1675609824
Analiza metod identyfikacji symulacyjnych modeli wiropłatów 19
wpływ na wartości parametrów niż dane o wiele starsze. Tego typu rozwiązanie zastosowane jest w metodzie rekurencyjnej ważonych kwadratów błędu (RWLS - Recursive Weighted Least Sąuares).
Metody identyfikacji, w których wartości parametrów określane są na bieżąco w trakcie pracy systemu, stosuje się także w celu detekcji nagłych zmian modelu rozważanego obiektu, a więc na przykład do wykrywania sytuacji awaryjnych. Czasami ze względu na wolną zbieżność i czas obliczeń wyżej wymienionych metod rekurencyjnych stosowanie ich przy wykrywaniu awarii może być nieefektywne uniemożliwiając reakcję awarię systemu, szczególnie gdy sytuacja taka może mieć znaczące konsekwencje.
W takim przypadku często sięga się po metody umożliwiające identyfikację w czasie rzeczywistym z wykorzystaniem algorytmów filtracji. Wśród tego typu metod, dużym powodzeniem cieszy się metoda filtracji Kalmana (KF - Kalman Filter) dedykowana obiektom opisanym modelami liniowymi oraz jej rozszerzenia m.in. Rozszerzony Filtr Kalmana (ang. Extended Kalman Filter) przeznaczony dla modeli nieliniowych.
W algorytmie Kalmana rozpatrywany jest liniowy model zapisany w postaci zmiennych stanu:
xk=F-xk_i+vk_i, (22)
zk = H -xk+wk, (23)
gdzie:
F - macierz stanu, tożsama w każdej chwili czasu (k),
H - macierz obserwacji, stała w każdej chwili czasu (k),
vk, wk - wektory zaburzeń w postaci białego szumu o średniej równej zeru oraz macierzach kowariancji Q, R.
W algorytmie estymowane są aktualne wartości zmiennych stanu układu (22). Algorytm jest podzielony na dwa etapy: predykcję oraz aktualizację. Inicjując algorytm należy założyć wartości początkowe wektora stanu x0 oraz macierzy kowariancji błędu P0 w chwili początkowej t0.
Etap predykcji składa się z następujących kroków [1]:
1) Predykcja wektora stanu dla następnego kroku czasowego:
xM = Fxk. (24)
2) Predykcja macierzy kowariancji błędów dla następnego kroku czasowego:
p-+l =FPkFr +Q. (25)
Podczas, gdy na etap aktualizacji składają się:
3)0bliczenie macierzy wzmocnienia Kalmana:
(26)
Kk = PkHT(HPkHT +R)'.
Wyszukiwarka
Podobne podstrony:
Analiza metod identyfikacji symulacyjnych modeli wiropłatów 23 Pomiar uOS Mod. Oper t
Analiza metod identyfikacji symulacyjnych modeli wiropłatów 15‘*,(1) x,(l) ... *„(!) .= *,(2)
Analiza metod identyfikacji symulacyjnych modeli wiropłatów 17 Analiza metod identyfikacji symulacyj
Analiza metod identyfikacji symulacyjnych modeli wiropłatów 21G.« = ■(*) K
PRACE INSTYTUTU LOTNICTWA 219, s. 13-24, Warszawa 2011ANALIZA METOD IDENTYFIKACJI SYMULACYJNYCH MODE
PRACE INSTYTUTU LOTNICTWA 219, s. 13-24, Warszawa 2011ANALIZA METOD IDENTYFIKACJI SYMULACYJNYCH MODE
IMG019 PLANOWANIE W OPARCIU O ANALIZĘ RYZYKA__ Co może się nie udać ?! Wpływ na Czas, Jakość i Koszt
SWScan00387 Rozdział IV. Metody analizy strategicznej... 175 Każda cecha, która ma wpływ na przedsię
problemu, dokonać identyfikacji uwarunkowań, zbadać otoczenie i jego wpływ na problem główny. Diagno
Inżynieria finansowa Tarcz 5 Opcje 95 Obok upływu czasu równie duży wpływ na wartość opcji ma zmienn
skanuj0128 [1600x1200] Największy wpływ na wartość przesunięcia chemicznego w spektroskopii 13C NMR
Zdjęcie0292 to wyraźny wpływ na wartość udarności przy pozostałych czynnikach nie zmienionych. W pró
Krąg wywiera mniejszy wpływ na postępowanie członków niż grupa, gdyż nie posiada rozbudowanego syste
więcej podobnych podstron