Filtros de Kalman adaptativos para sistemas não-lineares

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFortaleza, Eugênio Liborio Feitosa-
Autor(es): dc.creatorSilva, Jean Gonzalez-
Data de aceite: dc.date.accessioned2021-10-14T18:51:38Z-
Data de disponibilização: dc.date.available2021-10-14T18:51:38Z-
Data de envio: dc.date.issued2020-06-29-
Data de envio: dc.date.issued2020-06-29-
Data de envio: dc.date.issued2020-06-29-
Data de envio: dc.date.issued2019-12-21-
Fonte completa do material: dc.identifierhttps://repositorio.unb.br/handle/10482/38362-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/641650-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2019.-
Descrição: dc.descriptionO filtro de Kalman é amplamente utilizado para estimar estados em propostas de controle. Entretanto, ele requer correto conhecimento das estatísticas de incertezas para o bom desempenho em implementações em sistemas reais. Deste modo, este trabalho apresenta nova proposta de adaptação em covariância de incertezas de processo aplicada em filtro de Kalman estendido e filtro de Kalman unscented para sistemas não-lineares. A covariância de incertezas de processo é estimada em tempo real através de média móvel exponencial. Simulações numéricas de sistema massa-mola-amortecedor não-linear, bola e barra (instável), e quatro tanques (múltiplas entradas múltiplas saídas e fase não mínima) foram realizadas para ilustrar o bom desempenho com boas estimativas e baixos tempos de execução obtido dos algoritmos propostos.-
Descrição: dc.descriptionCAPES-
Descrição: dc.descriptionThe Kalman filter is one of the most widely used methods for state estimation and control purposes. However, it requires correct knowledge of noise statistics in order to obtain optimal performance in real-life applications. Therefore, this work presents a novel approach to adapt the process noise covariance applied in nonlinear systems by using the extended Kalman filter and unscented Kalman filter. The changes of process noise covariance are estimated in real-time based on exponential moving average. The great performance of the proposed algorithms shown by good estimations with low execution time is demonstrated with numerical simulations through examples: nonlinear mass-spring-damper system, ball beam (unstable), and four tank (multiple input multiple output and non minimal phase).-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectEstimadores-
Palavras-chave: dc.subjectFiltros adaptativos-
Palavras-chave: dc.subjectMatriz de covariância-
Palavras-chave: dc.subjectSistemas não-lineares-
Palavras-chave: dc.subjectFiltro de Kalman estendido-
Palavras-chave: dc.subjectBola e barra-
Palavras-chave: dc.subjectMassa mola amortecedor-
Palavras-chave: dc.subjectQuatro tanques-
Título: dc.titleFiltros de Kalman adaptativos para sistemas não-lineares-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.