कलमन फ़िल्टर - "व्युत्पन्न" माप को संभालने का इष्टतम तरीका?


13

यानी, यदि आपके पास राज्य चर स्थिति ( पी ) और वेग ( वी ) के रूप में है, और मैं पी की कम आवृत्ति माप करता हूं, तो यह भी परोक्ष रूप से मुझे v के बारे में जानकारी देता है (क्योंकि यह पी के व्युत्पन्न है )। ऐसे रिश्ते को संभालने का सबसे अच्छा तरीका क्या है?

ए) अद्यतन कदम पर, मुझे केवल यह कहना चाहिए कि मैंने पी को मापा है , और फ़िल्टरिंग प्रक्रिया पर भरोसा करते हैं, और मेरे संचित राज्य-सहसंयोजक मैट्रिक्स ( पी ) को सही v करने के लिए ?

बी) क्या मुझे पी के माप के लिए मेरे अपडेट कदम के बाद या उससे पहले एक "अतिरिक्त" भविष्यवाणी कदम बनाना चाहिए , जो कि मेरे मापा पी और (अपेक्षाकृत बड़े) डेल्टा-समय का उपयोग करता है ताकि वी के उच्च-संस्करण की भविष्यवाणी की जा सके ?

ग) मेरे अद्यतन / माप चरण में, क्या मुझे कहना चाहिए कि मैंने पी और वी दोनों का माप लिया है , और फिर किसी तरह माप सह-विवर्तन मैट्रिक्स ( आर ) में उनकी अन्योन्याश्रयता के बारे में जानकारी सांकेतिक शब्दों में बदलना है ?


थोड़ी और पृष्ठभूमि के लिए, यहाँ विशिष्ट स्थिति है जिसमें मैं समस्या में चला गया हूँ:

मैं एक ऐसी प्रणाली के साथ काम कर रहा हूं जहां मैं किसी वस्तु की स्थिति ( पी ) का अनुमान लगाना चाहता हूं , और मैं त्वरण ( ) और पी के उच्च-शोर माप के लगातार माप करता हूं ।

मैं वर्तमान में एक कोडबेस के साथ काम कर रहा हूं जो एक विस्तारित कलमन फ़िल्टर के साथ ऐसा करता है, जहां यह राज्य चर p और v के रूप में रहता है । यह हर त्वरण माप के बाद एक "भविष्यवाणी" कदम चलाता है, जिसमें यह नए पी और वी को एकीकृत और भविष्यवाणी करने के लिए मापा और डेल्टा-समय का उपयोग करता है । यह तो हर (निराला) पी माप के लिए एक "अद्यतन" / "माप" कदम चलाता है ।

समस्या यह है - मैं के सामयिक उच्च त्रुटि माप प्राप्त एक है, जो उच्च गलत में परिणाम v । जाहिर है, के आगे माप एक इसे सही कभी नहीं होगा, लेकिन के मापन पी इस से छुटकारा पाने चाहिए। और, वास्तव में, यह प्रतीत होता है ... लेकिन धीरे धीरे।

मैं सोच रहा था कि इस आंशिक रूप से हो सकता है क्योंकि एक ही रास्ता पी को प्रभावित करता है वी इस प्रणाली में सहप्रसरण मैट्रिक्स के माध्यम से है पी यानी, विधि ए) ऊपर से - - जो काफी अप्रत्यक्ष लगता है। मैं सोच रहा था अगर वहाँ एक बेहतर तरीका है के बीच इस संबंध में हमारे ज्ञान को शामिल करने की होगी पी और वी मॉडल में, ताकि की माप पी को सही होगा वी तेजी से।

धन्यवाद!


1
मैं बाद में एक लंबे उत्तर के साथ वापस आने की कोशिश करूंगा, लेकिन आपके सवालों के प्रति मेरी तत्काल प्रतिक्रियाएं ए) हां, बी और सी) शायद नहीं। क्या आप किसी तरह से के उच्च-त्रुटि माप का पता लगाने में सक्षम हैं ? यदि आप बाहरी लोगों का पता लगा सकते हैं तो आप उनके प्रभावों को कम करने के लिए उन्हें बाहर फेंक सकते हैं। यदि आपके सिस्टम की स्थिति की नमूना दर इसकी गतिकी की तुलना में बहुत कम है, तो आपको बहुत अच्छा प्रदर्शन प्राप्त करने में मुश्किल हो सकती है। a
जेसन आर

2
एक दूसरी बात; आपके राज्य संक्रमण मैट्रिक्स में व्यक्त और के बीच एक अंतर्निहित संबंध होना चाहिए । विशेष रूप से, यह व्यक्त करना चाहिए कि या समान। वी पी कश्मीर + 1 = पी कश्मीर + v कश्मीर Δ टीpvpk+1=pk+vkΔt
जेसन आर

जवाबों:


3

आदर्श दुनिया में आपके पास सही मॉडल होगा और इसका उपयोग करेंगे।
आपके मामले में, मॉडल सही नहीं है।
फिर भी आपके द्वारा सुझाए जाने वाले चरण आपके द्वारा प्रक्रिया के बारे में दिए गए ज्ञान पर आधारित होते हैं - जिन्हें आपको अपने डायनेमिक मॉडल टूल का उपयोग करके अपने प्रक्रिया समीकरण में शामिल करना चाहिए:

  1. एफ मैट्रिक्स दिया गया क्लासिक और सही तरीका आपके ज्ञान के अनुसार सही ढंग से बनाया गया है।

  2. "अतिरिक्त पूर्वानुमान कदम से कुछ भी नहीं निकलेगा, क्योंकि और यदि आप समय सीमा को कम करते हैं तो आपको और को बदलना चाहिए, जो आपको मिलना चाहिए। छोटे चरणों की श्रृंखला के अंत में समान P_k_k-1। क्यूआरFik=FijFjkQR

  3. यदि आप वी को मापते नहीं हैं तो आपको किसी तरह "अनुमान" करना होगा। फिर भी परिभाषा के अनुसार, यदि आपका मामला कलामन के फिल्टर के उपयोग से कलमन की मान्यताओं के अंतर्गत आता है, तो सर्वोत्तम परिणाम प्राप्त होंगे।

सब सब में, "क्लासिक" के साथ रहना।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.