Уравнение - фильтр
Cтраница 1
 |
Процесс с наложенными помехами и помеха, выделенная на линии разбаланса. [1] |
Уравнение фильтра далее объединяется с уравнением основной системы и изучается при возбуждении простыми сигналами. [2]
При выводе уравнений фильтра Калмана полагают известными уравнения объекта измерения и уравнения измерения. [3]
Тем самым справедливость уравнений фильтра Калмана (2.18), (2.27) установлена. [4]
Вопрос об устойчивости при невырожденных уравнениях фильтра (5.8) решается значительно сложнее. [5]
Y ( r) в уравнение фильтра, и все рассуждения и выводы, полученные прежде, останутся в силе. Это легко проверить непосредственными преобразованиями, которые нами использовались. [6]
Соотношения (4.85) - (4.87) называются уравнениями фильтра Калмана. Калмана, основываясь на уравнешш сообщения (4.81), прогнозирует оценочное значение 6X - i на / - и шаг. Коэффициент пропорциональности, регулирующий вес новых данных ( невязки) в К, по сравнению с прогнозом bfk i, называют коэффициентом усиления фильтра Калмана. X -, усредненным по всем возможным шумам наблюдения, и, таким образом, характеризует точность оценки на / - м шаге. Действия, выполняемые фильтром Калмана, иллюстрируются схемой рис. 4.10, в которой элемент задержки осуществляет запоминание предыдущей, ( / - 1) - й, оценки до следующего, / - го, шага. [7]
Не нарушается и условие ( 15.4 - 4), используемое при выводе уравнений фильтра Калмана. [8]
Зба) и уравнение объекта ( 10.34 а), замечаем, что они отличаются последними слагаемыми: в уравнении фильтра вместо шума объекта появляется слагаемое, пропорциональное разности у - Сх. Эта разность между текущим значением выхода и его оценкой у Сх называется невязкой. Структурная схема фильтра Калмана-Бьюси полностью включает структурную схему объекта. Заметим, фильтр Калмана-Бьюси имеет такую же структуру, что и наблюдатель полного порядка (9.60) в детерминированном случае. Отличие состоит только в том, что, когда случайные воздействия не учитываются ( т.е. в детерминированном случае), матрица коэффициентов усиления выбирается произвольно, а когда случайные воздействия учитываются, эта матрица определяется однозначно. [9]
Уравнения (2.18), (2.22) для матрицы ковариации D ( t) и вектора оптимальной оценки m ( t) представляют собой уравнения фильтра Калмана. [10]
 |
Схема управления наблюдениями. [11] |
При этом точность определения координат характеризуется матрицей D ( t), a управление наблюдением - матрицей uQ ( ooOo) - iQ которые связаны уравнением фильтра Калмана (2.18) гл. [12]
За обсуждением метода определения весовой функции объекта, основанного на подаче белого шума на вход и вычислении корреляционной функции выходного сигнала со сдвинутым во времени входным, следует приложение уравнений фильтра Калмана к определению весовой функции стационарной линейной системы. Кратко изучено применение винеровскои аналитической теории нелинейных систем, а также критически рассмотрен подход к задаче идентификации, использующий обучающиеся модели и оказавшийся весьма популярным при построении моделей для адаптивного управления. [13]
В установившемся состоянии дисперсия ошибки фильтрации достигает нулевого значения. Уравнение фильтра в установившемся состоянии принимает вид х у (), т.е. действие фильтра сводится к интегрированию. [14]
В таком случае уравнения состояния системы становятся стохастическими. Уравнения фильтра Калмана позволяют записать модель в обновленной форме [114-116] и резко упростить процедуру определения информационной матрицы (2.52) на основе функции правдоподобия. [15]
Страницы: 1 2