Identyfikatory
Warianty tytułu
Algorytm estymacji stanu dyskretnych liniowych systemów dynamicznych odporny na obecność anomalii w pomiarach
Języki publikacji
Abstrakty
The paper presents a robust algorithm for data processing in discrete-time dynamic systems when observed data are corrupted by outliers. The algorithm has been developed using non-linear filtering theory and the Gaussian approximation method. The simulation results are presented.
W artykule został przedstawiony algorytm estymacji stanu dyskretnych liniowych systemów dynamicznych odporny na obecność anomalii w pomiarach. Algorytm opracowano w oparciu o teorię filtracji nieliniową z wykorzystaniem metody aproksymacji gaussowskiej. Przedstawiono wybrane wyniki symulacji zaproponowanego algorytmu.
Wydawca
Czasopismo
Rocznik
Tom
Strony
25--27
Opis fizyczny
Bibliogr. 11 poz., rys., wykr.
Twórcy
autor
- Politechnika Białostocka, Wydział Elektryczny, ul. Wiejska 45D Białystok, ypg@pb.edu.pl
Bibliografia
- [1] Hampel F. R. et al . , Robust statistics. The approach based on influence functions, John Wiley & Sons, Inc., N.Y.,1986
- [2] Huber P., J . , Robust statistics, John Wiley & Sons, Inc., N.Y.,1981
- [3] Hajek J. , Sidak Z. , Theory of rank tests, Academia, Prague, 1967
- [4] Grishin Yu. , A fault detection-identification algorithm for linear dynamic systems based on the mixed multiple additive Gauss-Markov models, Pomiary-Automatyka-Kontrola, (2005), n.9bis, 45-48
- [5] Grishin Yu. , Janczak D. , State estimation of linear dynamic system with unknown input and uncertain observation with using dynamic programming, Control and Cybernetics, 35 (2006), n.4, 851-862
- [6] Patton R. , Frank P. , Clark R. , Fault diagnosis in dynamic systems. Theory and applications, Prentice Hall, N.Y., 1989
- [7] Hampel F. , The influence curve and its role in robust estimation, J. Amer. Statist. Ass., 69 (1974), n. 346, 383-393
- [8] Gupta S. N. , Distribution of peaks in atmospheric radio noise, IEEE Trans. EMC, 15 (1973), n. 3, 100-103
- [9] Feller W. , An introduction to probability theory and its applications, John Wiley & Sons, N.Y., 1957
- [10] Balakrishnan A. V., Kalman filter theory, Optimization Software, Inc., N.Y.,1984
- [11] Lainiot is D. G. , Park S. K. , Joint detection, estimation and system identification: discrete data case, Int. J. Control,17 (1973), n.3, 609-633
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPOD-0016-0003