Discrete Time Systered by Mario A, Jordan a Jorge L Bustamantelished by InTecha Trine 9 51000 Rijeka CroatiaCopyright e 201Všechny kapitoly jsou otevřené Ake Attribution 3
0 licence, která dovoluje kopírování, dílo je řádně citováno Poté, co byl publikován InTech, auto provede jiné odkazy nebo pe of the explicitně identifikuje původní zdroj Prohlášení a názory vyjádřené v kapitolách jsou tyto, pokud jde o vydavatele nebo vydavatele Ne odpovědný je příjemce za údaje obsažené ve zveřejněných uměleckých dílech na osoby nebo majetek vzniklý z jakýchkoli materiálů, pokynů, metod nebo nápadů správce knih lvatCover Designer Martina Sirotimage Copyright Emelyano, 2010 Používáno na základě licence odPrvně zveřejněno 20. března Další tištěné kopie lze získat na adrese orders@ intechweb orgTime Systems, editovali Mario A Jordan a Jorge L Bus8-953-307-200-5
Část 1 Diskrétní filtr
Rekurzivní odhad stavu v reálném čase pro nelineární diskrétní dynamické systémy s gaussovským nebo negaussovským šumem Kerim Demirbd Electronics EngineeringBulgari, 06531 ankara Mnoho systémů v reálném světě je přesněji popsáno nelineárními modely Od původní práce Kalmana (Kalman, Kalman, 19 1961), který zavádí Kalmanův filtr pro lineární modely, probíhá rozsáhlý výzkum stavového odhadu nelineárních modelů; ale zatím neexistují žádné optimální přístupy k odhadu pro všechny nelineární modely, kromě určitých modelů; na druhé straně různé suboptimální přístupy nelineárního odhadu byly navrženy v literatu (Daum, 2005).
Výkonnost a složitost implementace těchto suboptimálních přístupů jistě závisí na typech aproximace, které se používají pro nelineární modely, Model, který ovlivňuje výkonnost přístupů suboptimálního odhadu, Výkonnost přístupu s minimálním odhadem je lepší než ostatní uvažované přístupy odhadu forfických modelů, tj. Výkon suboptimálního odhadového přístupu spočívá v rozšíření řady nelineárních odhadů (Sage & e Melsa, 1971) a neparfémovaného Kalmanova filtru (UKF) aproximovaných a deterministicky zvolených bodů (částicové filtry aproximují zadní hustoty pomocí velkého souboru tzv. weighteselectedts částice) ve stavovém prostoru (Arulampalam et al, 2002; Doucet et al, 2001; Ristic et al, 2004), V nelineárním odhadu982: 1984; Demirbas Leondes, 1985; 1986; Demirbas, 1988;0790:1900; šum a počáteční stav jsou nejprve aproximovány počátečním stavem, jehož distribuční funkce nejlépe aproximují distribuční funkce rušivého šumu a počátečního stavu, stavy jsou kvantovány a poté je pro odhad stavu použito vícenásobné testování hypotéz: zatímco na mřížce založené atspace; není-li stavový prostor rozsahem konečný, pak stavový prostor vyžaduje určité zkrácení stavového prostoru; a přístupy odhadu založené na mřížce podle dostupnosti státu
Discrete Time Systemsdisturbane(k)lx(k-1)), které nelze vypočítat pro stavové modgenerální přístupy založené na mřížce, protože 1) stavový prostor nemusí být zkrácen, 2) hustota stavových přechodů není potřeba, 3) Stavové modely mohou být jakýmikoli nelineárními funkcemi šumu rušení Tato kapitola představuje online rekurzivní nelineární stavové filtrování a predikční schéma Toto schéma je nedávno navrženo v (Demirbas, 2010) a v této kapitole je označováno jako df, DF je velmi vhodné pro odhad stavu nabízí buď chybějící pozorování, nebo omezení uvalená na stavové odhady Existuje mnoho nelineárních dynamických systémů, u kterých DF překonává běžný Kalmanův filtr (EKF), saimportance resampling (SIR) částicový filtr (který se někdy nazývá bootstrap filtr) a pomocný (asIr) které aplikují rušivý šum a počáteční stav, a poté předloží přibližné 6-ti násobné výsledky simulace dvou příkladů, u kterých DF převyšuje částicové filtry EKF, SIR a ASIR
Část 7 uzavírá chat2 Prohlášení o problémuTato část definuje problém odhadu stavu pro nelineární diskrétní dynamické systémy Dynamické systémy jsou popsány bModk+1)=f(k,x(k),c(k)Observační model, kde k znamená diskrétní časový index f: Rxrxr'-r je stavová přechodová funkce;stavový vektor v čase k:8: RxR xRv(k)eR/ je pozorovatel v čase k(k)∈R je nezávislý se známým rozdělením fuNavíc se předpokládá, že existuje rekurzivně dává předpovězenou hodnotu e(k k-1) stavu x(k) danou pozorováním seAi(kk) stavu x(k) danou sledem pozorování od jednoho do času k, tedy Zlished by první aproximace diskrétního randokvantování stavu, to znamená reprezentování stavového modově proměnlivého automatu, a online suboptimální implementace vícenásobné hypo3 Approxrst diskutuje o přibližném diskrétním náhodném vektoru, který aproximuje náhodný vektor a odporuje přibližným modelům nelineárních dynamických systémů
Odhad rekurzivního stavu v reálném čase pro nelineární diskrétní systémy s Gaus-Gaussovým šumem31Adiskrétní náhodné vektory šumu rušení a počátečního stavu v celé kapitole; navíc množina rovníku, která musí být splněna přibližnou diskrétní náhodnou proměnnouLapp
přibližné diskrétní náhodné veličiny Gautabulatedbe m-rozměrný náhodný vektor Přibližný diskrétní náhodný vektor s nble hodnotami w, označovaný wd, je definován jako m-rozměrný diskrétní náhodný vektor s n možnými hodnotami, jejichž distribuční funkce nejlépe aproximuje distribuční funkci přes distribuční funkce všech mmf-rozměrných diskrétních náhodných vektorů n možných hodnot, kde d je množina všech m-rozměrných diskrétních náhodných vektorů s n možnými hodnotami, Fy(distribuční fudom vektor y, Fwo(a) je rozdělení functionr je m-dimenzionální euklidovský prostorAndiskrétní náhodný vecneral, numericky, offline-vypočítán, uložen a poté použit pro odhad Možné hodnoty wd jsou označeny wdl, wand win a theobed=wdi lus náhodná proměnná Potom, wa je přibližná diskrétní náhodná veličina s n možnými hodnotami, jejíž distribuční funkce přibližuje distribuční funkci Fn(a) w nad distribučními funkcemi diskrétních náhodných veličin s n možnými (Fa)}, což je distribuční chybová funkce (cílová funkce)/(Fv(a)) definované kde d jsou všechny diskrétní náhodné veličiny, které jsou možné hodnoty, Fv(a) je distribuční funkce diskrétní náhodné veličiny y, Fw(a) je spojitá náhodná veličina zedR je skutečná čára Nechť je dána distribuční funkce Fy(a) diskrétní náhodné veličiny y podle
NTECOPEN ACCESSUBLISHERNTECH openree online vydání intecBooks a časopisů lze nalézt na www
intechoper
OntentsPart 1 Diskrétní doba filtrinwithsian nebo ne Gaussovský noiali zemouche a Mohamed Boutayeb ay 19Discrete-time systémy WAPTER 3 Distribuovaná fúze Predikce pro smíšené discontinus-discrete lineární systémy 39Chapter 4 Smothers 5 Smothers 5 On chyba Kvariance Distribuora Filters Filters s vynecháním paketůKapitola 6Filtrování pro DiscretePart 2 Discrete-Titochastic Optimální sledování s náhledem diskrétního tiodel folmu pro nelineární deskriptor
str. 9 Řízení výstupní zpětné vazby DiscretetiSystems: Škálování LMI AppKapitola 10 Diskrétní čas Mixed LQR/H, Problémy s řízením Systémy se 159 časovými zpožděními 179Kapitola 12 Kvadratické D řízení Stabilizované Uspokojivé Odolné proti chybámOvládání s omezeními Konzistentní 3D Adaptivní řízení v diskrétním čase 205 Adaptivní prediktivní řízení v diskrétním čase 229Kapitola 15 Obecný přístup k systémům řízení v diskrétním čase s narušenými podvodními vozidly 28kapitola 16 Kritérium stability a systém stabilizace v závislosti na čase proměnlivého diskrétního systému Zpoždění s perfoecifikací viCastro, Andre f caldeihapter 18 Analýza stability šedých diskrétních systémů s časovým zpožděním: dostatečný stav 327
Analýza kapitol a zisků přepínaných lineárních deskriptorových systémů 33Kapitola 20 Robustní stabilizace pro spínané lineární systémy s krátkým časovým odstupem 355 Miscel3Jeho implementace 363Kapitola 22 AdaStep-velikost Statistika objednávek Systém založený na systému LMS3834ChapSystémy3834TimeS 05Diagnostika interaktivního vícenásobného multu pro PEM systémy palivových článků 425Kapitola 25 Systémy diskrétního času s dynamikou založenou na událostech Poslední vývoj v analytických metodách syntézy 447dgar Delgado-Eckert, Johann Reger a Klaus Schmidt
PředmluvaDiscrete-Time systeresenddůležité a další výzkumné pole
Digitálně založené výpočetní prostředky v této oblasti s obrovským dopadem v oblastech, jako je řízení, zpracování signálu, modelování systému a související ATato skutečnost má přínosy a vývoj, které jsou buď skutečně originálními systémy asme, nebo jsou zrcadlem svých protějšků dříve existujících Tato kniha pokouší se podat záběr současného stavu techniky v oblasti diskrétních systémů od vybraných mezinárodních výzkumných skupin, které se specializovaly na oborový rámec a s formálním matematickým kontextem, aby se usnadnil rozsah a globální pochopení knihy , kapitoly byly seskupeny pohodlně do sekcí podle jejich příbuznosti v 5 významných oblastech. První skupina Filtrování, která zahrnuje především návrhy statorů, Druhá se věnuje návrhu pevných řídicích systémů (kapitoly 7 až 2, Objevují se návrhy pro řízení sledování, řízení odolné vůči poruchám , Robustní kontrola a návrhy využívající LMI a smíšené techniky LQR/Hoo Třetí skupina zahrnuje adaptivní řídicí systémy (kapitoly 13 až 15) orientované na speciality prediktivního, decentralizovaného a narušeného řídicího systému, čtvrtá skupina shromažďuje práce, které řeší problémy stability (kapitola 16 až Nejisté systémy s vícenásobným a časově proměnlivým zpožděním a přepínané lineární systémyPátá skupina se konečně týká různých aplikací (kapitola 21 toTitone Modulation and Equalisation, Image Processing, Fatnosis, Event-Based Dynamics a Analýza deterministických/stochastických a
Myslíme si, že příspěvek v knize, který má v úmyslu obsáhnout, rozšířit Diskrétní - s významem v této oblasti si také myslíme, že zde popsaná témata vypadají jako hlavní tendence v dalších letech v oblasti výzkumuMario A
Jordan a jorge L bDep, z Electrical Eng and Computers National University of the SouthArgentina