• 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
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.3.2016.tde-13072016-150717
Documento
Autor
Nome completo
Leonardo Azevedo Scardua
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2015
Orientador
Banca examinadora
Cruz, José Jaime da (Presidente)
Kuga, Helio Koiti
Lopes, Roberto Vieira da Fonseca
Nascimento, Vitor Heloiz
Trigo, Flavio Celso
Título em português
Sintonia automática do filtro de kalman unscented.
Palavras-chave em português
Estimação não linear
Filtros de Kalman
Resumo em português
O filtro de Kalman estendido tem sido a mais popular ferramenta de filtragem não linear das últimas quatro décadas. É de fácil implementação e apresenta baixo custo computacional. Nos casos nos quais as não linearidades do sistema dinâmico são significativas, porém, o filtro de Kalman estendido pode apresentar resultados insatisfatórios. Nessas situações, o filtro de Kalman unscented substitui com vantagens o filtro de Kalman estendido, pois pode apresentar melhores estimativas de estado, embora ambos os filtros exibam complexidade computacional de mesma ordem. A qualidade das estimativas de estado do filtro unscented está intimamente ligada à sintonia dos parâmetros que controlam a transformada unscented. A versão escalada dessa transformada exibe três parâmetros escalares que determinam o posicionamento dos pontos sigma e, consequentemente, afetam diretamente a qualidade das estimativas produzidas pelo filtro. Apesar da importância do filtro de Kalman unscented, a sintonia ótima desses parâmetros é um problema para o qual ainda não há solução definitiva. Não há nem mesmo recomendações heurísticas que garantam o bom funcionamento do filtro unscented na maior parte dos problemas tratáveis por meio de filtros Gaussianos. Essa carência e a importância desse filtro para a área de filtragem não linear fazem da busca por mecanismos de sintonia automática do filtro unscented área de pesquisa ativa. Assim, este trabalho propõe técnicas para sintonia automática dos parâmetros da transformada unscented escalada. Além da sintonia desses parâmetros, também é abordado o problema de sintonizar as matrizes de covariância dos ruídos de processo e de medida demandadas pelo modelo do sistema dinâmico usado pelo filtro unscented. As técnicas propostas cobrem então a sintonia automática de todos os parâmetros do filtro.
Título em inglês
Automatic tuning of the unscented Kalman filter.
Palavras-chave em inglês
Nonlinear estimation
Unscented Kalman filter
Resumo em inglês
The extended Kalman filter has been the most popular nonlinear filter of the last four decades. It is easy to implement and exhibits low computational cost. When nonlinearities are significant, though, the extended Kalman filter can display poor state estimation performance. In such situations, the unscented Kalman filter can yield better state estimates, while displaying the same order of computational complexity as the extended Kalman filter. The quality of the state estimates produced by the unscented Kalman filter is directly influenced by the tuning of the scalar parameters that govern the unscented transform. The scaled version of the unscented transform features three scalar parameters that determine the positioning of the sigma points, thus directly affecting the filter state estimation performance. Despite the importance of the unscented Kalman filter, the optimal tuning of the scaled unscented transform parameters is still an open problem. This work hence discusses algorithms for the automatic tuning of the unscented transform parameters. The discussion includes the tuning of the needed noise covariance matrices, thus covering the automatic tuning of all parameters of the unscented Kalman filter.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2016-07-14
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • SCÁRDUA, Leonardo Azevedo, CRUZ, J. J., and COSTA, Anna Helena Reali. Optimal control of ship unloaders using reinforcement learning. Artificial Intelligence in Engineering, 2003, vol. 16, nº 3, p. 217-227.
  • SCÁRDUA, Leonardo Azevedo, CRUZ, J. J., e COSTA, Anna Helena Reali. Controle Ótimo de Descarregadores de Navios Utilizando Aprendizado por Reforço. SBA. Sociedade Brasileira de Automática, 2003, vol. 14, nº 4, p. 368-376.
  • SCÁRDUA, Leonardo Azevedo, COSTA, Anna Helena Reali, and CRUZ, J. J. Learning to Behave by Reinforcement Learning. In Int. Joint Conference on Artifical Inteligence - 3rd Int. Workshop on RoboCup, Estocolmo, 1999. Workshop ABS-4 The Third International Workshop on RoboCup.Estocolmo : IJCAI Press, 1999.
  • SCÁRDUA, Leonardo Azevedo, COSTA, Anna Helena Reali, e CRUZ, J. J. Aprendizado de Comportamento por Reforço do Ambiente. In 4o. Simpósio Brasileiro de Automação Inteligente, São Paulo, 1999. Anais do 4o. Simpósio Brasileiro de Automação Inteligente., 1999.
  • SCÁRDUA, Leonardo Azevedo, CRUZ, J. J., e COSTA, Anna Helena Reali. Controle Ótimo de Descarregadores de Navios Utilizando Aprendizado por Reforço. In XIII Congresso Brasileiro de Automática - CBA 2000, Florianópolis, 2000. Anais do CBA 2000., 2000.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.