Original title: Hybrid Method for Modelling and State Estimation of Dynamic Systems
Translated title: Hybrid Method for Modelling and State Estimation of Dynamic Systems
Authors: Brablc, Martin ; Blaha, Petr (referee) ; Bugeja, Marvin (referee) ; Grepl, Robert (advisor)
Document type: Doctoral theses
Year: 2023
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstract: [eng] [cze]
Tato Disertační práce se zabývá vývojem nové hybridní metody pro současné odha- dování stavů a parametrů nelineárních dynamických systémů, založené na myšlence lokálních lineárních modelů, která využívá odhad nejistoty parametrů modelu pro automatické nastavení některých parametrů Kalmanova filtru (KF), čímž se výrazně zjednodušuje její nasazení a nastavení v praktických aplikacích. V první části se disertační práce věnuje shrnutí aktuálního stavu poznání v oblasti dynamických systémů, simultánní estimace, KF a modelování nelineárních dynamických systémů. Následně se ve dvou samostatných kapitolách věnuje modifikaci KF pro situace, kde dominantním vlivem způsobujícím procesní šum jsou nepřesné parametry modelu, a dále modifikaci metody Receptive field weighted regression (RFWR) tak, aby mohla být použita pro duální estimaci. Nakonec práce popisuje vyvinutou hybridní metodu složenou z modifikovaných algoritmů RFWR a KF nazvanou Receptive field dual estimation - (RFDE) a demonstruje její funkčnost na simulačních i reálných datech. This Doctoral thesis deals with the development of a new hybrid method for the dual estimation of states and parameters of nonlinear dynamic systems based on the idea of local linear models, which uses the estimation of the uncertainty of the model parameters to automatically adjust the parameters of the Kalman filter (KF), thus greatly simplifying its deployment and adjustment in practical applications. In the first part, the dissertation summarises the current state of knowledge in the field of dynamic systems, simultaneous estimation, KF and modelling of nonlinear dynamic systems. Then, in two separate chapters, it discusses the modification of KF for situations where inaccurate model parameters are the dominant influence causing process noise, and the modification of the Receptive field weighted regression (RFWR) method so that it can be used for dual estimation. Finally, the paper describes the developed hybrid method composed of modified RFWR and KF algorithms called Receptive field dual estimation - (RFDE) and demonstrates its performance on simulation and real data.
Keywords: Duální estimace; Dynamické systémy; Modelování a simulace; Teorie řízení; Systémy se spojitým časem; Systémy s diskrétním časem; Aproximační metody; Lokální lineární modely; Lokální lineární regrese; Receptivní pole; Vážená regrese; MATLAB; Odhadování patametrů; Odhadování stavů; Kalmanův filtr; Procesní šum; Kovariance Gaussovs- kého šumu; Silmultánní estimace; Rekursivní metoda nejmenších čtverců; Sloučená estimace; Approximation methods; Continuous time systems; Control theory; Discrete time systems; Dual estimation; Dynamic systems; Gaussian Noise Covariance; Joint estimation; Kalman filter; Local linear models; Local linear regression; MATLAB; Modelling and simulation; Parameter estimation; Process noise; Receptive fields; Recursive least squares; Simultaneous estimation; State estimation; Weighted regression

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/209414

Permalink: http://www.nusl.cz/ntk/nusl-524703


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Doctoral theses