• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tesis Doctoral
DOI
10.11606/T.18.2009.tde-12082009-110152
Documento
Autor
Nombre completo
Aline Fernanda Bianco
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2009
Director
Tribunal
Terra, Marco Henrique (Presidente)
Ishihara, João Yoshiyuki
Nascimento, Vitor Heloiz
Palhares, Reinaldo Martinez
Peres, Pedro Luis Dias
Título en portugués
Filtros de Kalman robustos para sistemas dinâmicos singulares em tempo discreto
Palabras clave en portugués
Convergência
Estabilidade
Estimativa de estado
Filtragem robusta
Sistemas singulares
Resumen en portugués
Esta tese trata do problema de estimativa robusta ótima para sistemas dinâmicos regulares discretos no tempo. Novos algoritmos recursivos são formulados para as estimativas filtradas e preditoras com as correspondentes equações de Riccati. O filtro robusto tipo Kalman e a equação de Riccati correspondente são obtidos numa formulação mais geral, estendendo os resultados apresentados na literatura. O funcional quadrático proposto para deduzir este filtro faz a combinação das técnicas mínimos quadrados regularizados e funções penalidade. O sistema considerado para obtenção de tais estimativas é singular, discreto, variante no tempo, com ruídos correlacionados e todos os parâmetros do modelo linear estão sujeitos a incertezas. As incertezas paramétricas são limitadas por norma. As propriedades de estabilidade e convergência do filtro de Kalman para sistemas nominais e incertos são provadas, mostrando-se que o filtro em estado permanente é estável e a recursão de Riccati associada a ele é uma sequência monótona não decrescente, limitada superiormente pela solução da equação algébrica de Riccati.
Título en inglés
Robust Kalman filters for discrete-time singular systems
Palabras clave en inglés
Convergence
Robust filtering
Singular systems
Stability
State estimation
Resumen en inglés
This thesis considers the optimal robust estimates problem for discrete-time singular dymanic systems. New recursive algorithms are developed for the Kalman filtered and predicted estimated recursions with the corresponding Riccati equations. The singular robust Kalman type filter and the corresponding recursive Riccati equation arer obtained in their most general formulation, extending the results presented in the literature. The quadratic functional developed to deduce this filter combines regularized least squares and penalty functions approaches. The system considered to obtain the estimates is singular, time varying with correlated noises and all parameter matrices of the underlying linear model are subject to uncertainties. The parametric uncertainty is assumed to be norm bounded. The properties of stability and convergence of the Kalman filter for nominal and uncertain system models are proved, where we show that steady state filter is stable and the Riccati recursion associated with this is a nondecreasing monotone sequence with upper bound.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Aline.pdf (968.42 Kbytes)
Fecha de Publicación
2009-08-24
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
Centro de Informática de São Carlos
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2021. Todos los derechos reservados.