Идентификация в дискретных системах со случайными и интервальными параметрами с использованием EKF | Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2025. № 71. DOI: 10.17223/19988605/71/11

Идентификация в дискретных системах со случайными и интервальными параметрами с использованием EKF

Рассматривается задача идентификации для дискретного объекта со случайными и интервальными параметрами. Случайные параметры в модели задаются как гауссовские случайные последовательности. Для представления интервальных параметров используется вероятностный подход, в основе которого лежит замена неопределенных параметров интервального типа независимыми случайными величинами с равномерным распределением. Для решения задачи идентификации используется расширенный фильтр Калмана (EKF). Представлены результаты моделирования. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.

Скачать электронную версию публикации

Загружен, раз: 7

Ключевые слова

дискретные системы, идентификация, случайные параметры, интервальные параметры, расширенный фильтр Калмана

Авторы

ФИО	Организация	Дополнительно	E-mail
Смагин Валерий Иванович	Национальный исследовательский Томский государственный университет	профессор, доктор технических наук, профессор кафедры прикладной математики	vsm@mail.tsu.ru
Ким Константин Станиславович	Национальный исследовательский Томский государственный университет	кандидат физико-математических наук, доцент Высшей IT школы	kks93@rambler.ru

Всего: 2

Ссылки

Astrom K.J.Introduction to stochastic control theory. New York : Academic Press, 1970.

Sage A.P., Melsa J.L. Estimation Theory with Applications to Communications and Control. McGraw-Hill, 1971.

Julier S.J., Uhlmann J.K., Durrant-Whyte H. A new approach for filtering nonlinear systems // Proc. of the American Control Conference. Seattle, WA. 1995. P. 1628-1632.

Sarkka S. On unscented Kalman filter for state estimation of continuous-time nonlinear systems // IEEE Trans. Automat. Control. 2007. V. 52 (9). P. 1631-1641. doi: 10.1109/TAC.2007.904453.

Arasaratnam I., Haykin S. Cubature Kalman filters // IEEE Trans. Automat. Control. 2009. V. 54 (6). P. 1254-1269. doi: 10.1109/TAC.2009.2019800.

Цыганова Ю.В., Куликова М.В. Об эффективных методах параметрической идентификации линейных дискретных стоха стических систем // Автоматика и телемеханика. 2012. № 6. С. 34-51.

Poljak B.T., Tsypkin Ja.Z. Robust Identification // Automatica. 1980. V. 16. P. 53-63.

Fang H., Haile M.A., Wang Y. Robust Extended Kalman Filtering for Systems with Measurement Outliers // Transactions on Control Systems Technology. 2021. V. 99. P. 1-8.

Смагин В.И., Ким К.С. Идентификация с использованием расширенного экстраполятора Калмана при аномальных ошибках в наблюдениях // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2024. № 68. С. 92-99. doi: 10.17223/19988605/68/10.

Einicke G.A., Langford B., White L.B. Robust Extended Kalman Filtering // IEEE Transactions on Signal Processing, 1999. V. 47 (9). P. 2596-2599.

Souto R.F., Ishihara J.Y., Borges G.A. A robust extended Kalman filter for discrete-time systems with uncertain dynamics, measurements and correlated noise // 2009 American Control Conference, 10-12 June 2009, St. Louis, MO, USA. P. 1-6. doi: 10.1109/ACC.2009.5160604.

Xiong K., Wei C.L., Liu L.D. Robust Kalman filtering for discrete-time nonlinear systems with parameter uncertainties // Aerospace Science and Technology. 2012. V. 18, is. 1. P. 15-24.

Asgari M., Khaloozadeh H. Robust extended Kalman filtering for non-linear systems with unknown input: a UBB model approach // IET Radar Sonar Navig. 2020. V. 14, is. 11. P. 1837-1844. doi: 10.1049/iet-rsn.2020.0258www.ietdl.org.

Jahanian M., Ramezani A., Moarefianpour A., Shoorehdeli M.A. Robust extended Kalman filtering for nonlinear systems in the presence of unknown inputs and correlated noises // Optimal Control of Networked and Transportation Systems. 2022. V. 43, is. 1. P. 243-256. doi: 10.1002/oca.2786.

Barmish B.R., Polyak B.T. A new approach to open robustness problems based on probabilistic predication formulae // Proc. 13th World IFAC Congr. 30 June - 5 July. San Francisco, USA. 1996. V. H. P. 1-6.