Abstract

W wielu zagadnieniach z obszaru teorii i praktyki sterowania, w tym identyfikacji lub regulacji, oraz diagnostyki procesów, wykorzystywana jest ocena (estymacja) stanu obiektu dynamicznego. Dla obserwowanego procesu, który można opisać dyskretno-czasowym modelem Gaussa-Markowa, istnieje nieobciążony estymator minimalnowariancyjny stanu, znany jako filtr Kalmana.W pewnych praktycznych sytuacjach model Gaussa-Markowa może być jednak nieadekwatny. Zwykle jest to spowodowane istotnymi skutkami nieliniowości zawartych w charakterystykach obiektu (w równaniu stanu bądź w równaniu obserwacji) lub tym, że nieznane czynniki wpływające na obiekt lub pomiar nie mogą być opisane za pomocą wzorcowych szumów gaussowskich, będących podstawą syntezy filtru Kalmana.W artykule rozważono trzy algorytmy estymacji stanu obiektu opisanego dyskretnymi równaniami nieliniowymi. Zaprezentowane algorytmy to Rozszerzony Filtr Kalmana, Deterministycznie Próbkujący Filtr Kalmana oraz Filtr Cząsteczkowy. Za pomocą odpowiednich badań symulacyjnych przeprowadzono studium porównawcze analizowanych algorytmów.

Authors (2)