Séance de cours

Prédicteur de Kalman à l'état stable: exemples et comparaison

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

ME-422: Multivariable control

This course covers methods for the analysis and control of systems with multiple inputs and outputs, which are ubiquitous in modern technology and industry. Special emphasis will be placed on discrete-time systems due to their relevance to digital and embe ...

Description

Cette séance de cours couvre le prédicteur Kalman à l'état d'équilibre, y compris ses propriétés de convergence et ses caractéristiques d'erreur. Des exemples sont fournis pour illustrer l'application du filtre de Kalman dans des réglages bruyants. Une comparaison entre le filtrage de Luenberger et de Kalman est discutée.

Enseignant·e

Giancarlo Ferrari Trecate

Expertise Automatic control, Dependable control, Neural-network Control, Machine learning, Microgrids, Hybrid systems Mission See the webpage of the DECODE (Dependable Control and Decision) group. Teaching & PhD PhD Students Laura Meroi, Julien Pallage, Nicolas Léo Pierre Kirsch, Simone Baratto, Daniele Martinelli, Riccardo Cescon, Jakob Nylöf, Sabri El Amrani Past EPFL PhD Students Pulkit Nahata, Mustafa Sahin Turan, Baiwei Guo, Jean-Sébastien Brouillon, Clara Galimberti, Andrea Martin, Muhammad Zakwan,

Source officielle

Concepts associés (32)

Variance (mathématiques)

vignette|Exemple d'échantillons pour deux populations ayant la même moyenne mais des variances différentes. La population en rouge a une moyenne de 100 et une variance de 100 (écart-type = SD = standard deviation = 10). La population en bleu a une moyenne de 100 et une variance de (écart-type = SD = 50). En statistique et en théorie des probabilités, la variance est une mesure de la dispersion des valeurs d'un échantillon ou d'une variable aléatoire.

Statistical assumption

Statistics, like all mathematical disciplines, does not infer valid conclusions from nothing. Inferring interesting conclusions about real statistical populations almost always requires some background assumptions. Those assumptions must be made carefully, because incorrect assumptions can generate wildly inaccurate conclusions. Here are some examples of statistical assumptions: Independence of observations from each other (this assumption is an especially common error). Independence of observational error from potential confounding effects.

Inférence statistique

vignette|Illustration des 4 principales étapes de l'inférence statistique L'inférence statistique est l'ensemble des techniques permettant d'induire les caractéristiques d'un groupe général (la population) à partir de celles d'un groupe particulier (l'échantillon), en fournissant une mesure de la certitude de la prédiction : la probabilité d'erreur. Strictement, l'inférence s'applique à l'ensemble des membres (pris comme un tout) de la population représentée par l'échantillon, et non pas à tel ou tel membre particulier de cette population.

Observability

Observability is a measure of how well internal states of a system can be inferred from knowledge of its external outputs. In control theory, the observability and controllability of a linear system are mathematical duals. The concept of observability was introduced by the Hungarian-American engineer Rudolf E. Kálmán for linear dynamic systems. A dynamical system designed to estimate the state of a system from measurements of the outputs is called a state observer or simply an observer for that system.

Modèle statistique

Un modèle statistique est une description mathématique approximative du mécanisme qui a généré les observations, que l'on suppose être un processus stochastique et non un processus déterministe. Il s’exprime généralement à l’aide d’une famille de distributions (ensemble de distributions) et d’hypothèses sur les variables aléatoires X1, . . ., Xn. Chaque membre de la famille est une approximation possible de F : l’inférence consiste donc à déterminer le membre qui s’accorde le mieux avec les données.

Afficher plus

Séances de cours associées (64)

Contrôle multivariable : estimation de l'état et filtrage Kalman

Explore l'estimation de l'état et le filtrage Kalman pour les systèmes de commande multivariables, avec des applications dans les canaux de communication et la navigation du véhicule.

Contrôle multivariable : théorie des systèmes et applications

Couvre la théorie des systèmes, le contrôle de rétroaction classique et les applications dans les bâtiments écologiques et les installations de réfrigération au gaz naturel.

Contrôle multivariable: Conception du poids et analyse de stabilité

Explore la conception de poids et l'analyse de stabilité dans les systèmes de contrôle multivariables, en mettant l'accent sur la théorie Lyapunov et la stabilité LQR.

Introduction au contrôle multivariable

Couvre les bases du contrôle multivariable, y compris la modélisation du système, le contrôle de la température, et les stratégies optimales, soulignant l'importance d'envisager toutes les entrées et sorties simultanément.

Prédicteur Kalman étendu: KF linéaire

Explore l'algorithme Kalman Predictor étendu et le filtre Kalman linéaire pour les systèmes de contrôle multivariables, en discutant des défis et des applications.

Afficher plus

Concepts associés (32)

Variance (mathématiques)

Statistical assumption

Inférence statistique

Observability

Modèle statistique

Afficher plus