論文の概要: Sigma-point Kalman Filter with Nonlinear Unknown Input Estimation via
Optimization and Data-driven Approach for Dynamic Systems
- arxiv url: http://arxiv.org/abs/2306.12361v1
- Date: Wed, 21 Jun 2023 16:14:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-22 12:50:44.387943
- Title: Sigma-point Kalman Filter with Nonlinear Unknown Input Estimation via
Optimization and Data-driven Approach for Dynamic Systems
- Title(参考訳): 非線形未知入力推定を最適化したシグマ点カルマンフィルタと動的システムへのデータ駆動アプローチ
- Authors: Junn Yong Loo, Ze Yang Ding, Vishnu Monn Baskaran, Surya Girinatha
Nurzaman, and Chee Pin Tan
- Abstract要約: 共振状態と未知の入力推定のための導関数のない未知の入力シグマ点カルマンフィルタ(SPKF)を提案する。
SPKFは、非線形最適化とデータ駆動アプローチによって実装できる一般的な非線形UI推定器と相互接続されている。
提案したSPKF-nUIは, 既存の非線形状態-UIフィルタと比較して, 最低状態およびUI推定誤差を達成できることを示す。
- 参考スコア(独自算出の注目度): 1.1580916951856253
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Most works on joint state and unknown input (UI) estimation require the
assumption that the UIs are linear; this is potentially restrictive as it does
not hold in many intelligent autonomous systems. To overcome this restriction
and circumvent the need to linearize the system, we propose a derivative-free
Unknown Input Sigma-point Kalman Filter (SPKF-nUI) where the SPKF is
interconnected with a general nonlinear UI estimator that can be implemented
via nonlinear optimization and data-driven approaches. The nonlinear UI
estimator uses the posterior state estimate which is less susceptible to state
prediction error. In addition, we introduce a joint sigma-point transformation
scheme to incorporate both the state and UI uncertainties in the estimation of
SPKF-nUI. An in-depth stochastic stability analysis proves that the proposed
SPKF-nUI yields exponentially converging estimation error bounds under
reasonable assumptions. Finally, two case studies are carried out on a
simulation-based rigid robot and a physical soft robot, i.e., robots made of
soft materials with complex dynamics to validate effectiveness of the proposed
filter on nonlinear dynamic systems. Our results demonstrate that the proposed
SPKF-nUI achieves the lowest state and UI estimation errors when compared to
the existing nonlinear state-UI filters.
- Abstract(参考訳): 統合状態と未知の入力(UI)推定に関する作業の多くは、UIが線形であるという仮定を必要とする。
この制限を克服し、システムを線形化する必要性を回避するために、SPKFを非線形最適化とデータ駆動アプローチにより実装可能な一般的な非線形UI推定器と相互接続する微分自由な入力シグマ点カルマンフィルタ(SPKF-nUI)を提案する。
非線形ui推定器は、状態予測誤差の影響を受けにくい後続状態推定を使用する。
さらに,spkf-nuiの推定に状態とuiの不確実性の両方を組み込むためのシグマ点変換スキームを導入する。
深部確率安定性解析により、提案したSPKF-nUIは、合理的な仮定の下で指数関数的に収束する推定誤差を持つことを示した。
最後に、シミュレーションに基づく剛性ロボットと物理ソフトロボット、すなわち、複雑な力学を持つ軟質材料からなるロボットを用いて、2つのケーススタディを行い、非線形力学系におけるフィルタの有効性を検証する。
提案したSPKF-nUIは, 既存の非線形状態-UIフィルタと比較して, 最低状態およびUI推定誤差が低いことを示す。
関連論文リスト
- MPC of Uncertain Nonlinear Systems with Meta-Learning for Fast Adaptation of Neural Predictive Models [6.031205224945912]
ニューラル状態空間モデル(NSSM)は、ディープエンコーダネットワークがデータから非線形性を学ぶ非線形系を近似するために用いられる。
これにより非線形系を潜在空間の線形系に変換し、モデル予測制御(MPC)を用いて効果的な制御動作を決定する。
論文 参考訳(メタデータ) (2024-04-18T11:29:43Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field
and Online Inference [50.91823345296243]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳(メタデータ) (2023-12-10T15:22:30Z) - Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。
システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
論文 参考訳(メタデータ) (2023-10-07T15:07:10Z) - Distributed Nonlinear State Estimation in Electric Power Systems using
Graph Neural Networks [1.1470070927586016]
本稿では,非線形電力系統SEの増乗係数グラフ上での独自のグラフニューラルネットワークに基づくSEの実装を提案する。
提案した回帰モデルは、一度訓練された推論時間中に線形計算複雑性を持ち、分散実装の可能性がある。
論文 参考訳(メタデータ) (2022-07-23T08:54:24Z) - Deep learning-enhanced ensemble-based data assimilation for
high-dimensional nonlinear dynamical systems [0.0]
Ensemble Kalman filter (EnKF) は高次元非線形力学系を含むアプリケーションで広く使われているDAアルゴリズムである。
本研究では,二層型擬似地栄養流システムに適用可能なハイブリッドアンサンブルカルマンフィルタ (H-EnKF) を提案する。
論文 参考訳(メタデータ) (2022-06-09T23:34:49Z) - An Offset-Free Nonlinear MPC scheme for systems learned by Neural NARX
models [0.803314610321292]
本稿では,オフセットフリーなセットポイントトラッキングを実現する非線形MPCコントローラの設計について述べる。
提案手法は, 植物に作用する乱れの存在下においても顕著な性能を発揮する。
論文 参考訳(メタデータ) (2022-03-30T13:30:07Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-01-29T23:31:25Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳(メタデータ) (2021-08-26T18:00:00Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳(メタデータ) (2020-11-14T01:27:32Z) - Derivative-Based Koopman Operators for Real-Time Control of Robotic
Systems [14.211417879279075]
本稿では, モデル誤差を拘束する非線形力学をデータ駆動で同定するための一般化可能な手法を提案する。
クープマン演算子に基づく線形表現を構築し,テイラー級数精度解析を用いて誤差境界を導出する。
制御と組み合わせると、非線形系のクープマン表現は競合する非線形モデリング法よりも極端に優れた性能を持つ。
論文 参考訳(メタデータ) (2020-10-12T15:15:13Z) - Identification of Probability weighted ARX models with arbitrary domains [75.91002178647165]
PieceWise Affineモデルは、ハイブリッドシステムの他のクラスに対する普遍近似、局所線型性、同値性を保証する。
本研究では,任意の領域を持つ固有入力モデル(NPWARX)を用いたPieceWise Auto Regressiveの同定に着目する。
このアーキテクチャは、機械学習の分野で開発されたMixture of Expertの概念に従って考案された。
論文 参考訳(メタデータ) (2020-09-29T12:50:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。