Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares
Autor(a) principal: | |
---|---|
Data de Publicação: | 2003 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/BUOS-8D2G6B |
Resumo: | Estimação recursiva é uma técnica que processa os dados medidos de um determinado sistema sequencialmente, fornecendo novas estimativas para as variáveis desejadas a cada iteração do algoritmo.Essa técnica pode ser usada para estimar os parâmetros do modelo em identificação de sistemas , ou para estimas as variáveis de estado de sistemas dinâmicos ,procedimento necessário em técnicas de controle moderno quando não é possível medir diretamente todas as variáveis.A estimação de estados pode ser realizada por diversos algoritmos recursivos.Neste trabalho apresenta-se o Filtro de Kalman ,um estimulador recursivo muito eficiente capaz de fornecer estimativas ótimas para os estados de sistemas dinâmicos, a partir de medições corrompidas por ruído.Alem da descrição original do Filtro de Kalman para sistemas lineares, são apresentadas duas abordagens diferentes que permitem que o algoritmo seja aplicado a sistemas não-lineares :o Filtro de Kalman Estendido (EKF) e o Filtro de Kalman Unscented (UKF). Os desempenhos dos dois estudados neste trabalho (EKF e UKF), são comparados durante a aplicação em um sistema real , o circuito de Chua.Os algoritmos são utilizados para estimar as três variáveis de estado desse sistema.O UKF é capaz de propagar a matriz de covariância dos estados sem linearizar as funções do sistema, de forma que as estimativas para os parâmetros e estados são calculadas com mais precisão do que pelo EKF.Além dos resultados,discute-se as dificuldades encontradas durante a implementação.Outra aplicação interessante é a transmissão de informação.Mostra-se que é possível inserir códigos binários em series temporais caóticas por meio de sucessivas variações de um ou mais parâmetros do sistema.A informação pode ser recuperada por estimação conjunta de estados e parâmetros via UKF. |
id |
UFMG_0f64a58163803e9bb257d40d604fa8e5 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/BUOS-8D2G6B |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Leonardo Antonio Borges TorresLuis Antonio AguirreHudson Bitencourt Junior2019-08-09T12:06:08Z2019-08-09T12:06:08Z2003-11-18http://hdl.handle.net/1843/BUOS-8D2G6BEstimação recursiva é uma técnica que processa os dados medidos de um determinado sistema sequencialmente, fornecendo novas estimativas para as variáveis desejadas a cada iteração do algoritmo.Essa técnica pode ser usada para estimar os parâmetros do modelo em identificação de sistemas , ou para estimas as variáveis de estado de sistemas dinâmicos ,procedimento necessário em técnicas de controle moderno quando não é possível medir diretamente todas as variáveis.A estimação de estados pode ser realizada por diversos algoritmos recursivos.Neste trabalho apresenta-se o Filtro de Kalman ,um estimulador recursivo muito eficiente capaz de fornecer estimativas ótimas para os estados de sistemas dinâmicos, a partir de medições corrompidas por ruído.Alem da descrição original do Filtro de Kalman para sistemas lineares, são apresentadas duas abordagens diferentes que permitem que o algoritmo seja aplicado a sistemas não-lineares :o Filtro de Kalman Estendido (EKF) e o Filtro de Kalman Unscented (UKF). Os desempenhos dos dois estudados neste trabalho (EKF e UKF), são comparados durante a aplicação em um sistema real , o circuito de Chua.Os algoritmos são utilizados para estimar as três variáveis de estado desse sistema.O UKF é capaz de propagar a matriz de covariância dos estados sem linearizar as funções do sistema, de forma que as estimativas para os parâmetros e estados são calculadas com mais precisão do que pelo EKF.Além dos resultados,discute-se as dificuldades encontradas durante a implementação.Outra aplicação interessante é a transmissão de informação.Mostra-se que é possível inserir códigos binários em series temporais caóticas por meio de sucessivas variações de um ou mais parâmetros do sistema.A informação pode ser recuperada por estimação conjunta de estados e parâmetros via UKF.Universidade Federal de Minas GeraisUFMGcódigosSistemaMétodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-linearesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINAL504m.pdfapplication/pdf3150309https://repositorio.ufmg.br/bitstream/1843/BUOS-8D2G6B/1/504m.pdf0c2d4a767310093e1f4dbd64e98cfc86MD51TEXT504m.pdf.txt504m.pdf.txtExtracted texttext/plain423582https://repositorio.ufmg.br/bitstream/1843/BUOS-8D2G6B/2/504m.pdf.txt9ed70d96d3acb2523d0eca6acbecdf6bMD521843/BUOS-8D2G6B2019-11-14 06:03:24.058oai:repositorio.ufmg.br:1843/BUOS-8D2G6BRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T09:03:24Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares |
title |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares |
spellingShingle |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares Hudson Bitencourt Junior códigos Sistema |
title_short |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares |
title_full |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares |
title_fullStr |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares |
title_full_unstemmed |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares |
title_sort |
Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares |
author |
Hudson Bitencourt Junior |
author_facet |
Hudson Bitencourt Junior |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Leonardo Antonio Borges Torres |
dc.contributor.advisor-co1.fl_str_mv |
Luis Antonio Aguirre |
dc.contributor.author.fl_str_mv |
Hudson Bitencourt Junior |
contributor_str_mv |
Leonardo Antonio Borges Torres Luis Antonio Aguirre |
dc.subject.por.fl_str_mv |
códigos Sistema |
topic |
códigos Sistema |
description |
Estimação recursiva é uma técnica que processa os dados medidos de um determinado sistema sequencialmente, fornecendo novas estimativas para as variáveis desejadas a cada iteração do algoritmo.Essa técnica pode ser usada para estimar os parâmetros do modelo em identificação de sistemas , ou para estimas as variáveis de estado de sistemas dinâmicos ,procedimento necessário em técnicas de controle moderno quando não é possível medir diretamente todas as variáveis.A estimação de estados pode ser realizada por diversos algoritmos recursivos.Neste trabalho apresenta-se o Filtro de Kalman ,um estimulador recursivo muito eficiente capaz de fornecer estimativas ótimas para os estados de sistemas dinâmicos, a partir de medições corrompidas por ruído.Alem da descrição original do Filtro de Kalman para sistemas lineares, são apresentadas duas abordagens diferentes que permitem que o algoritmo seja aplicado a sistemas não-lineares :o Filtro de Kalman Estendido (EKF) e o Filtro de Kalman Unscented (UKF). Os desempenhos dos dois estudados neste trabalho (EKF e UKF), são comparados durante a aplicação em um sistema real , o circuito de Chua.Os algoritmos são utilizados para estimar as três variáveis de estado desse sistema.O UKF é capaz de propagar a matriz de covariância dos estados sem linearizar as funções do sistema, de forma que as estimativas para os parâmetros e estados são calculadas com mais precisão do que pelo EKF.Além dos resultados,discute-se as dificuldades encontradas durante a implementação.Outra aplicação interessante é a transmissão de informação.Mostra-se que é possível inserir códigos binários em series temporais caóticas por meio de sucessivas variações de um ou mais parâmetros do sistema.A informação pode ser recuperada por estimação conjunta de estados e parâmetros via UKF. |
publishDate |
2003 |
dc.date.issued.fl_str_mv |
2003-11-18 |
dc.date.accessioned.fl_str_mv |
2019-08-09T12:06:08Z |
dc.date.available.fl_str_mv |
2019-08-09T12:06:08Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/BUOS-8D2G6B |
url |
http://hdl.handle.net/1843/BUOS-8D2G6B |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/BUOS-8D2G6B/1/504m.pdf https://repositorio.ufmg.br/bitstream/1843/BUOS-8D2G6B/2/504m.pdf.txt |
bitstream.checksum.fl_str_mv |
0c2d4a767310093e1f4dbd64e98cfc86 9ed70d96d3acb2523d0eca6acbecdf6b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1801677040673357824 |