Noise Identification for Data-augmented Physics-based State-Space Models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F24%3A43973101" target="_blank" >RIV/49777513:23520/24:43973101 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1109/SiPS62058.2024.00026" target="_blank" >https://doi.org/10.1109/SiPS62058.2024.00026</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/SiPS62058.2024.00026" target="_blank" >10.1109/SiPS62058.2024.00026</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Noise Identification for Data-augmented Physics-based State-Space Models

Popis výsledku v původním jazyce

This paper deals with the state-space modelling of nonlinear stochastic dynamic systems. The emphasis is laid on the emerging area of data-augmented physics-based modelling of the state dynamics, which combines the benefits of the physics-driven and data-based identified models. As the augmented state-space models depend on the measured data, modelling the state noise properties becomes challenging. This paper proposes and validates a concept for the state noise identification of nonlinear data-augmented state equation using the maximum likelihood and correlation-based methods. The numerical simulation of a tracking scenario shows significant improvement of the state estimation accuracy and consistency when using the identified noise model.

Název v anglickém jazyce

Noise Identification for Data-augmented Physics-based State-Space Models

Popis výsledku anglicky

This paper deals with the state-space modelling of nonlinear stochastic dynamic systems. The emphasis is laid on the emerging area of data-augmented physics-based modelling of the state dynamics, which combines the benefits of the physics-driven and data-based identified models. As the augmented state-space models depend on the measured data, modelling the state noise properties becomes challenging. This paper proposes and validates a concept for the state noise identification of nonlinear data-augmented state equation using the maximum likelihood and correlation-based methods. The numerical simulation of a tracking scenario shows significant improvement of the state estimation accuracy and consistency when using the identified noise model.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

<a href="/cs/project/EH22_008%2F0004590" target="_blank" >EH22_008/0004590: Robotika a pokročilá průmyslová výroba</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2024

Kód důvěrnosti údajů

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

Název statě ve sborníku

2024 IEEE Workshop on Signal Processing Systems (SiPS)

ISBN

979-8-3503-7375-2

ISSN

1520-6130

e-ISSN

2374-7390

Počet stran výsledku

6

Strana od-do

101-106

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Cambridge, USA

Datum konání akce

4. 11. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—