×
Tor A.Johansen。;托尔·I·福森。

eXogenous卡尔曼滤波器（XKF）。 （英语） Zbl 1359.93486号

国际J.控制 90，第2期，161-167（2017）.
摘要：众所周知，时变卡尔曼滤波器（KF）在某些条件下是全局指数稳定的，并且在方差最小的意义下是最优的。然而，非线性近似（如扩展KF）使系统关于估计状态轨迹线性化，通常会导致失去全局稳定性和最优性。非线性观测器往往具有很强的（通常是全局的）稳定性。然而，考虑到存在未知测量误差和过程干扰，它们通常没有优化目标。我们研究了全局非线性观测器与线性化KF的级联，其中非线性观测者的估计是一个外生信号，仅用于生成KF的线性化模型。结果表明，两阶段非线性估计器继承了非线性观测器的全局稳定性，仿真表明可以获得类似于完全线性化KF的局部最优性。这种两阶段估计器称为eXgeneous KF（XKF）。

引用于4文件

理学硕士：

93E11号机组 随机控制理论中的滤波
93E10型 随机控制理论中的估计与检测
93E15型 控制理论中的随机稳定性
93立方厘米15 由常微分方程控制的控制/观测系统
93立方厘米 控制理论中的非线性系统

关键词：

非线性观测器;卡尔曼滤波器;线性化
PDF格式BibTeX公司 XML格式引用
\textit{T.A.Johansen}和\textit{T.I.Fossen}，国际期刊控制90，第2期，161--167（2017；Zbl 1359.93486）
全文： 内政部 链接

参考文献：

[1] DOI:10.1016/0016-0032（71）90016-0·Zbl 0275.93044号 ·doi:10.1016/0016-0032（71）90016-0
[2] Besancon G.，控制与信息科学讲稿363（2007）
[3] Brown R.G.，随机信号和应用卡尔曼滤波简介，3。编辑（2012）
[4] Gelb A.（编辑），应用最优估计（1974年）
[5] Gustafsson F，《统计传感器融合》（2012）
[6] 内政部：10.1109/TCST.2016.2524564·doi:10.1010/TCST.2016.252456464
[7] 内政部：10.1109/TAES.2016.150362·doi:10.1109/TAES.2016.150362
[8] DOI:10.1109/JPROC.2003.823141·doi:10.1109/JPROC.2003.823141
[9] 内政部：10.1115/1.3658902·数字对象标识代码：10.1115/1.3658902
[10] Khalil H.K，非线性系统（2002）
[11] Loria A.，控制系统理论高级课题（2004）
[12] 内政部：10.1109/TME.1964.4323124·doi:10.1109/TME.1964.4323124
[13] 内政部：10.1007/BFb0109917·doi:10.1007/BFb0109917
[14] DOI:10.1016/S0167-6911（97）00119-9·Zbl 0902.93059号 ·doi:10.1016/S0167-6911（97）00119-9
[15] 内政部：10.1109/TAC.2002.808470·Zbl 1364.93781号 ·doi:10.1109/TAC.2002.808470
[16] DOI:10.1016/S0005-1098（98）00053-3·Zbl 0938.93504号 ·doi:10.1016/S0005-1098（98）00053-3
[17] 内政部：10.1002/0470045345·数字对象标识代码：10.1002/0470045345
[18] 宋瑜，《数学系统、估计与控制杂志》，第5页，59–（1995）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。