سورس مقاله: فیلتر کالمن مرتبه پایین بدون کاهش مدل

پروژه ۱۵۴۰: شبیه سازی مقاله در متلب (ام فایل) + توضیحات دستورات در داخل کد + ترجمه کامل مقاله + فیلم اجرای کد

*********************

دانلود: دانلود اصل مقاله لاتین

*********************

خلاصه ای از مقاله :

    این مقاله فیلتر کالمن درجه پایین با زمان گسسته مطلوب  را ارائه می کند. از فیلتردرجه پایین برای تخمین ترکیب خطی زیرمجموعه بردار وضعیت استفاده می شود. اکثر روشهای گذشته برای فیلتر درجه پایین ، برکاهش درجه الگو تکیه می کنند. اما این مقاله درجه کامل الگو را در نظر می گیرد.کاهش درجه الگو با به حداقل رساندن پیگیری تخمین کوواریانس خطا بدست می اید.

    درسیستمهای دینامیکی تصادفی روشی برای دستیابی به تخمین زننده وضعیت درجه پایین بدون جهت و مطلوب ارائه شده است.این تخمین زننده درجه پایین ممکن است درمواردی که تلاش محاسباتی تخمین زننده وضعیت یک التزام مهم است،جذاب باشد.نتایج شبیه سازی جذابیت این روش پیشنهادی را نشان می دهند.

    قبل از این مقاله ،فیلترهای درجه پایین توسط روشهای مختلفی پیشنهاد شدند.کاهش درجه الگوی سیستم به کاهش درجه فیلتر منجر می شود اما این نتیجه از دست رفتن اطلاعات الگو است.روش ما برمبنای الگوی سیستم درجه کامل نتیجه گیری می شود.

    این مقاله ابزاری جدید برای تخمین وضعیت درجه پایین فراهم می کند که ممکن است در برخی موارد نسبت به روشهای قبل جذاب تر باشد،درحالیکه در موقعیتهای دیگر یکی از روشهای قبل ممکن است جذابتر باشد.انتخاب روش مورد استفاده به مساله بستگی دارد.مزیتهای فیلتر درجه پایین پیشنهادی در اینجا شامل ساده بودن از نظر ریاضی وقابلیت کاربرد در سیستمهای متغیر در زمان است.تجزیه وتحلیل همگرایی و ثبات فیلتر پیشنهادی اینجا در تحقیقات اینده اهمیت دارد.

چندین مثال درجه پایین و همچنین درجه بالا به عنوان مثال در تخمین پارامتر سلامتی دستگاه تهویه هواپیما نیز در نظر گرفته شده است.

دیگر موارد که در متن آمده: 

۱-مقدمه

۲-فیلتر کالمن درجه پایین

۳-نتایج شبیه سازی

۳.۱-نتایج دو سیستم وضعیت

۳.۲-نتایج سیستم درجه بالاتر

۴- نتیجه گیری

در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.

پس از پرداخت آنلاین، فایل قابل دانلود است.
خرید آنلاین

 

برخی نتایج:

Full order estimation std dev (analytical and experimental) = 0.69709, 0.63697
Reduced order estimation std dev (analytical and experimental) = 0.72606, 0.73708

 

دیگر پروژه ها: 

مجموعه کامل سورس های فیلترها (پایین گذر – بالاگذر – باترورث و …) در متلب

 


مجموعه: الکترونیک, ریاضیات و محاسبات عددی, مقالات ترجمه شده, مهندسی پزشکی, مهندسی کامپیوتر, یادگیری تقویتی, یادگیری ماشینبرچسب ها , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *