Hybrid Method for Modelling and State Estimation of Dynamic Systems
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract
Tato Disertační práce se zabývá vývojem nové hybridní metody pro současné odha- dování stavů a parametrů nelineárních dynamických systémů, založené na myšlence lokálních lineárních modelů, která využívá odhad nejistoty parametrů modelu pro automatické nastavení některých parametrů Kalmanova filtru (KF), čímž se výrazně zjednodušuje její nasazení a nastavení v praktických aplikacích. V první části se disertační práce věnuje shrnutí aktuálního stavu poznání v oblasti dynamických systémů, simultánní estimace, KF a modelování nelineárních dynamických systémů. Následně se ve dvou samostatných kapitolách věnuje modifikaci KF pro situace, kde dominantním vlivem způsobujícím procesní šum jsou nepřesné parametry modelu, a dále modifikaci metody Receptive field weighted regression (RFWR) tak, aby mohla být použita pro duální estimaci. Nakonec práce popisuje vyvinutou hybridní metodu složenou z modifikovaných algoritmů RFWR a KF nazvanou Receptive field dual estimation - (RFDE) a demonstruje její funkčnost na simulačních i reálných datech.
This Doctoral thesis deals with the development of a new hybrid method for the dual estimation of states and parameters of nonlinear dynamic systems based on the idea of local linear models, which uses the estimation of the uncertainty of the model parameters to automatically adjust the parameters of the Kalman filter (KF), thus greatly simplifying its deployment and adjustment in practical applications. In the first part, the dissertation summarises the current state of knowledge in the field of dynamic systems, simultaneous estimation, KF and modelling of nonlinear dynamic systems. Then, in two separate chapters, it discusses the modification of KF for situations where inaccurate model parameters are the dominant influence causing process noise, and the modification of the Receptive field weighted regression (RFWR) method so that it can be used for dual estimation. Finally, the paper describes the developed hybrid method composed of modified RFWR and KF algorithms called Receptive field dual estimation - (RFDE) and demonstrates its performance on simulation and real data.
This Doctoral thesis deals with the development of a new hybrid method for the dual estimation of states and parameters of nonlinear dynamic systems based on the idea of local linear models, which uses the estimation of the uncertainty of the model parameters to automatically adjust the parameters of the Kalman filter (KF), thus greatly simplifying its deployment and adjustment in practical applications. In the first part, the dissertation summarises the current state of knowledge in the field of dynamic systems, simultaneous estimation, KF and modelling of nonlinear dynamic systems. Then, in two separate chapters, it discusses the modification of KF for situations where inaccurate model parameters are the dominant influence causing process noise, and the modification of the Receptive field weighted regression (RFWR) method so that it can be used for dual estimation. Finally, the paper describes the developed hybrid method composed of modified RFWR and KF algorithms called Receptive field dual estimation - (RFDE) and demonstrates its performance on simulation and real data.
Description
Keywords
Dynamické systémy; Modelování a simulace; Teorie řízení; Systémy se spojitým časem; Systémy s diskrétním časem; Aproximační metody; Lokální lineární modely; Lokální lineární regrese; Receptivní pole; Vážená regrese; MATLAB; Odhadování patametrů; Odhadování stavů; Kalmanův filtr; Procesní šum; Kovariance Gaussovs- kého šumu; Silmultánní estimace, Sloučená estimace, Duální estimace, Rekursivní metoda nejmenších čtverců, Dynamic systems, Modelling and simulation, Control theory, Continuous time systems, Discrete time systems, Approximation methods, Local linear models, Local linear regression, Receptive fields, Weighted regression, MATLAB, Parameter estimation, State estimation, Kalman filter, Process noise, Gaussian Noise Covariance, Simultaneous estimation, Joint estimation, Dual estimation, Recursive least squares
Citation
BRABLC, M. Hybrid Method for Modelling and State Estimation of Dynamic Systems [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2023.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Inženýrská mechanika
Comittee
prof. Ing. Jindřich Petruška, CSc. (předseda)
doc. Ing. Petr Blaha, Ph.D. (člen)
RNDr. Zdeněk Matěj, Ph.D. (člen)
doc. Mgr. Jaroslav Hrdina, Ph.D. (člen)
doc. Ing. Jiří Krejsa, Ph.D. (člen)
prof. Dr. Ing. Alexandr Štefek, Dr. (člen)
Date of acceptance
2023-04-21
Defence
Komise konstatuje, že předložená DP představuje původní přínos k teorii současného odhadování stavu nelineárních systémů a identifikace jejich parametrů. Nově navržená metoda odhadování stavu systémů RFDE představu současně i významný praktický pokrok v této oblasti s velkým aplikačním potenciálem.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení