Filtro de Kalman para Sistemas Singulares Estocásticos

Authors

  • Amanda L. P. M. Perticarrari

Abstract

A análise e projeto de sistemas singulares tem recebido grande atenção na literatura. Uma das motivações é devida à formulação que aparece frequentemente de maneira natural em vários sistemas como, por exemplo, na modelagem de sistemas agronômicos e econômicos e na modelagem de imagens e na robótica [1],[2]. Uma teoria própria para esta classe de sistemas vem sendo desenvolvida, pois cada vez mais encontram-se exemplos de sistemas lineares em que a representação no espaço de estados não se aplica, tendo inclusive, situações em que as matrizes dinâmicas do sistema são inerentemente retangulares [3]. Quando são desconhecidos os valores assumidos pelos estados de um dado sistema dinâmico com comportamento aleatório, uma ferramenta de grande utilidade prática que nos permite obter estimativas a priori e a posteriori destes estados é o filtro de Kalman [4]. Para sistemas singulares discretos no tempo, tem havido um estudo intenso sobre filtros de Kalman com aplicações para sistemas regulares onde o filtro de Kalman usual não pode ser utilizado, um exemplo é quando existem entradas desconhecidas no sistema regular [5]. Diferentes formulações têm sido propostas para a resolução do problema de estimativa recursiva. Em um contexto puramente singular, pode-se considerar o método dos mínimos quadrados, o critério da máxima verossimilhança, a estimativa da mínima variância e modelos de inovação tipo ARMA (autoregressivo com média móvel). Para o espaço de estados usual, a inclusão de incertezas limitadas nos parâmetros do sistema tem levado a várias generalizações do filtro de Kalman [6]. Para o caso singular, as incertezas são consideradas nas covariâncias dos ruídos [7]. [...]

Downloads

Download data is not yet available.

Author Biography

Amanda L. P. M. Perticarrari

DECEx/FCAV/Unesp, Jaboticabal, SP

References

L. E. Esteves. “Um modelo dinâmico considerando uma estratégia de desenvolvimento de catching-up tecnológico”. Em: Revista de Economia 74 (2020), pp. 85–111.

D. C. Soares, E. M. Bonfim-Silva, T. J. A. da Silva, E. C. A. Anicésio, T. F. Duarte e J. R. Oliveira. “Growth and production of wheat cultivars under water tensions in Cerrado soil”. Em: Revista Brasileira de Engenharia Agrícola e Ambiental 27 (2023), pp. 279–286. doi: 10.1590/1807-1929.

J. Gomez-Gil, R. Ruiz-Gonzalez, S. Alonso-Garcia e F.J. Gomez-Gil. “A Kalman Filter Implementation for Precision Improvement in Low-Cost GPS Positioning of Tractors”. Em: Sensors 13 (2013), pp. 15307–15323. doi: 10.3390/s131115307.

C.E. de Souza, K.A Barbosa e M. Fu. “Robust filtering for uncertain linear discrete-time descriptor systems”. Em: Automatica 44 (2008), pp. 792–798.

J.R. Chavez-Fuentes, E.F. Costa, M.H. Terra e K.D.T. Rocha. “The linear quadratic optimal control problem for discrete-time Markov jump linear singular systems”. Em: Automatica 127 (2021), pp. 1–8. doi: 10.1016/j.automatica.2021.109506.

A.H. Sayed. “A framework for state-space estimation with uncertain models”. Em: IEEE Transactions on Automatic Control 46 (2001), pp. 998–1013.

S. Sun, J. Ma e N. Lv. “Optimal and self-tuning fusion Kalman filters for discrete-time stochastic singular systems”. Em: International Journal of Adaptative Control and Signal Processing 22 (2008), pp. 932–948.

Published

2023-12-18