$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

성능지표 선정을 통한 강인한 칼만필터 설계
Robust Kalman Filter Design via Selecting Performance Indices 원문보기

大韓機械學會論文集. Transactions of the Korean Society of Mechanical Engineers. A. A, v.29 no.1 = no.232, 2005년, pp.59 - 66  

정종철 (한양대학교 대학원 정밀기계공학과) ,  허건수 (한양대학교 기계공학부)

Abstract AI-Helper 아이콘AI-Helper

In this paper, a robust stationary Kalman filter is designed by minimizing selected performance indices so that it is less sensitive to uncertainties. The uncertainties include not only stochastic factors such as process noise and measurement noise, but also deterministic factors such as unknown ini...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 위에서 제시한 3개의 목적함수는 일반적으로 상 충하므로 목적함수간의 trade-ofT가 필요하다. 또한, 일반적으로 condition number는 작은 값을 요구하 며 반드시 최소값일 필요는 없으므로 본 논문에서 는 문제를 간단히 하기 위하여 condition number에 관한 목적함수를 구속조건으로 변화시켜 다음의 다목적 함수에 관한 최적화 문제를 구성한다.
  • 모델링오차와 센싱편차에 대한 추정오차의 영향 을 줄이기 위한 성능지표를 선정하고자 한다. 모 델링오차와 센싱편차에 대한 영향은 추정오차의 크기에 의해서 파악될 수 있다.
  • 본 논문에서 제시하는 강인한 칼만필터의 성능 을 예제를 통해 검증하고자 한다. 즉, 임의의 2차 수학적 모델과 3차 시스템인 레이저 본더 모델에 서의 강인한 칼만필터의 성능을 검증하고자 한다.
  • 본 논문에서는 불확실 시스템에서 강인한 칼만 필터의 설계 방법을 제시하고자 한다. 먼저, 불확 실 요소를 확정적 성분과 확률적 성분으로 분류하 고 각각에 대한 추정오차 분석을 통하여 성능오차 를 줄여줄 수 있는 성능지표를 선정한다.
  • 1)의 조건은 확률적 관점에서의 설계 요소이며, 2) 와 3)의 조건은 확정적 불확실성에 대한 강인성을 보장해주는 설계 관점이다. 이 세 가지의 다목적 함수를 구성하여 강인한 칼만필터를 설계하는 방 법을 제시하고자 한다.
  • 또한 이 러한 지표를 목적함수로 선정하였고, 칼만필터의 안정성을 보장해주는 리카티 부등식을 구속조건으 로 하는 최적화 문제를 푸는 방법에 의하여 필터 게인을 구할 수 있었다. 이렇게 설계된 필터는 일 반적인 칼만필터에 비하여 시스템의 불확실 요소 에 대한 추정 오차에의 영향을 감소시킬 수 있음 을 살펴보았다. 결론적으로 본 논문에서 제안된 강인한 칼만필터는 불확실 요소가 존재하는 확률 시스템에서 볼확실 요소에 대한 강인성을 향상시 켜 추정 오차의 성능을 개선시켜준다.
  • 본 논문에서 제시하는 강인한 칼만필터의 성능 을 예제를 통해 검증하고자 한다. 즉, 임의의 2차 수학적 모델과 3차 시스템인 레이저 본더 모델에 서의 강인한 칼만필터의 성능을 검증하고자 한다. 3.
  • 초기 추정오차, 모델링오차나 센싱편차 등의 확 정적 불확실 요소가 존재할 때, 추정오차에 대한 정량적 분석을 통해 오차의 크기를 줄일 수 있는 성능지표를 선정하고자 한다. 첫째, 초기 추정오차 에 대한 성능지표를 구하기 위하여 초기 추정오차 에 대한 과도상태에서의 오차 형상 민감도를 분석 하고 그 값을 줄일 수 있는 성능지표를 선정한다.
  • 확정적 관점의 불확실 요소에 대한 추정 오차에 의 영향을 줄이기 위한 성능지표를 선정하고자 한 다. 초기 오차에 의한 오차 형상의 민감도 해석과 모델링오차와 센싱편차에 의한 정상상태 오차의 정량적 분석으로부터 아(4), 6(4)과 Z을 확정적 불확실 요소에 대한 영향을 줄일 수 있는 성능지 표로 선정할 수 있다.

가설 설정

  • 여기서, xefR”는 상태변수, ye狎은 출력변수이다. AA, AB, AC는 모델링오차이고, w와 V는 영평균 백 색잡음이며, 그 상호분산은 각각 와 &로 가정 한다. 또한 다음과 같이 입출력 측정시 센싱 편차 가 존재한다고 가정한다.
  • 정상상태에서는 SKF 와 RKF의 추정성능이 거의 유사함을 볼 수 있다. SKF와 RKF의 불확실 요소에 대한 강인성 정도 를 비교하기 위하여 위의 시스템에 다음과 같은 불확실성을 가정한다.
  • 관측기 행렬 &의 L-norm condition number가 다 음과 같은 상한값을 갖는다고 가정한다.
  • 다음과 같은 확률적 요소와 확정적 요소의 불확 실성이 시스템에 존재한다고 가정한다.
  • 여기서 W 와 V는 영평균 백색잡음이라 가정하였다. 개루프 시스템의 고유값은 -0.
  • 여기서 W 와 V는 영평균 백색잡음이라 가정하였다. 개루프 시스템의 고유값은 -0.
  • 8813}이다. 적절한 수렴속도를 위해 시정수 1/3초를 요구한다 고 가정한다. 이를 위하여 칼만필터 설계시。=1, R=。.
  • 32이다. 칼만필 터 설계 시 적절한 수렴속도를 위해 시정수 0.5초 를 요구한다고 가정한다. 즉, 폐루프 시스템의 고 유값이 -2이하가 되도록 하고자 한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (24)

  1. Kalman, R. E. and Bucy, R. S., 1961, 'New Results in Linear Filtering and Prediction Theory,' Trans. of the ASME Series D: J. of Basic Engineering, Vol. 83, No.3, pp. 95-108 

  2. Bernstein, D. S. and Haddad, W. M., 1989, 'Steady-State Kalman Filtering with an $H_{\infty}$ Error Bound,' Systems and Control Letters, Vol. 12, No.1, pp. 9-16 

  3. Khargonekar, P. P. and Rotea, M. A., 1992, 'Mixed $H_2$ / H_{\infty}$ , Filtering,' Proc. of the 31st Conference on Decision and Control, pp. 2299-2304 

  4. Chen, X. and Zhou, K., 2002, ' $H_{\infty}$ Gaussian Filter on Infinite Time Horizon,' IEEE Trans. on Circuits and Systems-I: Fundamental Theory and Applications, Vol. 49, No.5, pp. 674-679 

  5. I. R. Petersen, Optimal guaranteed cost control and filtering for uncertain linear systems, IEEE translation on Automatic Control, AC-37 pp. 1971-1977, 1994 

  6. Xie, L. and Soh, Y. C., 1994, 'Robust Kalman Filtering for Uncertain Systems,' Systems and Control Letters, Vol. 22, No.2, pp. 123-129 

  7. Fu, M., de Souza, C. E. and Luo, Z. Q., 2001, 'Finite-Horizon Robust Kalman Filter Design,' IEEE Trans. on Automatic Control, Vol. 49, No.9, pp. 2103-2112 

  8. Geromel, J. C., 1999, 'Optimal Linear Filtering Under Parameter Uncertainty,' IEEE Trans. on Signal Processing, Vol. 47, No. 1, pp. 168- 175 

  9. Shaked, U., Xie, L. and Soh, Y. C., 2001, 'New Approaches to Robust Minimum Variance Filter Design,' IEEE Trans. on Signal Processing, Vol. 49, No.11, pp. 2620-2629 

  10. Bertsekas, D. P. and Rhodes, I. B., 1971, 'Recursive State Estimation for a Set-membership Description of Uncertainty,' IEEE Trans. on Automatic Control, Vol. 16, No.2, pp. 117-128 

  11. Jain, B. N., 1975, 'Guaranteed Error Estimation in Uncertain Systems,' IEEE Trans. on Automatic Control, Vol. 20, No.2, pp. 230-232 

  12. Savkin, A. V. and Petersen, I. R., 1995, 'Recursive State Estimation for Uncertain Systems with an Integral Quadratic Constraint,' IEEE Trans. on Automatic Control, Vol. 40, No.6, pp. 1080-1083 

  13. Kwon, S., Chung, W. K. and Youm, Y., 2003, 'A Combined Observer for Robust State Estimation and Kalman Filtering,' Proc. of the American Control Conference, pp. 2459-2464 

  14. Mehra, R. K., 1970, 'On the Identification of Variances and Adaptive Kalman Filtering,' IEEE Trans. on Automatic Control, Vol. 15, No.2, pp. 175-184 

  15. Sage, A. P. and Melsa, J. L., 1971, Estimation Theory with Application to Communications and Control, McGraw-Hill, Inc. 

  16. Lee, B. S., 1997, 'Quantitative Performance Comparison of Observers with Uncertainties,' M. S. Thesis, Hanyang University, Seoul, Korea 

  17. Jung, J. and Huh, K., 2002, 'Design of the Well-Conditioned Observer Using the Non-Normality Measure,' Trans. of the KSME, A, Vol. 26, No.6, pp. 1114-1119 

  18. Huh, K. and Stein, J. L., 1994, 'A Quantitative Performance Index for Observer-Based Monitoring Systems,' Trans. of the ASME: J of Dynamic Systems, Measurement, and Control, Vol. 116, pp. 487-497. 

  19. Golub, G. H. and Van Loan, C. F., 1996, Matrix Computations, 3rd Ed., The Johns Hopkins University Press 

  20. Sasa, S., 1998, 'Robustness of a Kalman Filter Against Uncertainties of Noise Covariances,' Proc. of the American Control Conference, pp. 2344-2348 

  21. Huh, K., Jung, J. and Stein, J. L., 2001, 'DiscreteTime Well-Conditioned State Observer Design and Evaluation,' Trans. of the ASME:.J of Dynamic Systems, Measurement, and Control, Vol. 123, No.4, pp.615-622 

  22. Boyd, S., El Ghaoui, L., Feron, E. and Balakrishnan, V., 1994, Linear Matrix Inequalities in System and Control Theory, SIAM 

  23. El Ghaoui, L., Delebeque, F. and Nikoukhah, R., 1999, LMITOOL Ver. 2.1, available via anonymous ftp to ftp.ensta.fr, directory pub/elghaoui/lmitool-2.1 

  24. Oishi, J. and Balakrishnan, V., 2000, 'Linear Controller Design for the NEC Laser Bonder via Linear Matrix Inequality Optimization,' In Advances in Linear Matrix Inequality Methods in Control (Edited by El Ghaoui, L. and Niculescu, S.-L.), SIAM, Philadelphia, pp. 295-307 

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로