Discrete Time Systered by Mario A, Jordan ja Jorge L Bustamantelated by InTecha Trine 9 51000 Rijeka CroatiaCopyright e 201Kaikki luvut ovat Open Ake Attribution 3
0 lisenssi, joka sallii kopioinnin,teoksessa viitataan asianmukaisesti Afteryork on julkaissut InTech, auto make muut perferenssit tai pe niistä nimenomaisesti tunnistaa alkuperäisen lähteen Luvuissa esitetyt lausunnot ja mielipiteet ovat pääasiassa toimittajien tai julkaisijoiden Ei on vastuussa julkaistujen artidessanomavaatimusten sisältämistä henkilöille tai omaisuudelle materiaalista, ohjeista, menetelmistä tai ideoista johtuvasta sisällöstä. Bookmanageri lvat Kansi suunnittelija Martina Sirotimage Copyright Emelyano, 2010 Käytetty lisenssillä:Ensimmäinen julkaistu 20. maaliskuuta ylimääräisiä paperikopioita saa osoitteestaborg@ intechwe Systems, toimittaneet Mario A Jordan ja Jorge L Bus8-953-307-200-5
Osa 1 Erillinen suodatin
Reaaliaikainen rekursiivinen tilan estimointi epälineaarisille diskreeteille dynaamisille järjestelmille, joissa on Gaussin tai ei-Gaussin kohinaa Kerim Demirbd Electronics EngineeringBulgari, 06531 ankara Monet todellisen maailman järjestelmät on kuvattu tarkemmin epälineaarisilla malleilla Alkuperäisestä Kalmanin teoksesta lähtien1 (Kalman, Kalmany; 1961), joka esittelee Kalman-suodattimen lineaarisille malleille, on ollut laajaa tutkimusta tilanestimointiepälineaarisista malleista; mutta ei vielä ole olemassa optimaalisia estimointimenetelmiä kaikille epälineaarisille malleille, lukuun ottamatta tiettyjä malleja; Toisaalta kirjallisuudessa on ehdotettu erilaisia suboptimaalisia epälineaarisia estimointimenetelmiä (Daum, 2005).
Näiden alioptimaalisten lähestymistapojen suorituskyky ja toteutuksen monimutkaisuus riippuvat varmasti epälineaarisissa malleissa käytetyistä likiarvotyypeistä, mallista, joka vaikuttaa suboptimaalisen estimointilähestymistavan suorituskykyyn. , alioptimaalisen estimointilähestymistavan suorituskyky on epälineaarisen estimointilähestymistavan sarjan laajennus (Sage & e Melsa, 1971) ja hajusteeton Kalman-suodatin (UKF) likimääräiset ja deterministisesti valitut pisteet (hiukkassuodattimet approksimoivat posterioritiheydet suurella painotetulla joukolla (kutsutaan valituiksi). hiukkaset) tilaavaruudessa (Arulampalam et al, 2002; Doucet et al2001; Ristic et al, 2004), Epälineaarisessa estimaatiossa982: 1984; Demirbas Leondes, 1985; 1986; Demirbas, 1988; 990; häiriöt; 1007; kohina ja alkutila approksimoidaan ensin alkutilalla, jonka jakaumafunktiot parhaiten approksimoivat häiriökohinan ja alkutilan jakautumisfunktioita, tilat kvantisoidaan ja sitten käytetään useita hypoteesitestauksia tilan estimointiin: kun taas ruudukkopohjainen atspace; jos tilaavaruus ei ole laajuudeltaan äärellinen, niin tilaavaruus vaatii jonkin verran tilaavaruuden katkaisua; ja grid-pohjainen estimointi lähestyy valtion saatavuutta
Discrete Time Systems Disturbane(k)lx(k-1)), jota ei ehkä voida laskea tilamoodin yleiselle kuin ruudukkopohjaisille lähestymistavoille, koska 1)tilaavaruutta ei tarvitse katkaista, 2)tilasiirtymistiheyttä ei tarvita, 3)tilamallit voivat olla mitä tahansa häiriökohinan epälineaarisia funktioitaTässä luvussa esitellään online-rekursiivinen epälineaarinen tilasuodatus- ja ennustusmallin muotoja. Tätä mallia on äskettäin ehdotettu (Demirbas, 2010) ja sitä kutsutaan df:ksi koko tämän luvun ajan. tilaestimointi tarjoaa joko puuttuvia havaintoja tai tila-arvioille asetettuja rajoituksia On olemassa monia epälineaarisia dynaamisia järjestelmiä, joissa DF toimii paremmin kuin suunniteltu Kalman-suodatin (EKF), tärkeys uudelleennäytteenotto (SIR) hiukkassuodatin (jota joskus kutsutaan bootstrap-suodattimeksi) ja apu (asIr) Käytä häiriökohinaa ja alkutilaa ja esittää sitten likimääräisen 6:n simulaatiotulokset kahdesta esimerkistä, joissa DF on parempi kuin EKF-, SIR- ja ASIR-hiukkassuodattimet.
Osa 7 päättää chat2:n Ongelman selvitysTässä osassa määritellään epälineaaristen diskreettien dynaamisten järjestelmien tilanestimointiongelmat. Dynaamiset järjestelmät kuvataan bModk+1)=f(k,x(k),c(k)Havaintomalli jossa k tarkoittaa diskreettiaikaindeksiä f: Rxrxr'-r on tilasiirtymäfunktio;tilavektori hetkellä k:8: RxR xRv(k)eR/ on tarkkailija hetkellä k(k)∈R, joka on riippumaton tunnetulla jakaumalla fuLisäksi oletetaan, että olemassaolo tuottaa rekursiivisesti tilan x(k) ennustetun arvon e(k k-1) tilan x(k) havainnolla seAi(kk) annettuna havaintojakson yhdestä hetkeen k, eli Zlished by ensin approksimoimalla diskreetin satunnaiskvantisoimalla tilaa, eli edustamalla tilamoodia vaihtelevaa tilakonetta, ja usean hypo3:n online-alioptimaalista toteutusta Approxrst käsittelee likimääräistä diskreettiä satunnaisvektoria, joka approksimoi satunnaista vektoria ja esittää likimääräisiä malleja epälineaarisista dynaamisista järjestelmistä.
Reaaliaikainen rekursiivinen tilan estimointi epälineaisille diskreeamisille järjestelmille, joissa on Gaus-Gaussin kohinaa31Adiskreetti satunnaisvektorivektorit häiriökohinasta ja alkutilasta luvun läpi; lisäksi joukko yhtälöjä, jotka on täytettävä likimääräisellä diskreetillä satunnaismuuttujallaLapp
Gautabuloidun likimääräiset diskreetit satunnaismuuttujat ovat m-ulotteinen satunnaisvektori Likimääräinen diskreetti satunnaisvektori, jonka w:n nble-arvot on merkitty wd:llä, määritellään m-ulotteiseksi diskreetiksi satunnaisvektoriksi, jossa on n mahdollista arvoa, joiden jakaumafunktio parhaiten approksimmoi satunnaisfunktion jakaumafunktiota. kaikkien mmf-ulotteisten diskreettien satunnaisvektorien jakaumafunktioiden yli n mahdollista arvoa, eli tässä d on joukko m-ulotteisia diskreettejä satunnaisvektoreita, joilla on n mahdollista arvoa, Fy(jakauman fudomvektori y, Fwo(a) on jakauma Functionr on m-ulotteinen euklidinen avaruusAndiskreetti satunnainen vecneraali, numeerisesti, offline-laskettu, tallennettu ja sitten käytetty estimointiin. wd:n mahdollisia arvoja merkitään wdl, wand win ja theobed=wdi lus satunnaismuuttuja Sitten wa isroksimaattinen diskreetti satunnaismuuttuja, jolla on n mahdollista arvoa, jonka jakaumafunktio pikimoi w:n jakaumafunktion Fn(a) diskreettien satunnaismuuttujien jakaumafunktioiden yli, jossa on n mahdollista(Fa)}joka jakautumavirhefunktio (tavoitefunktio)/(Fv(a)) on määritellään missä d on kaikki diskreetit satunnaislukujen arvot, Fv(a) on diskreetin satunnaismuuttujan y jakaumafunktio, Fw(a) on jatkuva satunnaismuuttuja zedR on reaaliviiva Olkoon diskreetin satunnaismuuttujan y jakautumisfunktio Fy(a) kirjoittaja
NTECOPEN ACCESSUBLISHERNTECH openree intecBooks- ja aikakauslehtien verkkoversiot löytyvät osoitteesta www.
intechoper
sisältöOsa 1 Diskreettiaikainen suodatin, jossa on tai ei-gaussinen noiAli Zemouche ja Mohamed Boutayeb ovat 19Discrete-Time Systems wapter 3 Distributed Fusion Prediction for MixedContinuous-Discrete Lineaar Systems Jakelu- ja Kalman-suodattimet Pakettipoistoilla Luku 6 Diskreetin osan 2 suodatus Diskreetti-titokastinen Optimaalinen seuranta erillisen tiodelfolion esikatselulla epälineaariselle kuvaajalle
Luku 9 Erillisten järjestelmien lähtöpalautteen ohjaus: Skaalaus LMI-sovellus Luku 10 Diskreettiaikainen sekalainen LQR/H, ohjausongelmat 159-aikaiset järjestelmät viiveillä 179 Luku 12 Neliöllinen D Stabiloitava Tyydyttävä Järjestelmän vikasietoisuus 9 Vakiovastus 9 Vakiovastus1 Osa 3 Diskreettiaikainen mukautuva ohjaus 205 Diskreettiaikainen adaptiivinen ohjaus 229 Luku 15 Yleinen lähestymistapa diskreettiaikaisiin mukautuviin ohjausjärjestelmiin, joissa on häiriintynyt vedenalainen ajoneuvo Crete-Time Systems kanssa Viivästys perfoekifikaatiolla viCastro, Andre f caldeihapter 18 Harmaan diskreetin aikaviivejärjestelmän vakausanalyysi: Riittävä kunto 327
Lukutatettavuus ja ci-vahvistuksen analyysi kytketyistä lineae-kuvausjärjestelmistä 33Luku 20 Vankka stabilointi klassisen ajan kytketyille lineaarisille järjestelmille 355 Sekalaiset3Sen toteutus 363Luku 22 AdaStep-Size C3Discrete-Size Tilastointi -Time DynaSegmentation System 405teractive usean mault -diagnoosi PEM-polttokennojärjestelmille 425 Luku 25 Diskreettiaikajärjestelmät, joissa on tapahtumapohjainen dynamiikka Viimeaikainen kehitys analyysi- ja synteesimenetelmissä 447dgar Delgado-Eckert, Johann Reger ja Klaus Schmidt
Esipuhe Diskreettiaikainen järjestelmä on tärkeä ja tärkeä tutkimusala
Alan digitaalipohjaiset laskentamenetelmät, joilla on valtava vaikutus sellaisilla aloilla kuin ohjaus, signaalinkäsittely, järjestelmämallinnus ja niihin liittyvät ATämä tosiasia on mahdollistanut lisäyksiä ja kehityssuuntia, jotka ovat joko aidosti alkuperäisiä järjestelmiä tai peilejä vastaavista aiemmin olemassa olevista. yrittää antaa laajuuden diskreettien aikajärjestelmien nykyisestä tekniikasta valituilta kansainvälisiltä tutkimusryhmiltä, jotka olivat erikoistuneet kenttäkehykseen ja joilla oli muodollinen matemaattinen konteksti. Kirjan laajuuden ja maailmanlaajuisen ymmärtämisen helpottamiseksi , luvut ryhmiteltiin kätevästi osiin niiden affiniteetin mukaan viidellä merkittävällä alueella. Ensimmäinen ryhmä Suodatus, joka sisältää ennen kaikkea Stateators-mallit, PreThe toinen on omistettu kiinteiden ohjausjärjestelmien suunnittelulle (luvut 7-2, esiintyy malleja seurantaohjaukseen, vikasietoiseen hallintaan , Robust Cortrol ja mallit, joissa käytetään LMI- ja sekoitettuja LQR/Hoo-tekniikoita. Kolmanteen ryhmään kuuluvat mukautuvat ohjausjärjestelmät (luvut 13-15), jotka on suunnattu ennakoivan, hajautetun ja häiriintyneen ohjausjärjestelmän erityispiirteisiin. Neljäs ryhmä kerää teoksia, jotka käsittelevät vakausongelmia (luku 16 - 20-tilan epävarmat järjestelmät, joissa on useita ja ajallisesti vaihtelevia viiveitä ja kytketyt lineaariset järjestelmät Lopuksi, viides ryhmä koskee sekalaisia sovelluksia (luku 21 titonimodulaatiosta ja -tasauksesta, kuvankäsittelystä, fatnoosista, tapahtumapohjaisesta dynamiikasta ja determinististen ja/stochastisten järjestelmien analyysistä
Uskomme, että kirjan panos, jolla on tarkoitus kallistaa, laajentaa Diskreettiä ja merkitsee tällä alalla, uskomme myös, että tässä kuvatut aiheet näyttävät myös tärkeimmiltä suuntauksilta seuraavina vuosina tutkimusalueellaMario A
Jordan ja jorge L bDep, sähkötekniikan ja tietokoneiden kansallinen yliopisto Etelä-Argentiinassa