28.01.2013 Views

Adaptative high-gain extended Kalman filter and applications

Adaptative high-gain extended Kalman filter and applications

Adaptative high-gain extended Kalman filter and applications

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

tel-00559107, version 1 - 24 Jan 2011<br />

Réglage des paramètres<br />

La procédure d’adaptation implique l’usage de nombreux paramètres de réglages.<br />

La première impression est celle d’une certaine confusion face aux choix à réaliser.<br />

Il est en fait possible de régler tous ces paramètres un à un, selon un ordre logique.<br />

Cet ordre est illustré par la Figure 4. La procédure complète est détaillée dans la<br />

Section 4.2.3, nous en donnons un aperçu ci-dessous.<br />

L’ensemble des paramètres se divise en deux groupes : les paramètres relatifs à<br />

la performance de chacun des deux modes de l’observateur, et ceux relatifs à la<br />

procédure d’adaptation.<br />

Paramètres hors<br />

adaptation<br />

⎧<br />

⎨<br />

⎩<br />

R<br />

Q<br />

θ1<br />

Etape<br />

Paramètres de performance<br />

⎧<br />

⎪⎨<br />

⎪⎩<br />

Paramètres de la<br />

procédure d'adaptation<br />

β<br />

λ<br />

∆T<br />

d<br />

m1<br />

� δ<br />

m2<br />

Etape 2 Etape 3<br />

θ1<br />

Figure 4: Gras : paramètres cruciaux.<br />

Tout l’intérêt de l’approche adaptative que nous développons est de pouvoir<br />

découpler l’influence de Q et R d’un côté, et de θ de l’autre, sur la performance<br />

de l’observateur. Dans un filtre de <strong>Kalman</strong> étendu à gr<strong>and</strong> <strong>gain</strong>, les matrices Q<br />

et R perdent leur sens premier car elles sont, de manière définitive, changées à<br />

cause de leur multiplication par θ. Lorsque l’observateur n’est pas en mode gr<strong>and</strong><br />

<strong>gain</strong>, ces deux matrices retrouvent leur sens classique. Il faut donc les régler de<br />

sorte à ce que le bruit de mesure soit filtré de manière optimale. Nous pouvons<br />

pour cela faire appel à des méthodes classiques [58].<br />

Il en va de même pour θ, le paramètre de gr<strong>and</strong> <strong>gain</strong> : seule sa performance de<br />

convergence nous intéresse. θ est choisi comme il est habituel de le faire pour<br />

les observateurs de type gr<strong>and</strong> <strong>gain</strong>. On prendra toutefois soin de limiter les<br />

“overshoots” au maximum.<br />

Paramètres d’adaptation<br />

Parmi l’ensemble des paramètres d’adaptation seuls d, la longueur de la fenêtre<br />

de calcul de l’innovation et m, le second paramètre de la sigmoïde, doivent être<br />

modifiés d’un observateur à l’autre. Les autres pourront être fixés une fois pour<br />

toutes quel que soit le procédé étudié.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!