فیلتر کالمن بدون بو ، پیش­بینی حالت، فاصله­ی اطمینان، فاصله­ی بون­فرونی

الگوریتم پیش­ بینی حالت اصلاح شده­ ی مبتنی بر UKF - فیلتر کالمن بدون بو ، پیش­بینی حالت، فاصله­ی اطمینان، فاصله­ی بون­فرونی

---

Modified state prediction algorithm based on UKF

Abstract: The state prediction based on the unscented Kalman filter (UKF) for nonlinear stochastic discrete-time systems with linear measurement equation is investigated. Predicting future states by using the information of available measurements is an effective method to solve time delay problems. It not only helps the system operator to perform security analysis, but also allows more time for operator to take better decision in case of emergency. In addition, predictive state can make the system implement real-time monitoring and achieve good robustness. UKF has been popular in state prediction because of its advantages in handling nonlinear systems. However, the accuracy of prediction degrades notably once a filter uses a much longer future prediction. A confidence interval (CI) is proposed to overcome the problem. The advantages of CI are that it provides the information about states coverage, which is useful for treatment-plan evaluation, and it can be directly used to specify the margin to accommodate prediction errors. Meanwhile, the CI of prediction errors can be used to correct the predictive state, and thereby it improves the prediction accuracy. Simulations are provided to demonstrate the effectiveness of the theoretical results.

الگوریتم پیش­ بینی حالت اصلاح شده­ ی مبتنی بر UKF

چکیده
پیش­بینی حالت مبتنی بر فیلتر کالمن بدون بو (UKF) برای سیستم­های زمان-گسسته­ی تصادفی غیرخطی با معادله­ی اندازه گیری خطی بررسی می­شود. پیش­بینی حالت­های آتی با استفاده از اطلاعات اندازه­گیری موجود روشی موثر برای حل مسائل تاخیر زمانی است. این پیش­بینی نه تنها به اپراتور سیستم به منظور انجام آنالیز امنیتی کمک می­کند، بلکه زمان بیشتری را برای اپراتور برای گرفتن تصمیم بهتر در موارد اضطراری فرض می­کند. علاوه بر این، حالت پیش­بینی موجب می­شود که سیستم نظارت در زمان واقعی را پیاده­سازی کند و قدرتمندی خوبی را هم به دست بیاورد. رایج بودن UKF در حالت پیش­بینی به دلیل مزایای آن در مدیریت سیستم­های غیرخطی است. با این­حال، دقت پیش­بینی به ویژه زمانی که فیلتر از پیش­بینی آتی بسیار طولانی­تر استفاده می­کند کاهش می­یابد. یک فاصله اطمینان (CI) به منظور غلبه بر مسائل ارائه می­شود. مزایای استفاده از CI این است که این اطلاعات در مورد پوشش حالات را ارائه می­کند، که برای ارزیابی طرح-بررسی مفید است، و می­توان از آن بطور مستقیم به منظور مشخص کردن حاشیه به جای خطاهای پیش­بینی استفاده ­شود. در همین حال، CI خطاهای پیش­بینی می­تواند به منظور اصلاح حالت قابل پیش­بینی استفاده شود، و در نتیجه دقت پیش­بینی را بهبود دهد. شبیه­سازی­ها به منظور نشان دادن اثربخشی نتایج تئوری ارائه می­شوند.



.

قیمت فقط31,000 تومانپرداخت و دانلود

مشخصات فروشنده

نام و نام خانوادگی : جعفر علی بیگلو

شماره تماس : [phone]

ایمیل :[e-mail]

سایت :sidonline.ir

مشخصات فایل

فرمت : doc

تعداد صفحات : 9

قیمت : 31,000 تومان

حجم فایل : 849 کیلوبایت

برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...

پرداخت و دانلودگزارش خرابی و شکایت از فایل