شناسایی متغیرهای حالت یک هوانورد با استفاده از فیلتر ترکیبی کالمن / اچ- بینهایت فازی

Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 210

This Paper With 19 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_KARFN-17-4_004

تاریخ نمایه سازی: 7 اردیبهشت 1400

Abstract:

یکی از مهمترین مشکلات در مهندسی کنترل تخمین متغیرهای حالت یک سیستم دینامیکی با استفاده از داده های اندازهگیری شده مخدوش با نویز است. تخمین به کمک فیلتر ترکیبی کالمن/ اچ بینهایت یکی از روشهای قدرتمند تخمین است که یک روش غیر تصادفی میباشد. بهعبارتدیگر در این روش اندازهگیریها و متغیرهای مدنظر تخمین نویزی بوده و اطلاعات دقیقی در مورد آنها وجود ندارد. در سیستمهای دینامیکی با نویزهای شدید هیچ تضمینی برای ثابت ماندن مقادیر کوواریانس نویزهای فرآیند و مشاهدهگر در طی زمان وجود ندارد، بنابراین بهتر است که بهطور پیوسته مقادیر کوواریانس نویزهای فرآیند و مشاهدهگر در الگوریتم فیلتر تخمین بهینه تغییر یابد، تا بتواند تخمین درستی از متغیرهای حالت سیستم ارائه دهد. در این مقاله یک راهبرد تطبیقی جدید از فیلتر ترکیبی کالمن/ اچ-بینهایت بر پایه منطق فازی برای تنظیم ماتریس­های کوواریانس نویزهای فرآیند و اندازهگیری ارائه شده است. سیستم فازی در هر مرحله از فرآیند با استفاده از اختلاف موقعیت و سرعت واقعی بالن و مقدار مشاهده شده توسط مشاهدهگر، یک عامل تطبیقی برای بروزرسانی مقادیر ماتریس کوواریانس تولید می­کند. به این طریق فیلتر ترکیبی کالمن/اچ-بینهایت فازی میتواند متغیرهای حالت سیستم را دقیقتر تخمین زده و درنتیجه همواره مقدار تابع میانگین مجذور مربعات خطای تخمین حداقل میگردد.

Authors

محمدعلی کاظمی

استادیار، دپارتمان مهندسی مکانیک، آموزشکده شهید مفتح همدان، دانشگاه فنی و حرفه ای استان همدان، ایران .

مجتبی معصوم نژاد

استادیار، دپارتمان مهندسی مکانیک، دانشکده شهید چمران رشت، دانشگاه فنی و حرفه ای استان گیلان، ایران.

نعمت اله عسکری

عضو هیئت علمی، دپارتمان مهندسی مکانیک، آموزشکده امام خمینی بهشهر، دانشگاه فنی و حرفه ای استان مازندران، ایران .

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Yazdani Bejarbaneh E., Masoumnezhad M., Jahed Armaghani D., Thai Pham ...
  • Masoumnezhad. M., Jamali A., Nariman-zadeh N., (2014), “Optimal design of ...
  • Zhang X., Xu W., Zhou B., (2009), “Mean first-passage time ...
  • Geist M., Pietquin O., (2011), “Kalman filtering & colored noises: ...
  • Seong-Taek P., Jang Gyu L., (2001), “Improved Kalman filter design ...
  • Yadaiah N., Srikanth T., Rao V.S., (2011), “Fuzzy Kalman Filter ...
  • Mousavi Moaiied M., Mosavi M. R., (2016), “Increasing Accuracy of ...
  • Alinaghizadeh Ardestani M., Vakili A., (2020),” Output feedback Controller design ...
  • Masoumnezhad M., Jamali A., Nariman-Zadeh N., (2014), “A robust unscented ...
  • Masoumnezhad M., Nahaleh-kah M., Jamali A., Nariman-zadeh N., (2015), “Optimal ...
  • Stoica A.-M., Dragasanu C., (2013), “A Mixed Kalman/ H-infinity Filtering ...
  • Masoumnezhad M., Yasti Balaghi A, Nariman-zadeh N., (2020), “State Estimation ...
  • Hsieh C. S., (2014), “H-Infinity Kalman Estimation for Rectangular Descriptor ...
  • Nayak P., Sahu B. N., (2011), “A robust extended Kalman ...
  • Drozdz K., Orlowska-Kowalska T., Szabat K., (2015), “Application of the ...
  • نمایش کامل مراجع