Escolar Documentos
Profissional Documentos
Cultura Documentos
Problema:
Suponha que desejamos estudar o movimento de um veículo que se locomove em linha
reta. Consideremos como estados do sistema a posição p e a velocidade v. A entrada do
sistema é a aceleração u.
No entanto, o sistema está sujeito a perturbações e ruídos, de modo que um modelo mais
realista para v é:
vk +1 = vk + Tuk + vk−
onde vk- é o ruído de velocidade no instante k.
p
Definindo o vetor de estados como xk = k , podemos escrever o sistema linear de
vk
equações na forma matricial:
1 T T 2 / 2
xk +1 = x +
k uk + wk
0 1 T
yk = [1 0] xk + zk
pk−
com wk = − , cujos elementos já foram definidos, e zk o ruído de medida devido aos
vk
erros de sensores.
Porém, para a aplicação da solução do Filtro de Kalman é necessário que sejam satisfeitas
certas hipóteses sobre os ruídos que afetam o sistema, que aqui foram estabelecidos
anteriormente como w, o ruído de estado, e z, o ruído de medida.
Por hipótese temos que o valor médio de w é zero e que o valor médio de z é zero.
Também, por hipótese, não existe correlação entre w e z. Ou seja, em qualquer instante k,
wk e zk são variáveis aleatórias independentes. Sendo assim,as matrizes de covariância de
ruído Sw e Sz são definidas como:
Como foi visto anteriormente, existem várias formulações alternativas para o FK. Uma
delas é:
K k = APk C T ( CPk C T + S z )
−1
Problema específico
Considere um veículo viajando ao longo de uma estrada. A posição é medida com um
erro de 10 feet (desvio padrão). A entrada do sistema é uma aceleração constante de 1
foot/s2. O ruído de aceleração é 0.2feet/s2 (desvio padrão). A posição é medida 10 vezes
por segundo (T=0.1).
Como o ruído de medida é grande, espera-se poder fazer obter uma informação melhor
do que simplesmente usar o valor medido.
1 0.1 0.005
xk +1 = xk + uk + wk
0 1 0.1
yk = [1 0] xk + zk
Ou seja,
σ i2 = E ( xi − E ( xi ) ) - variância da variável aleatória xi
2
σ ij = E ( xi − E ( xi ) ) ( x j − E ( x j ) ) , i ≠ j - covariância das variáveis xi e xj
σ 12 σ 12 L σ 1n
σ 12 σ 22 L σ 2 n
Var ( X ) =
M M M
2
σ 1n σ 2 n L σ n
Esta é a matriz de covariância ou matriz de dispersão das variáveis aleatórias x1, x2, ... ,
xn. Ela é simétrica e o elemento de posição i,i é a variância da variável xi e o elemento de
posição i,j, para i≠j, é a covariância entre as variáveis xi e xj.
Matrizes de covariância
T 2 T
− T −
2
E .a .a = E ( 0.005 × 0.2 )( 0.005 × 0.2 ) = 10−6
T
2 2
T 2
E a − (Ta − ) = E ( 0.005 × 0.2 )( 0.1× 0.2 ) = 2 ×10 −5
2
p p2 pv 10−6 2 × 10−5
S w = E ( xxT ) = E [ p v ] = E =
v vp v 2 2 × 10−5 4 × 10−4
Problema a ser resolvido utilizando o FK em Matlab:
1 0.1 0.005
xk +1 = xk + uk + wk
0 1 0.1
yk = [1 0] xk + zk
1 0.1 0.005
A= , B= , C= [1 0] , Sz e Sw como calculadas acima.
0 1 0.1
Tomando como entrada as posições medidas posmeas (vetor dado), implemente o filtro
de Kalman para o problema, apresentando como resultado a posição verdadeira (posição
calculada usando a aceleração nominal somada a um ruído com as características dadas),
a posição medida (informação dada no vetor posmeas) e a posição estimada.
ERROR: undefined
OFFENDING COMMAND:
STACK: