Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
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