Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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