Zaloguj się
Wszystkie
23 sierpnia 2023
1017
Filtr Kalmana
Filtr Kalmana–Bucy jest obserwatorem stanu. Przy założeniu, że zakłócenia działające na obiekt są gaussowskie, zapewnia on optymalną estymatę. Teoretyczny opis filtru można znaleźć w [10]. My zaprojektujemy filtr, używając biblioteki PyControl [11]. Wszystkie obliczenia znajdują się w jupiter/LQG for 3D printed model.ipynb [12].
Jednak w pierwszej kolejności zdyskretyzujemy model, czyli przejdziemy z modelu z czasem ciągłym opisanym równaniem różniczkowym na model z czasem dyskretnym opisanym równaniem różnicowym. Skorzystamy z metody Eulera.
Aby wykonać obliczenia, najpierw musimy utworzyć obiekt sys. Definiujemy go poprzez cztery macierze – listing 1. Odpowiadają one naszym równaniom różniczkowym.
Listing 1. Obiekt sys zdefiniowany poprzez cztery macierze
A = [[0, 1, 0], [0, 0, 9.74], [0, 0, -1/0.051]]
B = [[0], [0], [1/0.051]]
C = [[1, 0, 0]]
D = [[0]]
Ts = 0.05
sys = control.ss(A, B, C, D)I zawierają zidentyfikowane wcześniej parametry. Dyskretyzację wykonujemy za pomocą funkcji:
dsys = control.sample_system(sys, Ts, method=’euler’)Zwraca ona nowy obiekt dsys, zawierający zdyskretyzowany model.
NAPISZ DO AUTORA
Facebook
Twitter
Linkedin
Kup teraz
