Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Particle Filter

Sortuj według:

Ogranicz wyniki do:

Wielokrotny filtr cząsteczkowy w estymacji stanu systemów dynamicznych

Michalski Jacek, Kozierski Piotr

Pomiary Automatyka Robotyka

2019

R. 23, nr 1

11--16

W artykule poruszono problem estymacji stanu systemów dynamicznych oraz zaproponowano nową metodę jego rozwiązania – wielokrotny filtr cząsteczkowy. Jest to odmiana filtru cząsteczkowego pozwalająca na zrównoleglenie jego pracy przez podział na niezależne filtry tak, by umożliwić implementację algorytmu, także na urządzeniach o niedużej mocy obliczeniowej. Algorytm został zaimplementowany dla obiektu jedno- oraz wielowymiarowego, a jakość estymacji porównano dla różnej liczby cząsteczek. Do oceny działania algorytmu wykorzystano wskaźnik jakości aRMSE. Na podstawie badań stwierdzono, iż zrównoleglenie pracy filtru cząsteczkowego może poprawić działanie algorytmu.

In this paper the problem of state estimation of dynamical systems has been discussed and the new solution, named MultiPDF Particle Filter has been proposed. It is a modification of Particle Filter that allows to parallelize its work by dividing into independent filters in a way to enable the implementation of the algorithm also on devices with low computing power. The algorithm has been implemented for a one- and multi-dimensional object, and the quality of the estimation has been compared for a different number of particles. The quality index aRMSE has been used to evaluate the algorithm’s performance. Based on the simulation results it was found that the work parallelization of a Particle Filter can improve estimation quality of the algorithm.

Analiza nieliniowego obserwatora i filtru cząsteczkowego jako estymatorów pozycji statku

Jaroś K., Witkowska A.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

2015

Nr 47

71--74

W artykule została przedstawiona analiza porównawcza dokonana pomiędzy dwoma estymatorami pozycji. Analiza ta została przedstawiona na podstawie różnicy pomiędzy wartością estymowaną a rzeczywistą. Badania estymatorów zostały przeprowadzone na podstawie równania kinematyki i dynamiki statku dynamicznie pozycjonowanego. Wartościami wykorzystywanymi w symulacji są pomiary z symulowanego odbiornika GPS i siły wytworzone przez napędy statku w czasie wykonywania manewrów. W artykule zawarto nieliniowy model statku z zakłóceniami w globalnym układzie współrzędnych, oraz dwa estymatory nieliniowy obserwator (NO) i filtr cząsteczkowy (PF) (ang. Particle filter). Badania zostały przeprowadzone w środowisku MATLAB/Simulink z użyciem modeli symulacyjnych. W badaniach wykazano że PF jest lepszym estymatorem niż NO podczas manewru zmiany pozycji statku natomiast sytuacja jest odwrotna podczas utrzymywania stałej pozycji statku.

An estimation of measured variables is very important in dynamic positioning systems of the vessels. There is required to a filtering of the signal environmental noise and the measurements noises to get high-precision estimate of the vessel’s position. The dynamic positioning systems uses a different algorithms for estimating and filtering measured signals. More suitable algorithms of estimating and filtering, allows to obtain an accurate control of the vessel’s position at sea, in seaports and near oil rigs. It improve safety level and decrease fuel consumption. That is the reason why many evaluations and investigations of estimation parameter. The goal of research, described in the paper is which of estimator is most suitable estimation of the vessel’s position. In this paper used three estimator to compare which of this estimation give the better solution in different tasks in dynamic positioning system. To comparison filters in this paper used simulation where the vessel has been used to different tasks. Ship model simulates the signal from the GPS receiver with disturbances and provides information about the force generated by the propellers. These values was used to estimation position of vessel. Studies have shown that PF is a better estimator than NO by tracking the position of a time-varying but the opposite is true for estimating the position of the invariant over time.