Úloha filtrace stavu v případě částečně známých matic modelu
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F08%3A00312650" target="_blank" >RIV/67985556:_____/08:00312650 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Problem of State Filtering in Case of Partially Known System Matrices
Popis výsledku v původním jazyce
The linear state-space model with uniform innovations (LU model) proposed in previous author's work is extended here. The states and parameters of LU model are estimated under hard physical bounds. The estimation of the innovation boundaries is also included. Maximum a posteriori probability estimation reduces to the linear programming. The on-line estimation is running within the sliding window. Compared to the original model, we consider that model matrices can be time-variant. Also, offset terms areincluded. We present the problem of the joint parameter and state estimation, i.e., the state filtering with unknown model matrices. The ambiguity in the state estimates can be substantially decreased by the partial knowledge of some entries in the modelmatrices. The simple example illustrates this approach.
Název v anglickém jazyce
Problem of State Filtering in Case of Partially Known System Matrices
Popis výsledku anglicky
The linear state-space model with uniform innovations (LU model) proposed in previous author's work is extended here. The states and parameters of LU model are estimated under hard physical bounds. The estimation of the innovation boundaries is also included. Maximum a posteriori probability estimation reduces to the linear programming. The on-line estimation is running within the sliding window. Compared to the original model, we consider that model matrices can be time-variant. Also, offset terms areincluded. We present the problem of the joint parameter and state estimation, i.e., the state filtering with unknown model matrices. The ambiguity in the state estimates can be substantially decreased by the partial knowledge of some entries in the modelmatrices. The simple example illustrates this approach.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BC - Teorie a systémy řízení
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2008
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 9th International PhD Workshop on Systems and Control
ISBN
978-961-264-003-3
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
—
Název nakladatele
Jožef Stefan Institute
Místo vydání
Ljubljana
Místo konání akce
Izola
Datum konání akce
1. 10. 2008
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—