Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares
| dc.creator | Hudson Bitencourt Junior | |
| dc.date.accessioned | 2019-08-09T12:06:08Z | |
| dc.date.accessioned | 2025-09-08T23:01:49Z | |
| dc.date.available | 2019-08-09T12:06:08Z | |
| dc.date.issued | 2003-11-18 | |
| dc.identifier.uri | https://hdl.handle.net/1843/BUOS-8D2G6B | |
| dc.language | Português | |
| dc.publisher | Universidade Federal de Minas Gerais | |
| dc.rights | Acesso Aberto | |
| dc.subject.other | códigos | |
| dc.subject.other | Sistema | |
| dc.title | Métodos de estimaão recursiva, baseados no filtro de Kalman, aplicados a sistemas Não-lineares | |
| dc.type | Dissertação de mestrado | |
| local.contributor.advisor-co1 | Luis Antonio Aguirre | |
| local.contributor.advisor1 | Leonardo Antonio Borges Torres | |
| local.description.resumo | Estimação recursiva é uma técnica que processa os dados medidos de um determinado sistema sequencialmente, fornecendo novas estimativas para as variáveis desejadas a cada iteração do algoritmo.Essa técnica pode ser usada para estimar os parâmetros do modelo em identificação de sistemas , ou para estimas as variáveis de estado de sistemas dinâmicos ,procedimento necessário em técnicas de controle moderno quando não é possível medir diretamente todas as variáveis.A estimação de estados pode ser realizada por diversos algoritmos recursivos.Neste trabalho apresenta-se o Filtro de Kalman ,um estimulador recursivo muito eficiente capaz de fornecer estimativas ótimas para os estados de sistemas dinâmicos, a partir de medições corrompidas por ruído.Alem da descrição original do Filtro de Kalman para sistemas lineares, são apresentadas duas abordagens diferentes que permitem que o algoritmo seja aplicado a sistemas não-lineares :o Filtro de Kalman Estendido (EKF) e o Filtro de Kalman Unscented (UKF). Os desempenhos dos dois estudados neste trabalho (EKF e UKF), são comparados durante a aplicação em um sistema real , o circuito de Chua.Os algoritmos são utilizados para estimar as três variáveis de estado desse sistema.O UKF é capaz de propagar a matriz de covariância dos estados sem linearizar as funções do sistema, de forma que as estimativas para os parâmetros e estados são calculadas com mais precisão do que pelo EKF.Além dos resultados,discute-se as dificuldades encontradas durante a implementação.Outra aplicação interessante é a transmissão de informação.Mostra-se que é possível inserir códigos binários em series temporais caóticas por meio de sucessivas variações de um ou mais parâmetros do sistema.A informação pode ser recuperada por estimação conjunta de estados e parâmetros via UKF. | |
| local.publisher.initials | UFMG |
Arquivos
Pacote original
1 - 1 de 1