@پیام,
سلام
مساله تلفیق یکی از کاربردهای فیلتر کالمنه و در این سری فیلمها بررسی نشده. اینجا هدف من آموزش خود فیلترها بوده و روی هر کاربردی قابل اجراست.
برای این کاربرد خاص به مجموعه آموزشی زیر مراجعه کنید و درخواستتون رو با دکتر رئوف مطرح کنید:
https://www.controlref.com/inertial-navigation/
پیام(مهمان)
–
با سلام خدمت آقای جوادی
تلفیق INS/GPS با استفاده از فیلتر کالمن در کدام فصل آورده شده است؟
ممنون از زحماتتون
علی جوادی
–
@جواد,
با سلام و عرض ادب
فیلتر یک عنوان کلیه و میتونه به سیگنال یا سیستم اعمال بشه. فیلترها میتونند پایین گذر، بالاگذر میانگذر، میانگذر و غیره باشند. ولی رویتگر به دینامیکی اطلاق میشه که برای تخمین حالتهای یک سیستم استفاده میشه. البته رویتگر خودش یک نوع فیلتره که معمولا فیلتر پایین گذر هم هست و به همین خاطر هم میتونه نویز اندازهگیری رو کم کنه.
جواد(مهمان)
–
با سلام خدمت استاد گرامی
سوال بسیار مهمی برام پیش اومد اونم این که فرق بین روئیت گر و فیلتر چیه ؟
یک بار از یکی پرسیدم گفت هیچ فرقی با هم ندارن
اما بنظر من فرق دارن اما تفاوتشون رو نمیدونم در چی هستش
ممنونم میشم برام بگین که چه فرقی بین روئیت گر و فیلتر وجود داره؟
با تشکر از شما و سایت خوبتون
علی جوادی
–
@حامد,
نرام افزار متلب محاسبات رو با دقت بالا انجام میده و باعث میشه که به یک جواب برسید. داخل متلب اصولا هر فیلتری با نسخه ریشه دومش به یه جواب میرسه مگر اینکه خیلی سیستم پیچیده باشه
حامد(مهمان)
–
@علی جوادی, اینکه توی هردو روش RMSE ها درایه به درایه دقیقا مثل هم هستن چیز عجیبی نیست؟ بالاخره روش حلشون متفاوته تا حدودی.من چند بار چک کردم هردو برنامه رو.اما دقیقا مثل هم هستن.حتی قسمت اعشاری عددها
علی جوادی
–
@حامد,
سلام
کاملا طبیعیه دوست عزیز. به خاطر اینکه مزیت روش ریشه دوم نتایج بهتر و دقیقتر در هر شرایطی نیست بلکه اگر شما خطای حل عددی داشتید (مثلا در پیاده سازی عملی) ، نتایج روش ریشه دوم بهتر خواهد بود چون به لحاظ حل عددی ثبات بیشتری داره.
برای اطلاعات بیشتر به جلسه 23 مراجعه کنید
حامد(مهمان)
–
سلام.وقت بخیر
من تلفیق INS/GPS رو با CKF و ریشه دوم CKF انجام دادم.نتایج RMSE اونها دقیقا مثل همه.بدون کوچکترین تغییر!! حداقل باید یه تغییر کوچک بکنه
آیا این طبیعیه؟ مگه نه اینکه نسخه ریشه دوم نتایج دقیقتری رو باید بده؟
علی جوادی
–
@حمید,
سلام. از تاخیر در پاسخگویی عذرخواهی میکنم.
اگر ورودی کنترلی داشته باشید، می تونید ورودیها رو در کد اصلی وارد param کرده و داخل کد تابع سیستم ازش استفاده کنید.
نحوه گسسته سازی سیستمهای تصادفی (stochastic) متفاوت از سیستمهای قطعی (deterministic) است. در واقع به جای روش اویلر برای گسسته سازی که در سیستمهای قطعی استفاده می شه، اصولا باید از روش اویلر-ماریاما استفاده بشه تا به نتایج درستی برسیم. در روش اویلر-ماریاما به جای خود dt باید رادیکال dt به نویز ضرب بشه تا نویز سفید گسسته بشه. بنابراین برعکسش برای نویز اندازهگیری اتفاق میافته یعنی اگر نویز گسسته باشه، باید تقسیم بر رادیکال dt بشه تا به حالت پیوسته در بیاد مثل همون کاری که برای بردار اندازهگیری z انجام شده.
برای اطلاعات بیشتر در مورد روش اویلر-ماریاما به صفحه 99 کتاب زیر مراجعه کنید:
https://goo.gl/AhTxHU
حمید(مهمان)
–
سلام. اگر بخواهیم همان تمرین موتور دوفاز را که به صورت hekf و ekbf حل شد را به صورت ekf گسسته حل کنیم، چون ورودی ها با زمان تغییر می کنند، ورودی های کنترلی آن به چه صورت باید وارد معادلاتمان شود؟ لطفا درباره کد تابع f با ورودی کنترلی راهنمایی فرمایید. همچنین در ekbf برای سیستم واقعی، ekbf در رادیکال dt ضرب شده بود و z نیز تقسیم بر رادیکال dt شده بود که به نظرم لازم نیست.
علی جوادی
–
@حامد,
سلام
من تا حالا سیستم INS با GPS رو انجام ندادم ولی استفاده از اندازهگیریها هر زمانی که در دسترس بودند به نظر درست میاد. میتونید اندازهگیریها رو با نمونه برداری از داده های INS همزمان کنید تا هیچ شک و شبهه ای به وجود نیاد.
اگر معادلات سیستم خیلی غیرخطی باشند یا رنج تغییرات بردار حالت زیاد باشه اصولا CKF باید بهتر از EKF باشه
حامد(مهمان)
–
سلام وقت بخیر
من قراره یک سیستم INS و GPS رو با CKF تخمین بزنم.مشکلی که دارم اینه که چون فرکانس INS ده برابر GPS هستش برای همین برای اون زمانهایی که ما داده اندازه گیری نداریم باید چکار کنیم؟
من توی اون زمانها تخمین رو با داده های خود INS پیش میبرم.این کار درسته؟
با وجود این کار فیلتر CKF من نسبت به EKF نتیجه بهتری رو نداده و حتی به صورت جزئی نتایج بدتر هم شده.
علی جوادی
–
@محمد,
سلام
ورودی مرجع xr توسط طراح و طبق خواسته شما از سیستم تعیین میشه و از جایی بدست نمیاد
محمد(مهمان)
–
سلام آقای دکتر وقتتون بخیر
سیستم بنده یک سیستم MISO هستش و واسه ردیابی سیگنال رفرنس ، وقتی معادله (An*xr+Bn*ur) رو حل میکنم ur بر حسب yr , xr بدست میاد.میخواستم ببینم واسه پیاده سازی xr رو چه جوری بدست بیارم؟
علی جوادی
–
@نعیم,
سلام
برای سیستمهای غیرخطی در حالت کلی روش کنترل مقاوم ارائه نشده ولی برای دسته ای از سیستمهای غیرخطی روشهایی وجود داره. البته بعضی از روشها هم هستند که کلیتر هستند ولی حل معادلات نهایی بدست اومده سخته به خاطر اینکه به نامساوی ماتریسی منجر نمی شوند. امیدوارم در آینده فرصت بشه در مورد روشهای مختلف صحبت کنم.
نعیم(مهمان)
–
سلام و عرض خسته نباشید
می خواستم ببینم چه زمانی کنترل مقاوم ∞H سیستمهای غیر خطی تحت اغتشاش با استفاده از نامساویهای ماتریسی خطی (LMI) رو بیان میکنید؟
سلام من میخوام این فیلم رو تهیه کنم اما قبلش میخوام مطمئن شم برای سیستمی که دارم (یک مقاله) به کار میاد یا خیر. خواهش میکنم زود پاسخ بدید. اگه ممکنه به ایمیلم پیام بدین که مقاله رو بفرستم ببینید. ممنون از لطفتان
علی جوادی
–
@امیر,
سلام
اولا که اگر ورودی کنترلی دارید، باید حواستون باشه که کنترل کننده با موفقیت بتونه سیستم رو کنترل بکنه و اگر درست کار نکنه قطعا فیلتر هم جواب نخواهد داد
ثانیا فیلتر Hinf به پارامترها خیلی حساسه و باید پارامترها رو اونقدر تغییر بدید تا به جواب برسید. مثلا یکبار teta رو صفر بذارید (فیلتر کالمن) و ببینید میتونید پارامترهای دیگه رو طوری انتخاب کنید تا جواب بده یا نه. اگه جواب داد اون موقع teta رو زیادش کنید
ثالثا سعی کنید flag رو به عنوان خروجی تابع بگیرید و ببینید که فیلتر اصلا جواب داره یا نه
امیر(مهمان)
–
سلام. من در قسمت H-Infinity مدل خودم رو به برنامه جلسه 60 وارد کردم. اما همیشه یک ارور رو دریافت می کنم. برای رفع ارور مقادیر teta, S, P و حتی R رو کوچیک کردم تا تابع مثبت معین بشه. اما همچنان این ارور رو دریافت می کنم. ممنون میشم راهنمایی بفرمایید.
Error using eig
Input to EIG must not contain NaN or Inf.
Error in HIF (line 54)
con = min(eig(ch));
Error in HinfinityObserver (line 77)
[mhinf,Chinf,K] = HIF(mhinf,Chinf,F,Q,Y(:,i),H,R,L,S,teta,G,u(i));
علی جوادی –
@پیام, سلام مساله تلفیق یکی از کاربردهای فیلتر کالمنه و در این سری فیلمها بررسی نشده. اینجا هدف من آموزش خود فیلترها بوده و روی هر کاربردی قابل اجراست. برای این کاربرد خاص به مجموعه آموزشی زیر مراجعه کنید و درخواستتون رو با دکتر رئوف مطرح کنید: https://www.controlref.com/inertial-navigation/
پیام (مهمان) –
با سلام خدمت آقای جوادی تلفیق INS/GPS با استفاده از فیلتر کالمن در کدام فصل آورده شده است؟ ممنون از زحماتتون
علی جوادی –
@جواد, با سلام و عرض ادب فیلتر یک عنوان کلیه و میتونه به سیگنال یا سیستم اعمال بشه. فیلترها میتونند پایین گذر، بالاگذر میانگذر، میانگذر و غیره باشند. ولی رویتگر به دینامیکی اطلاق میشه که برای تخمین حالتهای یک سیستم استفاده میشه. البته رویتگر خودش یک نوع فیلتره که معمولا فیلتر پایین گذر هم هست و به همین خاطر هم میتونه نویز اندازهگیری رو کم کنه.
جواد (مهمان) –
با سلام خدمت استاد گرامی سوال بسیار مهمی برام پیش اومد اونم این که فرق بین روئیت گر و فیلتر چیه ؟ یک بار از یکی پرسیدم گفت هیچ فرقی با هم ندارن اما بنظر من فرق دارن اما تفاوتشون رو نمیدونم در چی هستش ممنونم میشم برام بگین که چه فرقی بین روئیت گر و فیلتر وجود داره؟ با تشکر از شما و سایت خوبتون
علی جوادی –
@حامد, نرام افزار متلب محاسبات رو با دقت بالا انجام میده و باعث میشه که به یک جواب برسید. داخل متلب اصولا هر فیلتری با نسخه ریشه دومش به یه جواب میرسه مگر اینکه خیلی سیستم پیچیده باشه
حامد (مهمان) –
@علی جوادی, اینکه توی هردو روش RMSE ها درایه به درایه دقیقا مثل هم هستن چیز عجیبی نیست؟ بالاخره روش حلشون متفاوته تا حدودی.من چند بار چک کردم هردو برنامه رو.اما دقیقا مثل هم هستن.حتی قسمت اعشاری عددها
علی جوادی –
@حامد, سلام کاملا طبیعیه دوست عزیز. به خاطر اینکه مزیت روش ریشه دوم نتایج بهتر و دقیقتر در هر شرایطی نیست بلکه اگر شما خطای حل عددی داشتید (مثلا در پیاده سازی عملی) ، نتایج روش ریشه دوم بهتر خواهد بود چون به لحاظ حل عددی ثبات بیشتری داره. برای اطلاعات بیشتر به جلسه 23 مراجعه کنید
حامد (مهمان) –
سلام.وقت بخیر من تلفیق INS/GPS رو با CKF و ریشه دوم CKF انجام دادم.نتایج RMSE اونها دقیقا مثل همه.بدون کوچکترین تغییر!! حداقل باید یه تغییر کوچک بکنه آیا این طبیعیه؟ مگه نه اینکه نسخه ریشه دوم نتایج دقیقتری رو باید بده؟
علی جوادی –
@حمید, سلام. از تاخیر در پاسخگویی عذرخواهی میکنم. اگر ورودی کنترلی داشته باشید، می تونید ورودیها رو در کد اصلی وارد param کرده و داخل کد تابع سیستم ازش استفاده کنید. نحوه گسسته سازی سیستمهای تصادفی (stochastic) متفاوت از سیستمهای قطعی (deterministic) است. در واقع به جای روش اویلر برای گسسته سازی که در سیستمهای قطعی استفاده می شه، اصولا باید از روش اویلر-ماریاما استفاده بشه تا به نتایج درستی برسیم. در روش اویلر-ماریاما به جای خود dt باید رادیکال dt به نویز ضرب بشه تا نویز سفید گسسته بشه. بنابراین برعکسش برای نویز اندازهگیری اتفاق میافته یعنی اگر نویز گسسته باشه، باید تقسیم بر رادیکال dt بشه تا به حالت پیوسته در بیاد مثل همون کاری که برای بردار اندازهگیری z انجام شده. برای اطلاعات بیشتر در مورد روش اویلر-ماریاما به صفحه 99 کتاب زیر مراجعه کنید: https://goo.gl/AhTxHU
حمید (مهمان) –
سلام. اگر بخواهیم همان تمرین موتور دوفاز را که به صورت hekf و ekbf حل شد را به صورت ekf گسسته حل کنیم، چون ورودی ها با زمان تغییر می کنند، ورودی های کنترلی آن به چه صورت باید وارد معادلاتمان شود؟ لطفا درباره کد تابع f با ورودی کنترلی راهنمایی فرمایید. همچنین در ekbf برای سیستم واقعی، ekbf در رادیکال dt ضرب شده بود و z نیز تقسیم بر رادیکال dt شده بود که به نظرم لازم نیست.
علی جوادی –
@حامد, سلام من تا حالا سیستم INS با GPS رو انجام ندادم ولی استفاده از اندازهگیریها هر زمانی که در دسترس بودند به نظر درست میاد. میتونید اندازهگیریها رو با نمونه برداری از داده های INS همزمان کنید تا هیچ شک و شبهه ای به وجود نیاد. اگر معادلات سیستم خیلی غیرخطی باشند یا رنج تغییرات بردار حالت زیاد باشه اصولا CKF باید بهتر از EKF باشه
حامد (مهمان) –
سلام وقت بخیر من قراره یک سیستم INS و GPS رو با CKF تخمین بزنم.مشکلی که دارم اینه که چون فرکانس INS ده برابر GPS هستش برای همین برای اون زمانهایی که ما داده اندازه گیری نداریم باید چکار کنیم؟ من توی اون زمانها تخمین رو با داده های خود INS پیش میبرم.این کار درسته؟ با وجود این کار فیلتر CKF من نسبت به EKF نتیجه بهتری رو نداده و حتی به صورت جزئی نتایج بدتر هم شده.
علی جوادی –
@محمد, سلام ورودی مرجع xr توسط طراح و طبق خواسته شما از سیستم تعیین میشه و از جایی بدست نمیاد
محمد (مهمان) –
سلام آقای دکتر وقتتون بخیر سیستم بنده یک سیستم MISO هستش و واسه ردیابی سیگنال رفرنس ، وقتی معادله (An*xr+Bn*ur) رو حل میکنم ur بر حسب yr , xr بدست میاد.میخواستم ببینم واسه پیاده سازی xr رو چه جوری بدست بیارم؟
علی جوادی –
@نعیم, سلام برای سیستمهای غیرخطی در حالت کلی روش کنترل مقاوم ارائه نشده ولی برای دسته ای از سیستمهای غیرخطی روشهایی وجود داره. البته بعضی از روشها هم هستند که کلیتر هستند ولی حل معادلات نهایی بدست اومده سخته به خاطر اینکه به نامساوی ماتریسی منجر نمی شوند. امیدوارم در آینده فرصت بشه در مورد روشهای مختلف صحبت کنم.
نعیم (مهمان) –
سلام و عرض خسته نباشید می خواستم ببینم چه زمانی کنترل مقاوم ∞H سیستمهای غیر خطی تحت اغتشاش با استفاده از نامساویهای ماتریسی خطی (LMI) رو بیان میکنید؟
علی جوادی –
@منصور, سلام اقدام شد
منصور (مهمان) –
سلام من میخوام این فیلم رو تهیه کنم اما قبلش میخوام مطمئن شم برای سیستمی که دارم (یک مقاله) به کار میاد یا خیر. خواهش میکنم زود پاسخ بدید. اگه ممکنه به ایمیلم پیام بدین که مقاله رو بفرستم ببینید. ممنون از لطفتان
علی جوادی –
@امیر, سلام اولا که اگر ورودی کنترلی دارید، باید حواستون باشه که کنترل کننده با موفقیت بتونه سیستم رو کنترل بکنه و اگر درست کار نکنه قطعا فیلتر هم جواب نخواهد داد ثانیا فیلتر Hinf به پارامترها خیلی حساسه و باید پارامترها رو اونقدر تغییر بدید تا به جواب برسید. مثلا یکبار teta رو صفر بذارید (فیلتر کالمن) و ببینید میتونید پارامترهای دیگه رو طوری انتخاب کنید تا جواب بده یا نه. اگه جواب داد اون موقع teta رو زیادش کنید ثالثا سعی کنید flag رو به عنوان خروجی تابع بگیرید و ببینید که فیلتر اصلا جواب داره یا نه
امیر (مهمان) –
سلام. من در قسمت H-Infinity مدل خودم رو به برنامه جلسه 60 وارد کردم. اما همیشه یک ارور رو دریافت می کنم. برای رفع ارور مقادیر teta, S, P و حتی R رو کوچیک کردم تا تابع مثبت معین بشه. اما همچنان این ارور رو دریافت می کنم. ممنون میشم راهنمایی بفرمایید. Error using eig Input to EIG must not contain NaN or Inf. Error in HIF (line 54) con = min(eig(ch)); Error in HinfinityObserver (line 77) [mhinf,Chinf,K] = HIF(mhinf,Chinf,F,Q,Y(:,i),H,R,L,S,teta,G,u(i));