UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRO DE TECNOLOGIA E GEOCIÊNCIAS

DEPARTAMENTO DE ENGENHARIA QUÍMICA
DISCIPLINA: IDENTIFICAÇÃO DE PROCESSOS QUÍMICOS
PROFESSOR: SÉRGIO LUCENA
ALUNA: NATHÁLIA DE MORAIS BRIANO

RELATÓRIO SOBRE O FILTRO DE KALMAN

1. INTRODUÇÃO

O Filtro de Kalman é capaz de estimar os estados de um sistema contaminado por

um ruído gaussiano branco. Suas equações matemáticas compõem um processo recursivo
ótimo capaz de reduzir a soma dos quadrados das diferenças entre os valores reais e os
estimados. Para tal, são consideradas duas etapas, a de atualização do tempo e a de
atualização das medidas. Ou seja, o Filtro de Kalman é um conjunto de equações
matemáticas que utilizam medições de um determinado evento ao longo do tempo, assim
como seus ruídos e incertezas, para estimar os valores futuros de uma variável e, dessa
forma, minimizar os efeitos dos ruídos.
Este trabalho tem como objetivo simular uma situação demonstrando a aplicação
do Filtro de Kalman.

2. METODOLOGIA

Foi utilizado como base a medição de temperatura através de um sensor, como o

exemplo mostrado anteriormente na aula. Os dados do sensor de temperatura foram
simulados segundo a equação abaixo:
𝜋𝑖 𝜋𝑖
𝑟𝑒𝑎𝑙(𝑖) = 16 − 1,23. 𝑐𝑜𝑠 − 0,86. 𝑠𝑒𝑛 + 5. 𝜔
350 350

O modelo matemático abaixo, próprio do Filtro de Kalman, no qual xx é a variável

de estado (temperatura) e 𝜔𝑘 é o ruído, foi escolhido para ser utilizado:
 𝑥𝑘+1 = 𝐴. 𝑥𝑘 + 𝐶. 𝜔𝑘

Em seguida, foram feitas as seguintes suposições:

 A = 1;
 C = 1;
 H =1;
 Q = 0,7 °C → perturbação aleatória no estado (temperatura);
 R = 100 → ruído no sensor;
 P(0) = 70 → matriz de covariância inicial da perturbação do estado;
 x(0) = 0 °C → temperatura inicial anterior ao filtro;
 t = 100 → tempo final de simulação.

Após a definição desses dados de entrada, a simulação foi feita no MATLAB. Para
que fosse avaliado o comportamento do ruído do sensor, os parâmetros iniciais
estabelecidos para os Filtro de Kalman foram alterados. Variou-se os parâmetros A e C
individualmente, mantendo-se os demais conforme definidos anteriormente.

3. RESULTADOS E DISCUSSÃO

A Figura 1 mostra o gráfico com os parâmetros iniciais estabelecidos.

Figura 1 - Gráfico com os parâmetros iniciais estabelecidos.

 Os gráficos das Figuras 2, 3, 4 e 5 mostram os resultados das alterações dos
parâmetros A e C, conforme indicado em suas legendas.

Figura 2 - Gráfico com A=0,1 e os demais parâmetros inalterados.

Figura 3 - Gráfico com A=10 e os demais parâmetros inalterados.

 Figura 4 - Gráfico com C=0,1 e os demais parâmetros inalterados.

Figura 5 - Gráfico com C=10 e os demais parâmetros inalterados.

Percebe-se que a curva estimada no gráfico com A=0,1 (Figura 2) não se aproxima
da curva do sensor, por isso o resultado não é satisfatório ainda. Já para as curvas das
Figuras 3 e 5, a curva se ajustou à posição da curva do sensor, porém os ruídos não foram
eliminados, sendo assim o resultado também não foi satisfatório nesses dois casos.
Os melhores resultados foram obtidos na Figura 1 e 4, pois foi observado o ajuste
da curva de estimativa aos dados do sensor, além de menor quantidade de ruído, o que é
esperado quando se aplica um Filtro de Kalman.

4. CONCLUSÕES

O Filtro de Kalman e o sensor de temperatura e foram bem representados pelo

modelo matemático escolhido e os melhores resultado para aplicação do Filtro de Kalman
foram obtidos com os parâmetros iniciais (A=1, H=1 e C=1) e com a redução do
parâmetro C para 0,1.