Wyniki wyszukiwania - BazTech

1

Likelihood parcticle filter and its proposed modifications

Michalski J., Kozierski P., Zietkiewicz J., Giernacki W.

Studia z Automatyki i Informatyki

|

2018

|

T. 43

81--93

EN

In this paper, three methods, namely: Hybrid Kalman Filter, Hybrid Kalman Particle Filter, and Likelihood Particle Filter for state estimation have been presented. These algorithms have been applied to three nonlinear objects and one linear object (one- and multivariable systems) and have been compared with Bootstrap Particle Filter. Moreover, authors proposed three modifications of Likelihood Particle Filter, intended for different types of objects. Operation of three particle Filter algorithms, namely Bootstrap Particle Filter, Hybrid Kalman Particle Filter and Likelihood Particle Filter, have been compared for a different number of particles, and the results have been presented together with Extended Kalman Filter, Unscented Kalman Filter and Hybrid Kalman Filter algorithm. It has been shown that Hybrid Kalman Particle Filter gives better results than Bootstrap Particle Filter for a low number of particles. Furthermore, Likelihood Particle Filter provides better than other examined methods output match (through suitable choice of estimated state variables). For the linear object, Kalman Filter algorithm is the best.

PL

W pracy zostały przedstawione trzy metody estymacji: hybrydowy filtr Kalmana, hybrydowy cząsteczkowy filtr Kalmana oraz wiarygodny filtr cząsteczkowy. Algorytmy zostały zastosowane do trzech obiektów nieliniowych oraz jednego obiektu liniowego (systemy jedno- i wielowymiarowe) oraz zostały porównane z filtrem cząsteczkowym – algorytmem Bootstrap. Ponadto autorzy zaproponowali trzy modyfikacje wiarygodnego filtru cząsteczkowego przeznaczone do konkretnego typu obiektów. Działanie algorytmów filtru cząsteczkowego, Bootstrap, hybrydowego cząsteczkowego filtru Kalmana oraz wiarygodnego filtru cząsteczkowego zostały porównane przy różnej liczbie cząsteczek oraz zestawione z rozszerzonym filtrem Kalmana, bezśladowym filtrem Kalmana oraz hybrydowym filtrem Kalmana. Można zauważyć, że hybrydowy cząsteczkowy filtr Kalmana daje lepsze wyniki od algorytmu Bootstrap dla mniejszej liczby cząsteczek. Poza tym wiarygodny filtr cząsteczkowy zapewnia najlepsze spośród badanych metod dopasowanie wyjść (przez wybór estymowanych zmiennych stanu). Dla obiektu liniowego algorytm filtru Kalmana działa najlepiej.

2

Comparison of Particle Filter and Extended Kalman Particle Filter

Michalski J., Kozierski P., Zietkiewicz J.

Studia z Automatyki i Informatyki

|

2017

|

T. 42

43--51

EN

In this paper, three state estimation algorithms, namely: Extended Kalman Filter, Particle Filter (Bootstrap Filter) and Extended Kalman Particle Filter, have been presented. Particle Filter and Extended Kalman Particle Filter algorithms have been compared with a different number of particles and the results have been presented together with Extended Kalman Filter. Estimation quality has been checked for three nonlinear objects (one- and multidimensional systems) and evaluated through the aRMSE quality index value. Based on the obtained results it was concluded that Extended Kalman Particle Filter provide better estimation quality for low number of particles in comparison to simple particle filter. However it is not met for highly nonlinear system.

PL

W pracy zostały zaprezentowane trzy algorytmy estymacji - rozszerzony filtr Kalmana, filtr cząsteczkowy (algorytm Bootstrap) i rozszerzony cząsteczkowy filtr Kalmana. Algorytmy filtru cząsteczkowego i rozszerzonego cząsteczkowego filtru Kalmana zostały porównane dla różnej liczby cząsteczek, a wyniki zestawione z wynikami działania rozszerzonego filtru Kalmana. Jakość estymacji została sprawdzona dla trzech nieliniowych obiektów (systemy jedno- i wielowymiarowe) i oceniona za pomocą wskaźnika jakości aRMSE. Na podstawie otrzymanych wyników stwierdzono, że rozszerzony cząsteczkowy filtr Kalmana zapewnia lepszą jakość estymacji dla niewielkiej liczby cząsteczek w porównaniu do zwykłego filtru cząsteczkowego. Jednakże nie jest to spełnione dla silnie nieliniowego obiektu.

3

Feedback linearization based nonlinear control of magnetic levitation system

Jaroszyński J., Zietkiewicz J.

Studia z Automatyki i Informatyki

|

2016

|

T. 41

35--46

EN

Control of unstable nonlinear system is challenging - for the method relying on objective function this function may not be convex. Feedback linearization derives exact linear model that imitates the dynamics of nonlinear model. In this paper for feedback linearized system linear quadratic control is applied. The method is simulated on magnetic levitation system. Simulation shows that the control assures good performance.

PL

Sterowanie nieliniowymi, niestabilnymi obiektami jest wymagające - jeśli metoda opiera się na funkcji celu, funkcja ta może być niewypukła. Linearyzacja przez sprzężenie zwrotne zapewnia dokładny liniowy model odwzorowujący dynamikę modelu nieliniowego. W artykule do zlinearyzowanego systemu zastosowane jest sterowanie liniowo - kwadratowe. Metoda jest przetestowana symulacyjnie na układzie magnetycznej lewitacji. Otrzymane symulacje pokazują dobrą jakość takiego rozwiązania.

4

Constrained predictive control of continuous stirred exothermical reactor using linearization

Ziętek B., Zietkiewicz J.

Studia z Automatyki i Informatyki

|

2016

|

T. 41

55--65

EN

This paper considers constrained predictive control with linearized model. The object of control is a chemical reactor with many equilibrium points. The analysis show how the linearization steady-state point and the values in reference signal influence the performance of control algorithm.

PL

W artykule podejmowany jest problem sterowania predykcyjnego z modelem otrzymanym w procesie linearyzacji w punkcie. Obiektem regulacji jest reaktor chemiczny z wieloma punktami równowagi. Analiza algorytmu pokazuje jak punkt równowagi użyty do linearyzacji oraz wartości sygnału zadanego, zmienianego skokowo, wpływają na jakość algorytmu sterowania.