کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4998480 | 1460350 | 2017 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Kalman filtering approach to multi-rate information fusion in the presence of irregular sampling rate and variable measurement delay
ترجمه فارسی عنوان
رویکرد فیلتر کردن کالمن برای همگام سازی اطلاعات چند نرخی در حضور نرخ نمونه برداری نامنظم و تاخیر اندازه گیری متغیر
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
RMSETTFTFPHRSGMeasurement delayJFMMTTFSteam assisted gravity drainage - بخار به زهکشی گرانشی کمک کردData fusion - تلفیق داده هاRoot mean square error - ریشه میانگین خطای مربعDifferential pressure - فشار دیفرانسیلKalman filter - فیلتر کالمان یا فیلتر کالمنHeat recovery steam generator - مولد بخار با توان بازیافت حرارتIrregular sampling - نمونه برداری نامنظمSAGD - گفت:
ترجمه چکیده
برآورد دولت برای یک سیستم با نرخ نامنظم و اندازه گیری های تاخیری با استفاده از فیلتر کولمن فیوژن مورد مطالعه قرار گرفته است. داده های آزمایشگاهی در گیاهان فرآیند معمولا نسبت به سایر اندازه گیری ها دقیق تر است. با این حال، معمولا سرعت آهسته و در معرض تاخیر متغیر و بی نظمی در زمان نمونه برداری است. تخمین حالت سریع سرعت می تواند با استفاده از اندازه گیری سرعت سریع انجام شود، در حالی که داده های آزمایشگاهی با سرعت آهسته می تواند برای بهبود دقت تخمینی هر زمان که در دسترس است استفاده شود. برای این منظور، دو فیلتر کلمن برای تخمین حالت ها بر اساس هر نوع اندازه گیری استفاده می شود. برآوردها در گام بعدی با توجه به همبستگی بین آنها متصل می شوند. یک الگوریتم تکرار برای به دست آوردن ماتریس متقابل کوواریانس بین خطاهای تخمین دو فیلتر کالمن ارائه شده و در فرایند تلفیق استفاده می شود. بهبود در صحت برآورد و مقایسه با سایر روش های تخمین حالت بهینه ی همجوشی، از طریق یک مثال شبیه سازی، یک آزمایش آزمایشی و یک مطالعه موردی صنعتی مورد بحث قرار می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی شیمی
تکنولوژی و شیمی فرآیندی
چکیده انگلیسی
State estimation for a system with irregular rate and delayed measurements is studied using fusion Kalman filter. Lab data in process plants is usually more accurate compared to other measurements. However, it is often slow rate and subject to variable delay and irregularity in sampling time. Fast rate state estimation can be conducted using fast rate measurement, while the slow rate lab data can be used to improve the accuracy of estimation whenever it is available. For this purpose, two Kalman filters are used to estimate the states based on each type of measurement. The estimates are fused in the next step by considering the correlation between them. An iterative algorithm to obtain the cross-covariance matrix between the estimation errors of the two Kalman filters is presented and employed in the fusion process. The improvement on the accuracy of estimation and comparison with other optimal fusion state estimation techniques are discussed through a simulation example, a pilot-scale experiment and an industrial case study.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Process Control - Volume 53, May 2017, Pages 15-25
Journal: Journal of Process Control - Volume 53, May 2017, Pages 15-25
نویسندگان
Alireza Fatehi, Biao Huang,