Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/2234
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | PROHMANN, Eric Antony Vinhaes | - |
dc.creator.Lattes | http://lattes.cnpq.br/5169055246045640 | por |
dc.contributor.advisor1 | SOUZA, Francisco das Chagas de | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2405363087479257 | por |
dc.contributor.referee1 | SERRA, Ginalber Luiz de Oliveira | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/0831092299374520 | por |
dc.contributor.referee2 | RIBEIRO, Áurea Celeste da Costa | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/7281004775553558 | por |
dc.date.accessioned | 2018-05-16T21:27:12Z | - |
dc.date.issued | 2018-02-05 | - |
dc.identifier.citation | PROHMANN, Eric Antony Vinhaes. Proposta de um filtro de partículas aliado ao filtro de Kalman estendido iterativo para estimação de estados de sistemas não lineares com ruído Gaussiano. 2018. 114 f. Dissertação (Mestrado em Engenharia de Eletricidade) - Universidade Federal do Maranhão, São Luís, 2018. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/2234 | - |
dc.description.resumo | O filtro de Kalman é um estimador de mínima variância que é solução para o problema de estimação de estados em sistemas lineares. No caso de sistemas não lineares, não é possível definir um método de estimação genérico. A técnica mais famosa de estimação não linear tem sido o filtro de Kalman estendido, o qual vem sendo a primeira opção de aplicação em diversos sistemas. Na década de 1990, o filtro de partículas ganhou destaque, pois o avanço tecnológico tornou possível sua implementação. O filtro de partículas tem se mostrado uma ótima técnica que apresenta bons resultados na estimação de estados em sistemas não lineares. Nesta dissertação, é proposto um filtro de partículas com amostragem e reamostragem por importância aliado ao filtro de Kalman estendido iterativo (FPA-FKEI) para estimação de estados em sistemas não lineares. A eficácia do método proposto é comprovada através de realizações de Monte Carlo aplicada em 3 sistemas, um monovariável, um carro pêndulo-invertido e um sistema elétrico de potência de 4 geradores. | por |
dc.description.abstract | About the century of 1900, control systems techniques using states feedback began to get on the highlights. Such techniques need the state vector to be avaliable, what is not always possible to do with measurement equipments. So, techniques which implement state estimation became the center of attention of researchers. These state estimators use the system dynamic information and the input and output signals to estimate the states. The state estimator known as Kalman filter is the most acceptable and useful solution to linear systems and it is acknowledged as the solution to linear systems state estimation problem. Nonlinear systems, however, have no generic estimation method defined. The most famous nonlinear technique has been the extended Kalman filter, which is the first choice of application to many systems. On 1990s, another technique called particle filter got the spotlights, because the technological improvement allowed its implementation. The particle filter has been a technique which has shown good results on nonlinear systems state estimation. In this dissertation, it is proposed a particle filter with sampling importance resampling allied to iterated extended Kalman filter (FPA-FKEI) to nonlinear systems state estimation. The efficiency of the proposed method is proven through Monte Carlo realizations in 3 systems, a monovariable, a inverted-pendulum car and an electrical power system with 4 generators. | eng |
dc.description.provenance | Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2018-05-16T21:27:12Z No. of bitstreams: 1 EricProhmann.pdf: 3464074 bytes, checksum: 1aa67d1231e25b03565eeed23739cb28 (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2018-05-16T21:27:12Z (GMT). No. of bitstreams: 1 EricProhmann.pdf: 3464074 bytes, checksum: 1aa67d1231e25b03565eeed23739cb28 (MD5) Previous issue date: 2018-03-14 | eng |
dc.description.sponsorship | CAPES | por |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | Estimação de estados | por |
dc.subject | Filtro de Kalman | por |
dc.subject | Filtro de partículas | por |
dc.subject | State estimation | eng |
dc.subject | Kalman filter | eng |
dc.subject | Particle filter. | eng |
dc.subject.cnpq | Engenharia Elétrica | por |
dc.title | Proposta de um filtro de partículas aliado ao filtro de Kalman estendido iterativo para estimação de estados de sistemas não lineares com ruído Gaussiano | por |
dc.title.alternative | Proposed Particle Filter Allied to the Filter of Iterative Extended Kalman for State Estimation of Nonlinear Systems with Gaussian Noise | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
EricProhmann.pdf | Dissertação | 3,38 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.