Στοχαστικός Έλεγχος

Εργασία εξαμήνου

ΣΤΟΧΑΣΤΙΚΟΣ ΕΛΕΓΧΟΣ

ΕΡΓΑΣΙΑ ΕΞΑΜΗΝΟΥ

Τίτλος :

Φίλτρο Kalman

Σπουδαστής : Διονυσοπουλος Γεώργιος
Α.Μ : ΑΑ03064

Διδάσκων καθηγητής : Δρ. Απόστολος Λερός

Διονυσόπουλος Γεώργιος , Τμήμα Αυτοματισμού , ΤΕΙ Χαλκίδας

Σελίδα 1 από 8

Αντίθετα μπορούμε να μετρήσουμε το y. y είναι η μέτρηση εξόδου και w και z είναι θόρυβος. Μπορούμε να χρησιμοποιήσουμε το y για να μας βοηθήσει να Διονυσόπουλος Γεώργιος . Το φίλτρο Kalman παρέχει ένα εργαλείο για τη χορήγηση μιας αξιόπιστης εκτίμησης. Η μεταβλητή w καλείται θόρυβος διαδικασίας. αρχικά θα χρειαστείς μια ακριβή εκτίμηση των μεταβλητών διαδικασίας. μπορεί να προσεγγιστεί ως γραμμικό σύστημα. Β. Κάθε μία από αυτές τις ποσότητες είναι διανύσματα και ως εκ τούτου περιέχουν περισσότερα από ένα στοιχεία. x είναι η κατάσταση του συστήματος. αλλά και σε θεωρητικό. k είναι ο δείκτης χρόνου. είναι αυτό που ελαττώνει την διακύμανση της εκτίμησης του σφάλματος. Ένας καλός αλγόριθμος φιλτραρίσματος μπορεί να αφαιρέσει το θόρυβος από ηλεκτρομαγνητικά σήματα διατηρώντας χρήσιμες πληροφορίες. τα σήματα ραδιοεπικοινωνίας είναι κατεστραμμένα με θόρυβο. Τα φίλτρα Kalman εφαρμόζονται συχνά σε ενσωματωμένα συστήματα ελέγχου με σκοπό να ελέγξουν μια διαδικασία. θα λέγαμε ότι ένα φίλτρο Kalman υπολογίζει τις θέσεις ενός γραμμικού συστήματος. Ο φορέας x περιέχει όλες τις πληροφορίες σχετικά με την παρούσα κατάσταση του συστήματος. πρέπει πρώτα να έχουμε μια αξιόπιστη εκτίμηση της τωρινής θέσης του οχήματος. αλλά δεν μπορούμε να μετρήσουμε το x άμεσα. ώστε να εξομαλύνουν τις ανεπιθύμητες διακυμάνσεις που θα μπορούσαν αλλιώς να ελαττώσουν τη διάρκεια ζωής των ηλεκτρικών συσκευών. Προκειμένου να ελεγχθεί η θέση ενός αυτοματοποιημένου οχήματος. και C είναι πινάκες. Ένα άλλο παράδειγμα είναι οι τάσεις παροχής ηλεκτρικής ενέργειας. u είναι μια γνωστή είσοδος στο σύστημα. Θα εισαγάγουμε τον αλγόριθμο φίλτρου Kalman και θα δούμε τη χρήση αυτού του φίλτρου για να λύσουμε ένα πρόβλημα πλοήγησης οχήματος. Ένα γραμμικό σύστημα είναι απλά μια διαδικασία που μπορεί να περιγράφει με τις ακόλουθες δύο εξισώσεις: Εξισώσεις κατάστασης: xk + 1 = A xk + B uk + wk Εξισώσεις εξόδου: yk = C xk + zk Στις παραπάνω εξισώσεις τα Α. Τα τροφοδοτικά με αδιάλειπτη παροχή ισχύος είναι συσκευές που φιλτράρουν την γραμμή τάσεως. διότι μπορεί να αποδειχτεί ότι από όλα τα πιθανά φίλτρα. και z ονομάζεται μέτρηση θορύβου. Το φίλτρο Kalman δεν λειτουργεί καλά μόνο σε πρακτικό επίπεδο. ένα δορυφόρος σε τροχιά γύρω από τη γη. Σε μαθηματικούς όρους. ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ Για να χρησιμοποιήσουμε ένα φίλτρο Kalman για την αφαίρεση του θορύβου από ένα σήμα.Στοχαστικός Έλεγχος Εργασία εξαμήνου Το φιλτράρισμα είναι επιθυμητό σε πολλές περιπτώσεις στη μηχανική και σε ενσωματωμένα συστήματα. όπως υπολογιστές και εκτυπωτές. Παρακάτω θα δούμε τις βασικές έννοιες που πρέπει να γνωρίζουμε για σχεδιάσουμε και να εφαρμόσουμε ένα φίλτρο Kalman. ένας άξονας κινητήρα που καθοδηγείται από ελικοειδή ρεύματα. ΤΕΙ Χαλκίδας Σελίδα 2 από 8 . Τμήμα Αυτοματισμού . όπως η οδήγηση ενός οχήματος κατά μήκος ενός δρόμου. Το φίλτρο Kalman είναι ένα εργαλείο που μπορεί υπολογίσει τις μεταβλητές ενός εύρους φάσματος διαδικασιών. η διαδικασία μέτρησης πρέπει να είναι σε θέση να περιγράφεται από ένα γραμμικό σύστημα. Για παράδειγμα. το οποίο είναι μια συνάρτηση του x που είναι αλλοιωμένο από τον θόρυβο z. Πολλές φυσικές διεργασίες. ή μια ημιτονοειδής ραδιοσυχνότητα φέροντος σήματος.

μια πιο ρεαλιστική εξίσωση για το v θα είναι: vk+1 = vk + T uk + vk~ όπου vk~ είναι ο θόρυβος ταχύτητας. η προηγούμενη εξίσωση δεν δίνει την ακριβή τιμή για v k+1. από τους στοιχειώδεις νόμους της φυσικής γνωρίζουμε ότι η ταχύτητα v διέπεται από την ακόλουθη εξίσωση : vk+1 = vk + T uk Ωστόσο. ας υποθέσουμε ότι θέλουμε να φτιάξουμε ένα όχημα να κινείτε σε μια ευθεία γραμμή. Η είσοδος u είναι η δοθείσα επιτάχυνση και έξοδος y είναι η μετρηθείσα θέση. γνωρίζοντας ότι η μετρηθείσα έξοδος είναι ίση με τη θέση. κενών αέρος και άλλες φυσικές διαταραχές. Ας πούμε ότι είμαστε σε θέση να αλλάξουμε την επιτάχυνση και να μετρήσουμε την θέση κάθε δευτερόλεπτο T. Τμήμα Αυτοματισμού . Μπορούμε να πούμε ότι το σύστημα αποτελείται από την θέση του οχήματος p και η ταχύτητα v. Έτσι. Για παράδειγμα. διότι η ταχύτητα διαταράσσετε από θόρυβο λόγω ριπών ανέμου. αλλά δεν μπορούμε να την εμπιστευτούμε πλήρως. Μπορούμε να χρησιμοποιήσουμε την πληροφορία που παρουσιάζετε έως ένα βαθμό. Σε αυτή την περίπτωση. αλλά δεν μπορούμε κατ 'ανάγκη να λάβουμε τα στοιχεία από το y σε ονομαστική αξία. χρειαζόμαστε έναν τρόπο να υπολογίσουμε την κατάσταση x. χρειαζόμαστε μια ακριβής εκτίμηση της θέσης p και της ταχύτητας v. Μια παρόμοια εξίσωση μπορεί να προκύψει για την p θέση: pk+1 = pk + T vk + ½ T 2uk + pk~ όπου pk~ είναι ο θόρυβος θέσης. Με άλλα λόγια. Εκεί είναι που χρησιμοποιούμε το φίλτρο Kalman ΘΕΩΡΙΑ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΤΟΥ ΦΙΛΤΡΟΥ KALMAN Διονυσόπουλος Γεώργιος . διότι είναι κατεστραμμένα από το θόρυβο.Στοχαστικός Έλεγχος Εργασία εξαμήνου αποκτήσουμε μια εκτίμηση του x. Τώρα μπορούμε να ορίσουμε ένα διάνυσμα κατάστασης x που αποτελείται από την θέση και την ταχύτητα: Τέλος. Ο θόρυβος ταχύτητας είναι μια τυχαία μεταβλητή που αλλάζει με το χρόνο. μπορούμε να γράψουμε τις εξισώσεις του γραμμικού συστήματος μας ως εξής: zk είναι ο μετρούμενος θόρυβος που οφείλεται σε πράγματα όπως τα λάθη των οργάνων Αν θέλουμε να ελέγχουμε το οχήματα με κάποιο σύστημα ανάδρασης. ΤΕΙ Χαλκίδας Σελίδα 3 από 8 .

Στις παραπάνω εξισώσεις. όπου k. θα λέγαμε ότι θέλουμε να βρούμε τον εκτιμητή με την μικρότερη δυνατή απόκλιση σφάλματος. ορίζονται ως εξής: Process noise covariance Sw = E( wk wkT ) Measurement noise covariance Sz = E( zk zkT ) όπου wT και zT μας δείχνουν την μετατόπιση του w και z τυχαίων διανυσμάτων θορύβου και Ε είναι η αναμενόμενη τιμή. και ο πινάκας P είναι η εκτίμηση συνδιακύμανσης σφαλμάτων. Αυτό συμβαίνει κάθε φορά. wk και zk είναι ανεξάρτητες τυχαίες μεταβλητές. Η εξίσωση εκτίμησης κατάστασης (x^) είναι αρκετά έξυπνη. Δεύτερον. Τώρα είμαστε επιτέλους σε θέση να δούμε τις εξισώσεις του φίλτρου Kalman. η εκτίμηση της κατάστασης θα πολλαπλασιαστεί στο χρόνο όπως και το διάνυσμα κατάστασης στο μοντελοποιημένο Διονυσόπουλος Γεώργιος . Επομένως για να καθορίσουμε την καλύτερη εκτίμηση της κατάσταση x. Δεν θέλουμε η εκτίμησή μας να είναι μεροληπτική με τον ένα ή τον άλλο τρόπο. Στην συνέχεια θα δούμε τα δυο κριτήρια που θα πρέπει ο εκτιμητής μας να ικανοποίει: Πρώτον. και έχουμε μετρήσεις της θέσης. Στην συνέχεια οι πίνακες συνδιακύμανσης του θορύβου Sw και Sz. Μαθηματικά. Γνωρίζουμε πώς το σύστημα συμπεριφέρεται σύμφωνα με την εξίσωση κατάσταση. συν Β φορές την γνωστή είσοδο σε χρόνο k. ένας εκτιμητής που οδηγεί σε όσο το δυνατόν μικρότερη μεταβολή της εκτίμησης της κατάστασης. Υπάρχουν πολλοί εναλλακτικοί αλλά ισοδύναμοι τρόποι για να εκφράσουμε τις εξισώσεις. θέλουμε η μέση τιμή του εκτιμητή κατάστασης μας να είναι ίση με τη μέση τιμή της πραγματικής κατάστασης. Δεν θέλουμε μόνο τον μέσο όρο της εκτιμώμενης κατάστασης να είναι ίσος με το μέσο όρο της πραγματικής κατάσταση. Τμήμα Αυτοματισμού . αλλά θέλουμε. ΤΕΙ Χαλκίδας Σελίδα 4 από 8 . θα λέγαμε ότι η αναμενόμενη τιμή της εκτίμησης θα πρέπει να είναι ίση με την αναμενόμενη τιμή της κατάστασης.Στοχαστικός Έλεγχος Εργασία εξαμήνου Ας υποθέσουμε ότι έχουμε ένα μοντέλο γραμμικού συστήματος όπως περιγράψαμε προηγουμένως. θέλουμε έναν εκτιμητή που δίνει μια ακριβής εκτίμηση της πραγματικής κατάστασης έστω και αν δεν μπορούμε άμεσα να την μετρήσουμε. Αυτή θα ήταν η εκτίμηση κατάστασης εάν δεν είχε μια μέτρηση. Ο πινάκας K ονομάζεται kalman gain. Μια από τις διατυπώσεις των εξισώσεων δίνετε παρακάτω : Kk = A Pk CT ( C Pk CT + Sz )–1 x^k+1 = ( A x^k + B uk ) + Kk ( yk+1 – Cx^k ) Pk+1 = A Pk AT + Sw – A Pk CT Sz–1 C Pk AT Αυτό είναι το φίλτρο Kalman. θέλουμε μια εκτίμηση της κατάστασης που κυμαίνεται από την πραγματική κατάσταση όσο το δυνατόν λιγότερο. επίσης. Θέλουμε να χρησιμοποιήσουμε τις διαθέσιμες μετρήσεις του y για να υπολογίσουμε την κατάσταση του συστήματος x. ο εκθέτης (-1) υποδεικνύει αναστροφή πινάκα και ο εκθέτης Τ υποδεικνύει μετάθεση. Έτσι βλέπουμε ότι το φίλτρο Kalman είναι ο εκτιμητής που πληροί αυτά τα δύο κριτήρια. Μαθηματικά. Με άλλα λόγια. Αποτελείτε από τρεις εξισώσεις. που αφορούν τις πράξεις χειραγώγησης του πίνακα. Αλλά η λύση του φίλτρου Kalman δεν ισχύει αν δεν μπορούν να ικανοποιηθούν ορισμένες παραδοχές για το θόρυβο που επηρεάζει το σύστημά μας. Θυμηθείτε ότι από το μοντέλο του συστήματος μας ο w είναι θόρυβος διαδικασίας και z είναι ο θόρυβος μέτρησης. Υποθέτουμε ότι η μέση τιμή του w είναι μηδέν και η μέση τιμή του z είναι μηδέν. Ο πρώτος όρος που χρησιμοποιείται για να αντλήσει την εκτίμηση κατάστασης σε χρόνο k +1 είναι φορές την εκτίμηση κατάστασης σε χρόνο k. Θα πρέπει στην συνέχεια να υποθέσουμε ότι δεν υπάρχει καμία συσχέτιση μεταξύ του w και του z.

2)2 = 10–6. Η εξέταση της εξίσωσης K δείχνει ότι. Πως μπορεί να εκτιμηθεί καλύτερα η θέση του κινούμενου οχήματος.2) = 2 * 10–5. το γραμμικό μοντέλο που αντιπροσωπεύει το σύστημά μας μπορεί να προκύψει από το μοντέλο του συστήματος που παρουσιάσαμε νωρίτερα σε αυτό το άρθρο ως εξής: Επειδή η τυπική απόκλιση της μέτρηση θορύβου είναι 10 feet. Τα αποτελέσματα εμφανίζονται στα ακόλουθα σχήματα: Στο σχήμα 1 δείχνει την πραγματική θέση του οχήματος. Η θέση του μετριέται με λάθος 10 feet. το Sz θα είναι μικρό. Εφόσον Τ = 0. τη μετρούμενη θέση και την εκτιμώμενη θέση.1). Ο δεύτερος όρος στην x εξίσωση καλείται όρος διόρθωσης και αντιπροσωπεύει το ποσό με το όποιο διορθώνει την πολλαπλασιαζόμενη τιμή εκτίμησης λόγω των μετρήσεων μας.005 φορές την επιτάχυνση και ο θόρυβος επιτάχυνσης είναι 0. Ο θόρυβος επιτάχυνσης είναι 0. Στην συνέχεια εκτελούμε τις εξισώσεις του φίλτρου Kalman μία φορά ανά χρονικό βήμα.1.2 feet / sec2.005)2 * (0. Η δοθείσα επιτάχυνση είναι σταθερή 1 foot/ sec2.Στοχαστικός Έλεγχος Εργασία εξαμήνου σύστημα. ΠΛΟΗΓΗΣΗ ΟΧΗΜΑΤΟΣ Τώρα λαμβάνοντας υπ’ όψιν το πρόβλημα πλοήγησης οχημάτων που εξετάσαμε προηγουμένως. Ένα όχημα ταξιδεύει κατά μήκος ενός δρόμου.1 φόρες την επιτάχυνση.1 * 0. Τώρα πρέπει να βρούμε τον Sw πινάκα. Η θέση μετράται 10 φορές ανά δευτερόλεπτο (Τ = 0. ο Sz πινάκας είναι απλά ίσος με 100. Από την άλλη πλευρά. η διακύμανση του θορύβου ταχύτητας είναι (0. έτσι Κ θα είναι μεγάλο και θα δίνουν μεγάλη αξιοπιστία στην μέτρηση όταν υπολογίσουμε το επόμενο x^. δεδομένου ότι η ταχύτητα είναι αναλογική 0. ΤΕΙ Χαλκίδας Σελίδα 5 από 8 .2 feet/sec2.005 * 0. η συνδιακύμανση του θορύβου θέσης και θορύβου ταχύτητας είναι ίση με την σταθερή απόκλιση του θορύβου θέσης επί την σταθερή απόκλιση του θορύβου ταχύτητας. Οι δύο απαλές καμπύλες είναι η πραγματική θέση και η εκτιμώμενη θέση Διονυσόπουλος Γεώργιος . αν η μέτρηση του θορύβου είναι μεγάλη το Sz θα είναι μεγάλο. αν η μέτρηση του θορύβου είναι μικρή. Τμήμα Αυτοματισμού . Κατά τον ίδιο τρόπο. η διακύμανση του θορύβου θέσης είναι (0. Η προσομοίωση του φίλτρου Kalman για αυτό το πρόβλημα έγινε χρησιμοποιώντας το Matlab. όποτε το K θα είναι μικρό και δεν θα δώσουμε μεγάλη αξιοπιστία στην μέτρηση y όταν υπολογίσουμε το επόμενο x^.2) * (0. η οποία μπορεί να υπολογιστεί ως εξής: (0.1)2 * (0.2)2 = 4 * 10–4. Τέλος. Μπορούμε να συνδυάσουμε όλους αυτούς τους υπολογισμούς για να βρούμε τον πινάκα για Sw Τώρα ξεκινάμε το x0^ ως καλύτερη αρχική εκτίμηση της θέσης και της ταχύτητας και ξεκινάμε το P0 σαν την αβεβαιότητα στην αρχική μας εκτίμηση. Δεδομένου ότι η θέση είναι αναλογική 0.

Η καμπύλη με τον θόρυβο είναι η μετρούμενη θέση. Το σφάλμα μέτρησης έχει μια τυπική απόκλιση της τάξης των 10 πόδια. Στο σχήμα 2 δείχνει το σφάλμα μεταξύ της πραγματικής θέσης και της μετρούμενης θέσης και το σφάλμα μεταξύ της πραγματικής θέσης και τις εκτιμώμενης θέσης με το φίλτρο Kalman. Διονυσόπουλος Γεώργιος .Στοχαστικός Έλεγχος Εργασία εξαμήνου και είναι σχεδόν πολύ κοντά στην διάκριση του ενός από το άλλο. με περιστασιακά spikes έως 30 πόδια . ΤΕΙ Χαλκίδας Σελίδα 6 από 8 .. Το εκτιμώμενο σφάλμα θέσης είναι περίπου 2 πόδια. Τμήμα Αυτοματισμού .

Τμήμα Αυτοματισμού . Στο σχήμα 4 παρουσιάζει το λάθος μεταξύ της πραγματικής ταχύτητα και της εκτιμώμενης ταχύτητας με το φίλτρο Kalman. Δεδομένου ότι η ταχύτητα του οχήματος είναι μέρος της κατάστασης x.Στοχαστικός Έλεγχος Εργασία εξαμήνου Στο σχήμα 3 δείχνει ένα μπόνους που περνούμε από το φίλτρο Kalman. ΤΕΙ Χαλκίδας Σελίδα 7 από 8 . Διονυσόπουλος Γεώργιος . περνούμε μία εκτίμηση της ταχύτητας μαζί με μια εκτίμηση της θέσης.

Τμήμα Αυτοματισμού . ΤΕΙ Χαλκίδας Σελίδα 8 από 8 .Στοχαστικός Έλεγχος Εργασία εξαμήνου Διονυσόπουλος Γεώργιος .