- •Введение
- •Методика и режим проведения лабораторных работ. Требование к отчету Методика проведения машинного эксперимента
- •Режим выполнения лабораторных работ
- •Содержание отчета
- •1. Лабораторная работа № 1 рекуррентные процедуры оценивания параметров сигнала по методу наименьших квадратов
- •Постановка задачи оценивания параметров сигнала
- •1.2. Основные соотношения метода наименьших квадратов
- •1.3. Исходные данные и результаты задачи оценивания
- •1.4. Задания
- •1.5. Контрольные вопросы
- •2. Лабораторная работа № 2 дискретный фильтр калмана
- •2.1. Постановка задачи фильтрации
- •2.2. Метод и процедуры Калмановской фильтрации
- •2.3. Процедура фильтрации со "старением " данных
- •2.4. Расширенный фильтр Калмана
- •Алгоритм адаптивной фильтрации
- •Задания
- •2.7. Контрольные вопросы.
- •Список литературы
- •197376, С.-Петербург, ул. Проф. Попова, 5
2.3. Процедура фильтрации со "старением " данных
Важно подчеркнуть, что для оптимальности оценок фильтрации существенны многие из сделанных при постановке задачи предположений, в том числе явно не сформулированное, но подразумеваемое предположение об адекватности модельного описания динамической системы ее фактическому поведению. Далее рассматриваются два характерных вида ошибок модельного описания динамической системы. В первом случае ошибки вызваны неточностью в задании некоторых постоянных параметров рассматриваемой динамической системы (так называемая параметрическая неопределенность). Во втором случае допускается наличие неучтенного в модели импульсного входного воздействия неизвестной формы, продолжительности и момента появления. Если предположение об адекватности модельного описания динамической системы ее фактическому поведению не выполняется, то оценки, получаемые фильтром Калмана, вообще говоря, не будут оптимальными, более того, фактические ошибки фильтрацииek = -Yk могут значительно превышать теоретически предсказанные, характеризуемые расчетной ковариационной матрицей Pk, и даже могут неограниченно возрастать. В этом случае говорят о расходимости процесса фильтрации.
В ряде случаев избавиться от этого нежелательного явления и обеспечить устойчивую работу фильтра при не очень больших ошибках в модельном описании динамической системы можно за счет применения относительно простых модификаций стандартной процедуры калмановской фильтрации. Одной из таких модификаций является приводимая здесь процедура фильтрации с так называемым "старением " данных. Вместо функционала Jk из (2.15) в этом случае минимизируют функционал следующего вида
. (2.16)
Здесь при каждом значении j вес текущего измерения (для последней суммы в (2.16) соответственно - вес динамического ограничения) в s раз больше, чем вес предыдущего (предполагается s > 1). Причем вес измерения с номером k масштабирован с учетом используемого значения СКО помехи наблюдения, т. е. приj = k. Как можно показать, переход от минимизации функционала Jk к минимизации функционала сопровождается в конечном итоге изменением лишь одного из уравнений ФК, а именно: уравнение (2.9) экстраполяции ковариационной матрицыPk переходит в уравнение
.
Эта простая модификация уравнений ФК приводит, как легко видеть, при обработке текущего измерения zk к увеличению матрицы и, следовательно, к увеличению коэффициентов усиления, а в конечном итоге к повышению относительного веса текущего измерения и, соответственно, к понижению относительного веса экстраполированной оценки , при получении которой использованы уравнения модели системы. Конечно, модифицированный ФК в сравнении со стандартным дает большие значения ковариационной матрицы ошибки оценки фильтрации, однако расчетные ошибки, характеризуемые этой матрицей, теперь уже, как правило, соответствуют фактическим ошибкам фильтрации.
Качество работы ФК определяется, с одной стороны, величиной фактических ошибок состояния ek =- Yk, а с другой - соответствием между ними и теоретически предсказанными ошибками. В лабораторной работе это соответствие проверяется покомпонентно, т.е. отдельно для ek(1) и ek(2). Теоретически для ek() при k = 1, 2, …, N и = 1, 2 должны выполняться соотношения M{ek()} = 0 и , гдеPk(, ) - диагональный элемент матрицы Pk, вычисляемой по уравнениям ФК. При анализе результатов машинного эксперимента иногда оказывается удобным перейти к нормированным ошибкам фильтрации и проверить выполнение соотношений и .
В тех случаях, когда необходимо сравнить результаты различных прогонов машинного эксперимента, целесообразно ввести интегральные для траектории динамической системы показатели качества работы фильтра. Такими показателями могут служить, например,
; (2.17)
. (2.18)
Очевидно, J1() характеризует среднюю по траектории величину квадратичной абсолютной ошибки оценки, а J2() - среднее по траектории соответствие фактических и теоретических ошибок фильтрации.