Abstract
The article deals with the problem of increasing the accuracy of the state estimation of linear dynamical systems under conditions of incomplete information. This problem is linked to the feature of guaranteed estimation methods, which is that the allowable sets of values of disturbances acting on the system and measurement errors in the information-measuring channel can be only rough upper bound on a short observation interval. In particular, for a single short measurement implementation, the probability of the realization of disturbances and measurement errors is worst-case less than one. The approach to adaptive algorithm development of guaranteed estimation is proposed. The approach is based on processing the innovation sequence values of the Kalman filter. The Kalman filter implementation is performed for measurement data preprocessing. The innovation sequence is considered as a time series for processing of which statistical and guaranteed estimation methods are used. The results of processing the innovation sequence values are used to construct bounded estimates of the measurement errors used in the equations of the guaranteed estimation algorithm. With this approach an informational definition of unknown measurements errors is carried out. The main feature of the problem studied in this article is a small number of available measurements the results of which are used to find the best estimate of the state vector. Therefore, the implementation of measurements is considered as a short time-series. To reduce the computational cost of implementing the guaranteed real time estimation algorithm, methods for decomposition of the estimation problem are proposed. The effectiveness of the proposed approach is demonstrated by the example of a model describing the spacecraft attitude motion. The results of simulation and a comparative analysis of the accuracy of the obtained estimates of the state vector are presented. The results of simulation and a comparative analysis of the accuracy of the obtained state estimates are given.
Highlights
Эффективность предлагаемого подхода демонстрируется на примере модели, описывающей угловое движение космического аппарата
The article deals with the problem of increasing the accuracy of the state estimation of linear dynamical systems under conditions of incomplete information
Ser. Computer Technologies, Automatic Control, Radio Electronics, 2018, vol 18, no
Summary
К ЗАДАЧЕ ОЦЕНИВАНИЯ ОШИБОК ИЗМЕРЕНИЙ В СИСТЕМАХ УПРАВЛЕНИЯ ПРИ НЕПОЛНОЙ ИНФОРМАЦИИ. В.И. Результаты обработки значений обновляемой последовательности фильтра Калмана используются для построения множественных оценок ошибок измерений, используемых в уравнениях алгоритма гарантированного оценивания. При гарантированном или минимаксном подходе [6,7,8,9,10,11] к решению задачи оценивания в условиях неопределенности статистические характеристики, как правило, считаются неизвестными и задаются лишь множественные оценки возможных значений возмущений, ошибок измерений и начального состояния. При этом решение задачи выбирается из условия оптимизации гарантированных множественных оценок, соответствующих наихудшей реализации значений возмущений и ошибок измерений. Наряду с задачей множественного оценивания неизвестных ошибок измерений в алгоритме гарантированного оценивания, ставится задача уменьшения требований, предъявляемых к вычислительным ресурсам при реализации гарантированных алгоритмов в темпе поступления новых данных наблюдений. Процедуру уточнения множественных оценок ошибок измерений в алгоритме гарантированного оценивания можно представить в виде: Шаг 1. Начиная с шага k N 1,построение множественных оценок Vk ошибок измерений vk алгоритме гарантированного оценивания в виде: если N 1
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
