18.11.2013 Aufrufe

Dokument 1.pdf - Universität Siegen

Dokument 1.pdf - Universität Siegen

Dokument 1.pdf - Universität Siegen

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

6.2 Parameter- und Zustandsschätzung<br />

In diesem Unterpunkt wird das Verfahren für nichtlineare Modelldarstellungen erweitert.<br />

Hierfür muß das Kalman-Filter durch ein Extended Kalman-Filter für die nichtlineare<br />

Zustandsschätzung ersetzt werden. Je nach Problemstellung können die abgeleiteten<br />

EKF für zeitdiskrete bzw. kontinuierliche Modelldarstellungen aus Kapitel 5.2.1<br />

verwendet werden. Die Lösung der Maximum-Likelihood Schätzung nach dem Scoring-<br />

Verfahren, welches im Kapitel 10.5.2abgeleitet worden ist, muß dann an den nichtlinearen<br />

Fall angepaßt werden. In den folgenden zwei Abschnitten werden die Filtergleichungen<br />

für den zeitdiskreten und kontinuierlichen Fall vorgestellt.<br />

Zeitdiskrete Modelldarstellung<br />

Ausgehend von der in Kapitel 2.1.2 dargestellten nichtlinearen zeitdiskreten allgemeinen<br />

Modelldarstellung ergibt sich folgende nichtlineare Zustandsraumbeschreibung, wenn unbekannte<br />

Parameter in den Zustandsraumgleichungen zugelassen werden:<br />

x(k) = f[x(k − 1),u(k − 1),k− 1,θ]+w(k − 1) (6.3)<br />

y(k) = h[x(k),k]+v(k) (6.4)<br />

Für die zeitdiskrete Modelldarstellung ergeben sich die folgenden Gleichungen des<br />

Kalman-Filters im Time-Update, wenn das EKF aus Kapitel 5.2.1 für die Zustandsschätzung<br />

verwendet wird.<br />

1. Berechnungen während des Time-Updates: (k − N +1≤ j ≤ k)<br />

a. Filtergleichungen des EKF:<br />

Zur Bestimmung dieser Gleichungen wird der letzte Schätzwert verwendet:<br />

ˆx − (j) = f[x,u j−1 ,j− 1,θ] ∣ x=ˆx<br />

+<br />

j−1 ,θ=ϑ (6.5)<br />

P − (j) = ˜F · P + (j − 1) · ˜F T + G · Q(j − 1) · G T (6.6)<br />

P yy (j) = ˜H · P − (j) · ˜H T + R(j) (6.7)<br />

K(j) = P − (j) · ˜H<br />

[ T · ˜H · P − (j) · ˜H<br />

−1 T + R(j)]<br />

(6.8)<br />

∂f[x,u j−1 ,j− 1,θ]<br />

mit ˜F = ∣<br />

∂h[x,j]<br />

und ˜H = ∣ (6.9)<br />

∂x<br />

∂x<br />

∣<br />

x=ˆx<br />

+<br />

j−1<br />

∣<br />

x=ˆx<br />

−<br />

j<br />

Für den Score-Algorithmus muß die Ableitung ∂ˆx− j<br />

∂ϑ m<br />

bestimmt werden. Dabei muß<br />

die nichtlineare vektorielle Funktion f[x,u j−1 ,j − 1,θ]inAbhängigkeit des Filterschätzwerts<br />

ˆx + j−1 und der Steuerungseingangsgröße u betrachtet werden, damit<br />

die Abhängigkeiten im Bezug auf die Parameter richtig erfaßt werden. Hierfür<br />

werden Terme der nichtlinearen Funktion abgespalten, die nur eine Funktion der<br />

Steuereingangsgröße und des Parametervektors sind:<br />

f[x,u j−1 ,j− 1,θ] ∣ x=ˆx<br />

+ =f 1 [x,u j−1 ,j− 1,θ] ∣ j−1<br />

x=ˆx<br />

+ +f 2 [u j−1 ,j− 1,θ] (6.10)<br />

j−1<br />

107

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!