Çoklu Unutma Faktörleri ile Uyarlı Kalman Filtresi İçin İyileştirme
Özet
Kalman filtresi dinamik sistemlerde durum tahmin probleminin çözümü içinkullanılan popüler bir tahmin yöntemidir. Fen, mühendislik, ekonomi, askeri vb.olmak üzere birçok alandan probleme kolayca uygulanabilir. Sistemkarakteristikleri doğru olarak bilindiği sürece Kalman filtresi en iyi tahminperformansı ile çalışır. Ancak sistem karakteristiklerinin kısmen bilindiğidurumlarda veya yanlış bilindiği durumlarda filtrenin tahmin performansındaciddi kayıplar olması kaçınılmazdır. Kalman filtresindeki performans kaybıprobleminin üstesinden gelebilmek için şu ana kadar çok sayıda çalışmayayınlanmıştır. Bir kısım araştırmacı tarafından Sistem karakteristiklerinin kısmenveya tamamen hatalı bilinmesi durumunda, filtrelemede bazı güçlendirmelerinyapılmasını sağlayacak unutma faktörü ile uyarlanmış Kalman Filtresi tanıtılmıştır.“Adaptive estimation of multiple fading factors in Kalman filter for navigationapplications” (AEMFFKF) bu çalışmalardan bir tanesidir.Bu çalışmada, çoklu unutma faktörüyle uyarlı Kalman filtresi incelenmiş veAEMFFKF yönteminde belirlenemeyen unutma faktörlerini belirleyebilmek içinadaptif bir tahmin algoritması önerilmiştir. Ayrıca yapılan simülasyon çalışmasıylaKalman filtresinin performansı ile uyarlı filtrenin tahmin performansıkarşılaştırılmıştır. TheKalman filter is most popular estimation technique for solving stateestimation problems of dynamical systems and it has been the most frequentlyused algorithm in applications from different areas such as science, military andeconomics etc. The Kalman filter works best with predictive performance as longas system characteristics are known correctly. However, the performance of theKalman filter will dramatically decrease when system characteristics are eitherunknown or partially known. Numerous studies have been published so far to getover the problem of performance loss in the Kalman filter. Some researchersintroduced a fading factor to improve the performance of the Kalman filter underunknown or partially known initial information. “Adaptive estimation of multiplefading factors in Kalman filter for navigation applications” (AEMFFKF) is one ofthese studies.In this paper, adaptive fading Kalman filter with the multiple forgetting factors isconsidered and an adaptive estimation algorithm is proposed to determineforgetting factors which can not be determined in the AEMFFKF. In addition, AMonte Carlo simulation is performed to compare the estimation performances ofthe Kalman filter with the adaptive filters.
Kaynak
Erciyes Üniversitesi Fen Bilimleri Enstitüsü DergisiCilt
33Sayı
1Bağlantı
https://app.trdizin.gov.tr/publication/paper/detail/TXpJd05qSTVPUT09https://hdl.handle.net/20.500.12587/1210
Koleksiyonlar
İlgili Öğeler
Başlık, yazar, küratör ve konuya göre gösterilen ilgili öğeler.
-
Alüminyum 7075 Matrisli Kompozitlerde SiC, B 4 C Ve TiB 2 Takviye Elemanlarının Mekanik Özelliklere Etkilerinin Karşılaştırılması
Pul, Muharrem (2019)Bu çalışmada toz metalurjisi yöntemi kullanılarak Al 7075 matris malzemesi içerisine SiC, B 4 C ve TiB 2 takviyeelemanları ayrı ayrı ilave edilmiştir. SiC, B 4 C ve TiB2 takviye ağırlık oranları %5, %10 ve %20 olarakuygulanmıştır. ... -
Çok Kriterli Karar Verme Yöntemleriyle Taşeron Firma Seçimi: Kırıkkale İlinde Bir Uygulama
Günümüz piyasalarında firmaların hayatta kalabilmeleri için rekabet etmeleri gerekmektedir. Arz talep dengesinin yöndeğiştirdiği günümüzde, firmalar, asıl işlerini kendileri yapıp diğer işlerini o alanda çalışan yetkin ... -
Capacitive Solvent Sensing with Microfluidics Chip
Bilican, İsmail; Güler, Mustafa Tahsin (2018)Solvents are widely used in daily life as well as in almost all laboratories.Identification and detection of these solvents used in many areas have greatimportance in terms of health, toxicology and environment. For this ...