem cząstek
    filtr cząsteczkowy
    prognozowanie czasu do rozładowania
    Opis:
    In this paper, we propose a method for making early predictions of remaining discharge time (RDT) that considers information about future battery discharge process. Instead of analyzing the entire degradation process of a battery, as in the existing literature, we obtain the information about future battery condition by decomposing the discharge model into three stages, according to level of voltage loss. Correlation between model parameters at the first and last stages of discharge process allows the values of model parameters in the future to be used to predict the value of parameters at early stages of discharge. The particle swarm optimization (PSO) and particle filter (PF) algorithms are employed to update parameters when new voltage data is available. A case study demonstrates that the proposed approach predicts RDT more accurately than the benchmark PF-based prediction method, regardless of the degradation period of the battery.
    W pracy zaproponowano metodę wczesnego przewidywania czasu pozostałego do rozładowania baterii (RDT), która uwzględnia informacje na temat przyszłego procesu jej rozładowywania. Zamiast analizować cały proces degradacji baterii, jak to ma miejsce w literaturze przedmiotu, wykorzystano informacje o przyszłym stanie baterii uzyskane na drodze podziału modelu procesu rozładowania na trzy etapy, według poziomu utraty napięcia. Korelacje między parametrami modelu uzyskanymi na pierwszym i ostatnim etapie procesu rozładowania baterii umożliwiają wykorzystanie przyszłych wartości parametrów do przewidywania wartości parametrów we wczesnych etapach rozładowania. Do aktualizacji parametrów zgodnie z napływającymi nowymi danymi napięciowymi wykorzystano algorytm optymalizacji rojem cząstek (PSO) i algorytm filtra cząsteczkowego (PF). Studium przypadku pokazuje, że proponowane podejście pozwala bardziej precyzyjnie prognozować RDT niż metoda prognozowania oparta na PF, niezależnie od okresu degradacji baterii.
    Źródło:
    Eksploatacja i Niezawodność; 2019, 21, 1; 81-89
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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