مرجع مهندسی كنترل | دانش با کیفیت در مرز علم
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.
- 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.
محمد علی
سلام جناب جوادی
وقت بخیر . ممنون از آموزش خوبتون
فرق بین تخمین گر روئیتگر با تخمین گر مشاهده گر چیه ؟
دکتر علی جوادی
سلام
تا جایی که من اطلاع دارم فرق چندانی ندارند ولی کلمه رویتگر بیشتر برای رویت حالتها استفاده میشه ولی تخمینگر برای تخمین پارامترها هم استفاده میشه.
مهرداد
سلام ببخشید در تخمین همزمان با ukf بعد از تغییر مقدار اولیه فیلتر دیگه جواب تخمین با مقدار اصلی مطابقت نداره چطور مشکل رو برطرف کنم؟کواریانس خطا هم تغیر دادم نشد
alij63@gmail.com
سلام. دلایل زیادی میتونه داشته باشه.
از نحوه آپدیت کواریانس نویز فرایند پارامتر (ثابت، فاکتور فراموشی و یا رابینز مونرو) تا اشتباهات کدنویسی و تنظیم خود فیلتر کالمن و غیره
مهرداد
این مشکل فقط برای یکی از حالت ها پیش میاد!برای رفعش چه باید کرد؟
alij63@gmail.com
اگر اون حالت پارامتر باشه میتونه به خاطر تنظیم کواریانس نویز فرایندش باشه
مهرداد
سلام تفاوت پیاده یازی فیلتر کالمن افلاین و انلاین در چی هست؟چه طور میتونم یه شبیه سازی افلاین رو انلاین کنم؟
alij63@gmail.com
سلام
آفلاین یعنی همه داده ها موجوده هستند و مثلا برای smoother استفاده میشه.
آنلاین یعنی اینکه هر لحظه داده فعلی به فیلتر اعمال شده و تخمینها بدست میاد
داده های آفلاین رو میتونید یکی یکی به فیلتر داده و تخمینها رو بدست بیارید
علی
با سلام – فصل های 6 و 7 و 8 و9 از حالت فشرده باز نمیشن و پیغام میده که این فایل ها Corrupt (خراب) هستن . میشه مشکل رو برطرف کنید و دوباره برام ارسالشون کنید . با تشکر
مدیر سایتادمین سایت ( مالک تایید شده )
لینک ها سالم هستند. در صورتیکه از اینترنت دانلود منیجر استفاده میکنید، تعداد کانکشن را بر روی یک قرار دهید. راه دیگر استفاده از دانلودر مرورگر می باشد. با کلیک راست و گزینه save as . در صورت بر طرف نشدن مشکل لطفا مدیریت را از طریق شماره واتساپ 09132851920 در جریان قرار دهید. با تشکر
محمد
سلام اقاي دکتر وقت بخير من امروز 21 بهمن ساعت 9 صبح قصد خريد جلسات 80و81و82 رو داشتم که بجاي جلسه هشتادّ، دوبار جلسه هشتاد دو خريدار شده اگر امکانش هست جلسه هشتاد برام بفرستين ممنون.
alij63@gmail.com
سلام. به پشتیبانی ارجاع شد
رنجبر
سلام وقتتون بخیر
ببخشید جناب دکتر بنده یه پروژه درسی دارم که قصد دارم برای تخمین موقعیت از فیلتر کالمن استفاده کنم. برای انجام این پروژه کدوم جلسات رو تهیه کنم؟ممنون میشم در اسرع وقت راهنماییم کنید.
باتشکر
alij63@gmail.com
سلام
اول کلیپ ابتدای پست رو ببینید و بعد جلسه اول که رایگانه ببینی. بعد اگر بازم سوالی بود بپرسید
مجید
آقای دکتر جوادی سلام
لطفا در خصوص ارتقا EKFتوسط شبکه عصبی در صورت امکان راهنمایی بفرمایید
alij63@gmail.com
سلام
تا حالا در این زمینه کار نکردم
شاهین
سلام جناب دکتر … از erts_smooth1 میشه برای HEKF هم استفاده کرد؟ تغییراتی نیز نیست داده بشه ؟
alij63@gmail.com
سلام
داخل کتاب که چیزی در مورد هموارساز نسخه های هیبریدی صحبتی نکرده و من هم تا حالا نیاز نداشتم تا بهش فکر کنم.
ایده ای هم ندارم. به نظرم بهتره تو نت سرچ کنید شاید چیزی پیدا بشه
علی
سلام آقای جوادی. سوالی داشتم از خدمتتون که توی آموزش هاتون پاسخی برای اون پیدا نکردم. سوال این هست که عدم قطعیت های مدلسازی را چگونه می توان در نظر گرفت؟ منظور از عدم قطعیت، تفاوت ذاتی بین مدل فضای حالت یک سیستم و واقعیت همان سیستم پیچیده در دنیای حقیقی است. آیا روش های به روزرسانی ماتریس نویز فرآیند که بیان می کنید برای جبران عدم قطعیت های مدل است؟
با تشکر از پاسختون.
alij63@gmail.com
سلام
بله. نویز فرایند برای مدلسازی همین عدم قطعیت استفاده میشه
amir
سلام.
درگاه برای پرداخت متصل نمیشه.
alij63@gmail.com
سلام
بعضی اوقات پیش میاد. دوباره امتحان کنید. اگر مشکل حل نشد، به پشتیبانی سایت پیام بدید