پرداخت امن توسط کارتهای شتاب
بازگشت وجه ضمانت بازگشت تا 7 روز
تضمین کیفیت ضمانت تضمین کیفیت
پشتیبانی 24 ساعته 7 روز هفته

فیلتر کالمن

فیلتر کالمن
۶۹,۰۰۰ تومان٪14 تخفیف

همونطور که میدانید بحث تخمینگر (Estimator) یا رویتگر (Observer) نه تنها در مهندسی کنترل (Control Engineering) و مهندسی برق (Electrical Engineering)، بلکه در تمامی رشته‌های مهندسی و حتی غیر مهندسی از جمله مهندسی مکانیک (Mechanical Engineering)، مهندسی شیمی (Chemical Engineering)، مهندسی هوافضا (Aerospace Engineering)، روباتیک (Robotics)، اقتصاد (Economics)، بوم‌شناسی (Ecology) و زیست‌شناسی (Biology) کاربرد فراوانی دارد. از طرف دیگر، فیلتر کالمن (Kalman Filter) به عنوان یک تخمینگر بهینه پرکاربردترین و محبوبترین رویتگر در تمامی کاربردهاست که مقالات و کتابهای بسیاری در مورد آن نوشته شده و هنوز هم کارهای تحقیقاتی زیادی در مورد آن انجام میشود. البته بحث تخمین به فیلتر کالمن و مشتقات آن محدود نشده و تخمینگرهای زیاد دیگری هم وجود دارند که استفاده میشوند.

من به عنوان یک مهندس کنترل در درسهای مختلفی که گذرانده‌ام، به صورت جسته گریخته با یک سری اطلاعات گسسته در مورد تخمینگرها مواجه شدم؛ از جمله بحث رویتگرهای لیونبرگر در درس کنترل مدرن یا فیلتر کالمن در درس کنترل فرآیندهای اتفاقی، اما هیچوقت به صورت منظم و سازمان یافته تخمینگرها را نشناختم. بنابراین قصد دارم در این سری فیلمها، سیر تا پیاز تخمینگرها، انواع، کاربردها، نحوه تحلیل و طراحی، نحوه پیاده‌سازی در متلب و هر چیزی که ممکن است در این مسیر مورد نیاز باشد، خدمت شما تقدیم کنم.

برای این کار یکی از کتابهای خیلی خوب و جامع را به عنوان مرجع اصلی این سری فیلمها در نظر گرفتم. نام کامل این کتاب “تخمینگرهای بهینه حالت، کالمن، ∞H و روشهای غیرخطی” بوده و نویسند آن Dan Simon از دانشگاه کلیولند است. این کتاب مزایای زیادی دارد که در جلسه اول به بعضی از آنها اشاره کرده‌ام. علاوه بر این کتاب که جنبه تئوری بحث را از آن دنبال میکنم، یک تولباکس (بر اساس متلب) رایگان و خیلی مفید را خدمت شما معرفی میکنم که شامل بسیاری از روشهای موجود بوده و از آن میتوان برای پیاده‌سازی اکثر تخمینگرها استفاده کرد. نام این تولباکس “فیلترینگ بهینه با استفاده از فیلترهای کالمن و اسموترها” بوده و تهیه کننده اصلی آن Simo Sarkka از دانشگاه آلتو فنلاند است که خودش در زمینه فیلتر کالمن و هموارسازها تحقیقات زیادی انجام داده است. با توجه به اینکه این تولباکس تمام روشهای موجود در کتاب رو پوشش نمیدهد، توابع مورد نیاز برای پیاده سازی این روشها به تدریج معرفی شده و نحوه اضافه کردن آنها به تولباکس و نحوه استفاده از آنها به طور کامل توضیح داده میشود.

به صورت خلاصه مباحث زیر در این سری فیلمها مورد بررسی قرار می گیرند:

  • مقدمات ریاضی از جمله جبرخطی و سیستمهای دینامیکی و فرآیندهای تصادفی
  • تخمین حداقل مربعات (Least Squares Estimation)
  • انتشار حالت و کواریانس (Propagation of States and Covariance)
  • فیلتر کالمن گسسته (Discrete Kalman Filter) و هموارساز آن (Kalman Smoother)
  • انواع فرمولبندیهای دیگر فیلتر کالمن
  • فیلتر کالمن برای سیستمهای دارای نویز رنگی (Colored Noise) و همبسته (Correlated)
  • فیلتر کالمن پیوسته Kalman Bucy Filter) KBF)
  • فیلتر ∞H
  • ترکیب فیلتر ∞H و کالمن
  • فیلتر کالمن توسعه یافته Extended Kalman Filter) EKF) و هموارساز آن (EKF Smoother)
  • فیلتر کالمن بدون بو! Unscented Kalman Filter) UKF) و هموارساز آن (UKF Smoother)
  • فیلتر ذره‌ای (Particle Filter)
  • فیلتر Extended Kalman Particle Filter) EKPF)
  • فیلتر کالمن مکعبی Cubature Kalman Filter) CKF) و هموارساز آن (CKF Smoother)
  • فیلتر کالمن گاوس-هرمیت Gauss-Hermite Kalman Filter) GHKF) و هموارساز آن (GHKF Smoother)
  • فیلتر کالمن تفاضل مرکزی Central Difference Kalman Filter) CDKF)
  • فیلتر کالمن برای سیستمهای دارای مدل چندگانه (سیستمهای سویچینگ مارکوف) Interacting Multiple Models Filters) IMM)

 

پیش نیازها: آشنایی اولیه با کدنویسی در متلب

لطفا قبل از دیدن ادامه پست حتما این ویدئو را ببینید:

برای اطلاع از فهرست موضوعی تمامی جلسات اینجا کلیک کنید

نکته آخر اینکه شاید برایتان جالب باشد که دکتر کیوان افشار مقاله زیر را با راهنمایی دکتر جوادی از جلسه 108 این مجموعه چاپ کرده است.

Mass estimation and adaptive output feedback control of nonlinear electromagnetic levitation system

 

برای دیدن جزئیات هر جلسه شامل: پیش نمایش هر جلسه، موضوع هر جلسه، مدت زمان هر جلسه و …. به تب فهرست جلسات بروید

برای خرید یک یا چند فصل به تب خرید موضوعی بروید.

مطالعه بیشتر

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

جلسه اول :

 در این جلسه تخمینگرهای (رویتگرهای) مختلف از جمله خطی و غیرخطی، گسسته و پیوسته و حالت ترکیبی طبقه بندی شده و از هر نوع چند نمونه معرفی می‌شود. به علاوه، انواع فیلتر کالمن و توسعه یافته های آن به عنوان یکی از مهمترین و کاربردی‌ترین رویتگرها بیان می‌شود. در ادامه، زندگینامه کوتاه Rudolf (Rudi) Emil Kalman آورده شده و سوابق تحقیقاتی و جوایز دریافتی وی نیز بیان می‌شود. همچنین مرجع اصلی این سری فیلمها که کتاب تخمین بهینه حالت نوشته شده توسط Dan Simon است، معرفی شده و یک کتاب دیگر نیز در این زمینه به عنوان نمونه نشان داده می‌شود. علاوه بر کتاب تخمین بهینه حالت که تئوری آن از کتاب Dan Simon دنبال می‌شود، بیشتر شبیه‌سازیها و کدنویسی‌ها برای پیاده‌سازی فیلترهای مختلف از طریق تولباکس ekf/ukf تهیه شده توسط Simo Sarkka، انجام می‌شود که در این جلسه معرفی می‌شود. جهت ارزیابی شما عزیزان جلسه اول رایگان تقدیم می‌شود.

مدت زمان آموزش: 78 دقیقه

حجم فایل: 239 مگابایت

محتویات درس: فیلم با کیفیت 720p - پاورپوینت درس – کتاب "تخمین بهینه حالت" اثر Dan Simon - کتاب "تخمین بهینه با کاربردهای آن برای ردیابی و ناوبری" اثر Yaakov Bar-Shalom – تولباکس "ekf/ukf" تهیه شده توسط Simo Sarkka

جلسه اول:

 
تمام پیش نمایشها دارای کیفیت 720p هستند ولی ممکن است به علت سرعت کم اینترنت شما با کیفیت پایینتر نمایش داده شوند.
 با نگهداشتن نشانگر بر روی گزینه Capture در نوار پایین صفحه نمایش، می‌توانید کیفیت دلخواه را انتخاب کنید

جلسه دوم : 

جلسه سوم : 

جلسه چهارم : 

جلسه پنجم: 

جلسه ششم: 

جلسه هفتم : 

جلسه هشتم : 

جلسه نهم : 

جلسه دهم : 

جلسه یازدهم : 

جلسه دوازدهم : 

جلسه سیزدهم : 

جلسه چهاردهم : 

جلسه پانزدهم : 

جلسه شانزدهم : 

جلسه هفدهم : 

جلسه هجدهم : 

جلسه نوزدهم : 

جلسه بیستم: 

طراحی با استفاده از واسط گرافیکی(GUI)

در تکمیل  فصل پنجم، دو نرم افزار در متلب تهیه شده که با استفاده از ورودی هایی که به آن داده می شود، فیلتر کالمن را  به صورت گرافیکی طراحی می کند.

ضمناً جهت يادگيري نحوه ايجاد gui (واسط گرافيکي در متلب) هم مي توانيد به آموزش واسط های گرافیکی در متلب و یا در اينجا کليک کنيد.

1- طراحي فيلتر کالمن گسسته با استفاده از GUI

در اين واسط گرافيکي مي توانيد براي يک سيستم گسسته از هر مرتبه اي، يک فيلتر کالمن گسسته طراحي کنيد و پاسخ واقعي، تخمين، بهره فيلتر کالمن و همچنين خطاي تخمين را مشاهده کنيد. همينطور ماتريس کواريانس خطاي حالت دائمي تخمين با استفاده از دو روش گريوال و ريکاتي و نيز خطاي RMS بين مقدار واقعي و تخمين هم نمايش داده شده است.

پیش نمایش

2- طراحي فيلتر کالمن گسسته برای یک سیستم پيوسته با استفاده از GUI

در اين واسط گرافيکي مي توانيد براي يک سيستم پيوسته از هر مرتبه اي، يک فيلتر کالمن گسسته طراحي کنيد و پاسخ واقعي، تخمين، بهره فيلتر کالمن و همچنين کواريانس خطاي تخمين را مشاهده کنيد. همينطور ماتريس کواريانس خطاي حالت دائمي تخمين با استفاده از دو روش گريوال و ريکاتي و نيز خطاي RMS بين مقدار واقعي و تخمين هم نمايش داده شده است.

پیش نمایش

جلسه بیست و یکم : 

جلسه بیست و دوم : 

جلسه بیست و سوم : 

جلسه بیست و چهارم : 

جلسه بیست و پنجم : 

جلسه بیست و ششم : 

جلسه بیست و هفتم : 

جلسه بیست و هشتم : 

جلسه بیست و نهم : 

جلسه سی ام : 

جلسه سی و یکم : 

جلسه سی و دوم : 

جلسه سی و سوم : 

جلسه سی و چهارم : 

جلسه سی و پنجم : 

جلسه سی و ششم: 

جلسه سی و هفتم : 

جلسه سی و هشتم : 

جلسه سی و نهم : 

جلسه چهلم : 

جلسه چهل و یکم : 

جلسه چهل و دوم : 

جلسه چهل و سوم : 

جلسه چهل و چهارم: 

جلسه چهل و پنجم : 

جلسه چهل و ششم : 

جلسه چهل و هفتم : 

جلسه چهل و هشتم : 

جلسه چهل و نهم : 

جلسه پنجاهم : 

جلسه پنجاه و یکم : 

جلسه پنجاه و دوم : 

جلسه پنجاه و سوم : 

جلسه پنجاه و چهارم : 

جلسه پنجاه و پنجم : 

جلسه پنجاه و ششم : 

جلسه پنجاه و هفتم : 

جلسه پنجاه و هشتم : 

جلسه پنجاه و نهم : 

جلسه شصتم : 

جلسه شصت و یکم : 

جلسه شصت و دوم :

جلسه شصت و سوم :

جلسه شصت و چهارم :

جلسه شصت و پنجم :

جلسه شصت و ششم :

جلسه شصت و هفتم :

جلسه شصت و هشتم :

جلسه شصت و نهم :

جلسه هفتادم :

جلسه هفتاد و یکم :

جلسه هفتاد و دوم :

جلسه هفتاد و سوم :

جلسه هفتاد و چهارم :

جلسه هفتاد و پنجم :

جلسه هفتاد و ششم :

جلسه هفتاد و هفتم :

جلسه هفتاد و هشتم :

جلسه هفتاد و نهم :

جلسه هشتادم :

جلسه هشتاد و یکم :

جلسه هشتاد و دوم :

جلسه هشتاد و سوم :

جلسه هشتاد و چهارم :

جلسه هشتاد و پنجم :

جلسه هشتاد و ششم :

جلسه هشتاد و هفتم :

جلسه هشتاد و هشتم :

جلسه هشتاد و نهم :

جلسه نودم:

جلسه نود و یکم :

جلسه نود و دوم :

جلسه نود و سوم :

جلسه نود و چهارم :

جلسه نود و پنجم :

جلسه نود و ششم :

جلسه نود و هفتم :

جلسه نود و هشتم :

جلسه نود و نهم:

جلسه صدم :

جلسه صد و یکم :

جلسه صد و دوم :

جلسه صد و سوم :

جلسه صد و چهارم :

جلسه صد و پنجم :

جلسه صد و ششم :

جلسه صد و هفتم:

جلسه صد و هشتم :

در صورتیکه قصد خرید فصل ها را به صورت جداگانه دارید براساس جدول زیر، شماره فصل را از منوی کشویی که بالای دکمه "افزودن به سبد خرید" است، انتخاب کنید و سپس بر روی دکمه "افزودن به سبد خرید" کلیک کنید تا فصل مربوطه به سبد خریدتان اضافه شود. 

فصل 1: جلسات 1-5 تئوری سیستم های خطی
فصل 2: جلسات 6-8 تئوری احتمالات
فصل 3: جلسات 9-11 تخمین حداقل مربعات
فصل 4: جلسات 12-13 انتشار حالت و کواریانس
فصل 5: جلسات 14-20 فیلتر کالمن گسسته
فصل 6: جلسات 21-27 فرمولبندی های دیگر فیلتر کالمن
فصل 7: جلسات 28-37 تعمیم های فیلتر کالمن
فصل 8: جلسات 38-44 فیلتر کالمن پیوسته
فصل 9: جلسات 45-51 هموارسازی بهینه
فصل 10: جلسات 52-56 مباحث تکمیلی فیلتر کالمن
فصل 11: جلسات 57-63 فیلتر h-infinity
فصل 12: جلسات 64-67 مباحث تکمیلی فیلتر h-infinity
فصل 13: جلسات 68-79 فیلتر کالمن توسعه یافته extended kalman filter
فصل 14: جلسات 80-89 فیلتر کالمن unscented kalman filter
فصل 15: جلسات 90-96 فیلتر ذره ای particle filter
فصل 16: جلسات 97-108 انواع دیگر فیلتر ها ckf,cdkf, ghkf, immkf

دیدگاهها

  1. محمدرضا رضایی دستجرده یی

    با سلام و عرض خسته نباشید.
    می خواستم بدونم برای سویچنگ کالمن فیلتر کدوم بخش ها لازم هست؟
    بسیار ممنون.

    • علی جوادی

      سلام
      اگر منظورتون سیستمهای سویچینگ دارای مدل چندگانه باشه، در جلسات 106 و 107 بحث شدند و دستورات مربوطه در تولباکس توضیح داده شده اند.
      برای اطلاعات بیشتر به توضیحات این جلسات و راهنمای تولباکس ekf/ukf مراجعه کنید

  2. صادق ( مالک تایید شده )

    با سلام
    در الگوریتم ckf که تویه جلسه ۹۸ معرفی می کنید الگوریتم به روز رسانی اندازه گیری مرحله ۵
    وقتی میخواین ماتریس کواریانس متقابل رو محاسبه کنید از نقاط مکعبی که در الگوریتم به روز رسانی زمانی در معادلات سیستم انتشار ندادین استفاده میکنید ولی برای نقاط مکعبی که به وسیله الگوریتم اندازه گیری محاسبه می شود از نقاط مکعبی که تویه معادله اندازه گیری انتشار میدیم استفاده می کنیم
    میخوام بپرسم دلیل این که چیه و چرا در مرحله به روز رسانی زمانی برای محاسبه کواریانس متقابل از نقاط انتشار یافته تویه سیستم استفاده نمی کنیم؟؟
    ممنون

    • علی جوادی

      سلام
      نقاط مکعبی که در مرحله بروزرسانی زمانی وجود داره با نقاط مکعبی مرحله بروزرسانی اندازه‌گیری متفاوته.
      در مرحله بروزرسانی زمانی نقاط منتشر میشه و بعد استفاده میشه.
      در مرحله بروزرسانی زمانی نقاط از ماتریس کاریانس قبلی بدست میاد و داخلش اثر مرحله قبل وجود داره.
      تازه نمیشه تو این مرحله نقاط رو دوباره انتشار داد چون یکبار قبلا منتشر شده و نباید در یک مرحله بروزرسانی تخمینها، دو بار نقاط رو انتشار داد.

  3. asal

    سلام آقای دکتر وقت بخیر
    1) برای تخمین ناحیه جذب سیستم گسسته کدام جلسات شما مناسب هست؟
    2) شما در کدام جلسه در مورد تخمین State-Dependent Parameterدرس دادید؟

    • علی جوادی

      سلام. وقت شما هم به خیر
      1) در این مجموعه اصلا بحثی از ناحیه جذب و تخمینش مطرح نشده و محل بحث نیست.
      2) اگر پارامترها تابعی از حالتها باشند، در نهایت باز هم یک سیستم غیرخطی دارید و بنابراین همه روشهای غیرخطی قابل اعمال هستند.

  4. افسون محمدی

    سلام.برای یادگیری ekfباید چه فصلی رو خرید کرد ؟

    • علی جوادی

      سلام
      فصل 13 (جلسات 68 تا 79) رو ببینید

      • افسون

        ببخشید من فقط قسمت ekf رو میخوام ولی خب اون قسمت مثلا گفته فلان چیز رو تو فصل 5 گفتم.الان باید دقیقا کدو قسمتا رو بگیرم؟

        • علی جوادی

          اگر دوست دارید مباحث تئوریک و نحوه استخراج فرمولها رو هم یاد بگیرید، توصیه میکنم اول فصل 5 رو کامل ببینید که اولین بار فیلتر کالمن معرفی شده بعد فصل 13.
          اما اگه فقط می خواهید فیلتر EKF رو روی سیستم خودتون پیاده کنید و کدنویسی رو یاد بگیرید، فقط جلسه 17 فصل 5 (نحوه نصب تولباکس در متلب) رو ببینید و بعد فصل 13 رو ببینید.
          من سعی کردم تمام جزییات گفته بشه ولی میتونید اون قسمتهایی که جنبه تئوریک داره سریع رد بشید و صرفا روش پیاده سازی فیلتر در محیط متلب رو یاد بگیرید و مثالها رو ببینید.

  5. محمد

    سلام
    اگر من بخوام که از فیلتر کالمن برای بحث ناوبری و تلفیق داده های سنسورها استفاده کنم، باید چه مباحثی از این اموزش رو استفاده کنم؟(اگر که بخوام عمقی بفهمم مباحث رو)

    • علی جوادی

      سلام
      به نظر من اول فصل 5 (جلسات 14 تا 20) رو ببینید که فیلتر کالمن اولین بار اونجا مطرح شده.
      بعد فیلتر UKF رو پیشنهاد میدم (فصل 14 – جلسات 80 تا 89)
      البته کلی روش دیگه هم معرفی شده که میتونید استفاده کنید

  6. محمدرضا

    با سلام
    جناب دکتر با مبحث state estimation with unknown input اشنا هستین؟ که با فیلترهای کالمن پیاده سازی میشه؟

    • علی جوادی

      سلام
      نه متاسفانه

  7. بزرگ نیا

    سلام و عرض خسته نباشید ،بنده دانشجوی کارشناسی ارشد رشته GIS, RS هستم و موضوع پایان نامه ام در ارتباط با تعیین موقعیت اشیاء متحرک با استفاده از الگوریتم کالمن فیلتر ؛میخواستم بدونم مبحثی رو که شما در ارتباط با تخمین بهینه کالمن فیلتر مطرح کردید و نحوهء پیاده سازی این الگوریتم ،جامع هست و موضوعات مختلف رو دربرمیگیره یا نه و بنده می تونم از این آموزشها استفاده کنم یا خیر؟
    با سپاس فراوان

    • علی جوادی

      @بزرگ نیا,
      سلام
      من تا جایی که تونستم اکثر روشهای مهم رو تا سال 2016 داخل این مجموعه جا دادم. برای اینکه دقیقا بدونید چه روشهایی گفته شده اولا کلیپ کوتاه ابتدایی پست رو ببینید و بعد فهرست موضوعی جلسات رو (زیر همون کلیپ) ببینید.
      جلسه اول هم که رایگانه میتونید مباحث مقدماتی رو داخل جلسه اول ببینید.
      بعد از این کارها اگه بازم سوالی داشتید در خدمتم

      • بزرگ نیا

        @علی جوادی,
        ممنون بخاطر زمانی که گذاشتید

  8. احمد باقری

    @علی جوادی,
    من فقط ازتون سوال کردم که چرا این فرمولها تفاوت داره و جواب من میتونست این باشه که فرمولهای حالت گسسته با حالت پیوسته متفاوته. نمیدونم کجای سوال من شبیه ادعا بود.
    در مورد hut_ transform هم طبق فرمولهای پیوسته Y میشد X و من چون نمیدونستم فرمولهای پیوسته و گسسته متفاوته با این تغییر دیدم که برنامه تون خیلی خوب جواب میده گفتم اینجا مطرح کنم شاید اشتباهی شده باشه همین. و باز هم ادعایی وجود نداشت
    ممنونم از راهنماییتون

    • علی جوادی

      @احمد باقری,
      مشکل اکثر دوستان اینه که بدون دقت کافی و بررسی بیشتر مراجع پیشنهادهایی ارائه می‌کنند که با دیدن دقیق فیلمها قطعا پیش نمیاد. اگر هم تغییری پیشنهاد میشه یا باید به مراجع استناد بشه یا اثبات بشه
      موفق باشید

  9. احمد باقری

    سلام
    خسته نباشید آقای دکتر، تشکر از آموزشهای خوبتون
    ببخشید من یه سوال در مورد بخش ukf برام پیش اومده که ممنون میشم راهنماییم کنید
    تو تابع ukf_update خط 105 تا108 فرمولهای ukf با فرمولهایی که اقای simo sarkka تو مقاله مربوط به ukf پیوسته نوشتن یکم فرق داره مثلا فرمول مربوط به K کلا متفاوته و تو فرمول P قسمت اول مثل مقاله است فقط قسمت آخر فرمول فرق داره
    یکیم اینکه تو تابع hut_transform خط 153 فرمول S=Y*W*YT بنطرم باید به این شکل باشه اگه اشتباه نکرده باشم S=Y*W*XT چون تو تمرین 14-15 هم برنامه خوب جواب نمیداد فکرکنم مشکل از اونجا باشه

    • علی جوادی

      @احمد باقری,
      سلام
      اولا ما دستوری به نام ukf_update نداریم. اما اگه منظورتون ukf_update1 هستش، باید بگم که ukf_update1 برای پیاده‌سازی UKF گسسته استفاده میشه و فرمولهاش کاملا متفاوت از حالت پیوسته هست که داخل مقاله Simo Sarkka 2007 ارائه شده و باید هم متفاوت باشه. نمیدونم شما چرا فکر می کنید معادلات گسسته و پیوسته UKF باید باهم یکسان باشه. اگه ادعایی دارید باید اثباتش کنید.
      در مورد hut_transform هم به معادله (3-45) راهنمای توالباکس مراجعه کنید. رابطه S=Y*W*YT کاملا درسته. لطفا قبل از هر ادعایی اول مراجع رو به دقت بررسی کنید.

  10. علی

    باسلام و خسته نباشید خدمت شما اقای دکتر
    عذر میخوام،من یه ابهامی برام پیش اومده،این معادلات دینامیک سیستم و اندازه گیری که شما معرفی میکنید،مربوط به فیلتر کالمن هستن؟ینی فیلتر کالمن خودش یه تابع تبدیل داره؟
    یا مربوط میشن به سیستمی که تو بلوک دیاگرام هست(P)؟؟؟
    ممنون میشم اگه راهنماییم کنید

    • علی جوادی

      @علی,
      سلام
      دینامیک سیستم و معادلات خروجی که در فیلتر کالمن استفاده میشه همون دینامیک سیستم و خروجیهای سیستم هستش که قراره حالتهاش (یا پارامترهاش) تخمین زده بشه

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شناسایی سیستم
۳۴,۸۰۰ تومان
مدلسازی و پیاده‌سازی ارتعاشات جاده برای سیستم کنترل تعلیق فعال خودرو

مدلسازی و پیاده‌سازی ارتعاشات جاده برای سیستم تعلیق خودرو
Original price was: ۳۳۶,۰۰۰ تومان.Current price is: ۲۳۶,۴۰۰ تومان.

حل تمرینات منتخب سیستمهای ناوبری
Original price was: ۲۴۰,۰۰۰ تومان.Current price is: ۱۶۶,۸۰۰ تومان.

کنترل مقاوم سیستمهای خطی تحت اغتشاش با روش شکل دهی حلقه
۱۴۹,۰۰۰ تومان
محصولات مشابه
کنترل فیدبک خروجی سیستمهای خطی از طریق رویتگر (تخمین‌گر) با استفاده از نامساوی‌های ماتریسی خطی (LMI)

کنترل فیدبک خروجی سیستمهای خطی از طریق رویتگر (تخمین‌گر) با استفاده از نامساوی‌های ماتریسی خطی (LMI)
Original price was: ۲۶۴,۰۰۰ تومان.Current price is: ۱۷۸,۸۰۰ تومان.
سبد خرید

سبد خرید شما خالی است.

ورود به سایت
فیلتر کالمن

۶۹,۰۰۰ تومان

انتخاب گزینه‌ها