Cравнительный анализ редуцированных фильтров калмановского типа с гарантированным качеством оценивания
Abstract
Two approaches to synthesis of reduced Kalman filter with the guaranteed estimation quality are compared. Characteristics of the offered approaches is the choice of parameters of the filter so that the covariance matrix calculated in covariance channel of the synthesized suboptimal filter be not smaller than the actual covariance matrix for any time point. The first approach reaches the guaranteed estimation at the expense of increasing the disturbance noise. The second approach ensures it due to two factors: changing the dynamics matrix eigenvalues and introducing additional disturbance noise that makes it possible to increase filtration accuracy in solving a number of practical tasks.
About the Authors
В. Тупысев
ОАО «Концерн «ЦНИИ «Электроприбор» (С.-Петербург).
Russian Federation
Russian Federation
Ю. Литвиненко
ОАО «Концерн «ЦНИИ «Электроприбор» (С.-Петербург).
Russian Federation
Russian Federation
References
1. Ривкин, С.С. Статистическая оптимизация навигационных систем / С.С. Ривкин, Р.И. Ивановский, А.В. Костров. - Л.: Судостроение, 1976.
2. Тупысев, В.А. Использование винеровских моделей для описания уходов гироскопов и ошибок измерения в задаче оценивания состояния инерциальных навигационных систем // Гироскопия и навигация. - 2002. - № 3 (38).
3. Soto, Mendes E. and Razek A. Reducedorder observervers for rotor flux, rotor resistance and speed estimation for vector controlled induction motor drives using the extended Kalman filter technique // IEE Proc. Electric Power Application.1999. № 146(3).
4. Aranda J., De La Cruz J., Dorminto S. et al. Reducedorder Kalman filter for aligment // Cybernetics and Systems. 1994. № 25.
5. Sims C. Reduced order modeling and filtering // Control and Dynamic Systems.1982. V. 18.
6. Bernstein D., Hyland D. The optimal projection equations for reduced order state estimation // IEEE Trans on Automatic Control.1985. AC30(6).
7. Nagpal K., Helmick R., Sims C. Reduced order estimation: PartI. Filtering // Intern. J. Control. 1987. № 45.
8. Keller J. and Darouach M. Reduced order Kalman filter with unknoun inputs // Automatica. 1998. № 34(11).
9. Tuan H.D., Apcarian P., Nguyen Q. Robust and reduced order filtering: new LMI based characterizations and methods // IEEE Trans. on Sygnal Prosessing. 2001. V. 40. № 12.
10. Simon D. Reduced-Order Kalman Filtering without Model Reduction // Control and Intelligent Systems, 2007, Vol. 35 , No.2.
11. Лопарев, А.В. Синтез алгоритмов обработки навигационной информации с гарантированным качеством оценивания/ А.В. Лопарев [и др.] // XVI Санкт-Петербургская международная конференция по интегрированным навигационным системам. – СПб.: ЦНИИ «Электроприбо-ор», 2009.
12. Тупысев, В.А. Синтез редуцированного фильтра калмановского типа с гарантированным качеством оценивания состояния динамической системы / Известия РАН. Теория и системы управления. – 2010. - № 2. - С. 33–39.
13. Дмитриев, С.П., Гарантирующая настройка фильтра Калмана при неопределенности параметров модели погрешности навигационных систем / С.П.Дмитриев, Ю.А Литвиненко // Гироскопия и навигация. – 2005. - №1. – С.57-68.
14. Вайсгант, И.Б. Погрешности выработки навигационных параметров платформенными инерциальными системами среднего класса точности в зависимости от широты места / И.Б.Вайсгант, Ю.А.Литвиненко // Изв. вузов. Приборостроение. - 2002.- №9.
Review
For citations:
, . Giroskopiya i Navigatsiya. 2012;20(2):3-13. (In Russ.)
Views:
20
JATS XML
Email this article 