کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6857131 661905 2016 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Moving horizon estimation for Markov jump systems
ترجمه فارسی عنوان
برآورد افق حرکت برای سیستم های پرش مارکوف
کلمات کلیدی
مارکوف پرش سیستم های غیر خطی، برآورد افقی حرکتی، شبکه بیزی، بهینه سازی،
ترجمه چکیده
در این مقاله، مسئله برآورد حالت برای یک کلاس از سیستم های پرش غیر خطی مارکوف با الگوریتم برآورد افق حرکتی، که یک روش فیلتر کردن مبتنی بر بهینه سازی است، مورد مطالعه قرار می دهیم. برآورد مطلوب با به حداقل رساندن تابع هزینه تخمین چهارم تعریف شده در اندازه گیری افق ثابت ثابت می شود. برای این منظور، تابع هزینه تخمین درجه دوم از لگاریتم منفی توزیع حالت مشترک تشکیل شده است، که تقسیم بندی خاص آن توسط یک شبکه بیزی نشان داده شده است. با تجزیه و تحلیل تخمین اطلاعات کامل مربوط به آن به عنوان یک مشکل اساسی برای سیستم های پرش غیر خطی مارکوف، فرموله کردن تخمین افق حرکتی توسعه یافته است. یک مثال برای مقایسه روش پیشنهادی جدید برآورد شده با فیلتر کردن ذرات چند مدل مدل تعامل کلاسی ارائه شده است و اثربخشی و مزایای طرح برآورد جدید را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
برآورد افق حرکت برای سیستم های پرش مارکوف
چکیده انگلیسی
In this paper, we study the state estimation problem for a class of nonlinear Markov jump systems with the moving horizon estimation algorithm, which is an optimization-based filtering method. The optimal estimate is obtained by minimizing a quadratic estimation cost function defined on fixed sliding horizon measurements. For this purpose, the quadratic estimation cost function is formulated from the negative logarithm of the joint states distribution, whose particular factorization is represented by a Bayesian network. By analyzing the corresponding full information estimation as a basic problem for nonlinear Markov jump systems, the formulation of the moving horizon estimation is developed. An example is presented to compare the proposed new estimation technique with classical interacting multiple model particle filtering, and show the effectiveness and advantages of the new estimation scheme.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 367–368, 1 November 2016, Pages 143-158
نویسندگان
, , , ,