طراحی یک سیستم فازی برای تنظیم ماتریس های کوواریانس نویز فیلتر کامن آنسنتد به کمک الگوریتم ژنتیک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 642

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF03_0388

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

فیلتر کالمن یکی از پرکاربردترین ابزارها، برای تخمین حالت های سیستم های دارای نویز می باشد. فیلتر کالمن آنستند برای تخمین حالت های سیستم های غیرخطی طراحی شده است. یکی از نکات حیاتی در عملکرد صحیح این فیلتر، آگاهی دقیق از مقادیر ماتریس های کوواریانس نویز فرآیند و اندازه گیری است. که معمولاً تعیین این ماتریس ها به صورت دقیق امکان پذیر نیست. دراین تحقیق، یک سیستم فازی برای تنظیم مقادیر این ماتریس ها درنظر گرفته شده است. به دلیل پیچیدگی رفتار این فیلتر، تعیین توابع عضویت و قوانین این سیستم فازی، بر عهده الگوریتم ژنتیک می باشد. اساس کار الگوریتم ژنتیک به این شکل است که مقادیر ماتریس های کوواریانس نویز قرآیند و اندازه گیری به گونه ای تنظیم شوند که حالت های تخمین زده شده ی سیستم، کمترین خطا رانسبت به حالته ای حاصل از مدل سازی شده داشته باشند. برای ارزیابی مزیت فیلتر جدید، سیستم موردنظر تحت تاثیر هزار دسته نویز مختلف قرار گرفته شد و فیلتر کالمن آنسنتد کلاسیک و فیلتر جدید آن را تخمین زدند و به ازای هر دسته نویز خطای هر دو فیلتر محاسبه شده است. با مقایسه ی نمودار تابع توزیع تجمعی خطای دو فیلتر، خطای کمتر فیلتر جدید به وضوح قابل مشاهده است. در ضمن تعداد تخمین واگرای این فیلتر به ازای هزار دسته نویز مختلف، با تنظیم ماتریس های کوواریانس کمتر شده است.

نویسندگان

عارف قربانزاده کفترودی

دانشجوی کارشناسی ارشد مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه گیلان

مجتبی معصوم نژاد

استادیار گروه مهندسی مکانیک، دانشکده شهید چمران، دانشگاه فنی حرفه ای

علی جمالی

دانشیار گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه گیلان

محمدابراهیم فلزی

استادیار گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه گیلان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • R. E. Kalman, "A new approach to linear filtering and ...
  • R. E. Kalman and R. S. Bucy, "New results in ...
  • S. Kolas, B. A. Foss, and T. S. Schei, "Constrained ...
  • A. E. Gelb, "Applied Optimal Estimation, " ed. Cambridge, MA: ...
  • S. J. Julier and J K. Uhlmann, "New extension of ...
  • S. J. Julier, "The scaled unscented trans formation, _ in ...
  • X.-X. Wang, Q. Pan, Y. Liang, and C.-H. Zhao, "Application ...
  • E. Wan, R. Van der Merwe, and A. T. Nelson, ...
  • E. _ Wan and R. Van der Merwe, "The unscented ...
  • R. Van der Merwe and E. A. Wan, "The square-root ...
  • S. Sarkka, "On Unscented Kalman Filtering for State Estimation of ...
  • R. Jatoth and G Reddy, "A Hybrid GA-Adaptive Particle Swarm ...
  • Q. Song and J.-D. Han, "An Adaptive _ Algorithm for ...
  • R. K. Jatoth, D. N. Rao, and K. S. Kumar, ...
  • Mojtaba Mas oumnezhad, Ali Jamali and Nader Nariman -zadeh, "Optimal ...
  • Wei Qin, weizheng Yuan*, Honglong Chang, Liang Xue, Guangmin Yuan, ...
  • نمایش کامل مراجع