Parameter Estimation of MEMS Gyroscope Using Local State Estimation Methods

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F15%3A43926260" target="_blank" >RIV/49777513:23520/15:43926260 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1016/j.ifacol.2015.12.139" target="_blank" >http://dx.doi.org/10.1016/j.ifacol.2015.12.139</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.ifacol.2015.12.139" target="_blank" >10.1016/j.ifacol.2015.12.139</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Parameter Estimation of MEMS Gyroscope Using Local State Estimation Methods

Popis výsledku v původním jazyce

The topic of unknown parameters estimation of a MEMS gyroscope system in real-time is proposed and discussed. The problem is tackled using state estimation methodology. It is formulated as joint state and parameter estimation where three local estimatorsare utilized. The estimates are used to control the proof mass trajectory adaptively where the system is enforced to operate at the resonant frequency of the system without damping coefficients. The estimate quality of the considered estimators is compared. Numerical simulation results indicate that the proposed approach provides a better estimate quality in comparison with the extended Kalman filter both in terms of convergence speed and quality of estimates.

Název v anglickém jazyce

Parameter Estimation of MEMS Gyroscope Using Local State Estimation Methods

Popis výsledku anglicky

The topic of unknown parameters estimation of a MEMS gyroscope system in real-time is proposed and discussed. The problem is tackled using state estimation methodology. It is formulated as joint state and parameter estimation where three local estimatorsare utilized. The estimates are used to control the proof mass trajectory adaptively where the system is enforced to operate at the resonant frequency of the system without damping coefficients. The estimate quality of the considered estimators is compared. Numerical simulation results indicate that the proposed approach provides a better estimate quality in comparison with the extended Kalman filter both in terms of convergence speed and quality of estimates.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

<a href="/cs/project/TE02000202" target="_blank" >TE02000202: Pokročilé senzory a metody zpracování senzorových dat</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

IFAC Proceedings Volumes (IFAC-PapersOnline)

ISBN

—

ISSN

1474-6670

e-ISSN

—

Počet stran výsledku

6

Strana od-do

279-284

Název nakladatele

Elsevier

Místo vydání

Beijing

Místo konání akce

Beijing, China

Datum konání akce

19. 10. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—