این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک امیرکبیر، جلد ۴۹، شماره ۴، صفحات ۱۲۱-۱۳۰
عنوان فارسی توسعه فیلتر پیش‌بین تعمیم‌یافته برای سیستم‌های خطی گسسته
چکیده فارسی مقاله در این مقاله بر اساس وجود همسانی بین مفهوم کنترل پیش‌بین تعمیم‌یافته (GPC) و مسأله عمومی تخمین، دو فیلتر جدید با نام‌های فیلتر پیش‌بین تعمیم‌یافته (GPF) و فیلتر کالمن پیش‌بین تعمیم‌یافته (GPKF) برای سیستم‌های گسسته خطی توسعه یافته است. این فیلتر‌ها بر خلاف ساختار پیچیده و مشکلات بکارگیری فیلتر‌های پیش‌بین موجود، روابط بسیار ساده‌ای داشته و پیاده‌سازی آنها بصورت برگشتی بسیار راحت خواهد بود. در فیلترهای توسعه داده شده، خطای مدل سیستم ماهیت مستقلی از نویز فرآیند دارد. با تعریف یک تابع هزینه و کمینه کردن آن نسبت به خطای مدل در هر قدم زمانی، خطای بهینه‌ای از مدل سیستم در دسترس خواهد بود که با جبران آن در مدل پیش‌بین زمانی سیستم، دقت تخمین حالت‌ها حتی با وجود نامعینی‌‌های سیستم بهبود خواهد یافت. با اضافه شدن این سناریوی تخمین بهینه‌ی خطای مدل سیستم به فیلتر کالمن و بهسازی رابطه بهنگام‌سازی زمانی فیلتر کالمن توسط خطای مدل محاسبه شده، فیلتر مرکبی تولید می‌گردد که نوید بهبود عملکرد محسوسی را نسبت به فیلتر کالمن می‌دهد. عملکرد فیلترهای توسعه داده شده و میزان مقاومت آنها در برابر نامعینی‌های سیستم در دو مثال عددی تحقیق شده و نتایج آنها با عملکرد دو فیلتر کالمن و فیلتر کالمن فراموش‌کار مورد مقایسه قرار گرفته است.
کلیدواژه‌های فارسی مقاله فیلتر پیش‌بین مدل‌پایه،تخمین حالت،فیلتر کالمن،
عنوان انگلیسی Generalized Predictive Filter for Discrete-Time Linear Systems
چکیده انگلیسی مقاله In this paper, based on the duality between the Generalized Predictive Control (GPC) and a general estimation problem, two new predictive filters, called generalized predictive filter (GPF) and Generalized Predictive Kalman Filter (GPKF), are developed for discrete-time linear systems. The major advantages of the new filters over the existing predictive filters are that their structure are very simple and application of them as a recursive filter is not complicated. The process model error and the process noise in the GPF and GPKF are distinct. By minimizing a quadratic cost function consisting of a measurement residual term and a model error term, the optimal model error trajectory is determined. Compensation of this model error in the time update state model provides accurate estimates even in the presence of dynamic uncertainty. Hybrid of Kalman filter (KF) and GPF improves the performance and robustness of KF. The validity of the suggested filters is illustrated by two numerical examples and their performance and robustness are compared with those of KF and fading Kalman filter.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهدی فتحی |
دانشگاه صنعتی مالک اشتر-دانشکده هوافضا/دانشجوی دکتری

نعمت الله قهرمانی |
استاد/ دانشگاه صنعتی مالک اشتر-دانشکده برق

محمد علی شاهی آشتیانی |
دانشیار / عضو هیئت علمی دانشگاه صنعتی مالک اشتر

محسن فلاح |
استاد گروه مخابرات دانشکده برق دانشگاه صنعتی مالک اشتر

نشانی اینترنتی
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات