Сравнение гарантирующего и калмановского фильтров
- Авторы: Хлебников М.В1,2
-
Учреждения:
- Институт проблем управления им. В.А. Трапезникова РАН
- Национальный исследовательский университет “Московский физико-технический институт”
- Выпуск: № 4 (2023)
- Страницы: 64-95
- Раздел: Стохастические системы
- URL: https://rjmseer.com/0005-2310/article/view/646779
- DOI: https://doi.org/10.31857/S0005231023040050
- EDN: https://elibrary.ru/CGBMIY
- ID: 646779
Цитировать
Полный текст



Аннотация
Автор посвящает эту статью светлой памяти своего учителя и друга Бориса Теодоровича Поляка. Предлагается новый подход к задаче фильтрации при произвольных ограниченных внешних возмущениях, основанный на ее сведении к задаче оптимизации. Подход обладает невысокой вычислительной сложностью, предполагая на каждом итерационном шаге лишь решение уравнений Ляпунова. При этом его преимуществами, существенными с инженерно-практической точки зрения, являются возможность ограничения величины матрицы фильтра, а также возможность строить оптимальные матрицы фильтра по каждой из координат вектора состояния системы в отдельности. Выписан градиентный метод для отыскания матрицы фильтра. Как показывают примеры, предлагаемая рекуррентная процедура является весьма эффективной и приводящей к вполне удовлетворительным результатам. Статья продолжает серию работ, посвященную синтезу обратной связи в задачах управления с позиций оптимизации.
Об авторах
М. В Хлебников
Институт проблем управления им. В.А. Трапезникова РАН;Национальный исследовательский университет “Московский физико-технический институт”
Автор, ответственный за переписку.
Email: khlebnik@ipu.ru
Москва
Список литературы
- Kalman R.E. A New Approach to Linear Filtering and Prediction Problems // J. Basic Engineer. 1960. V. 82. I. 1. P. 35-45.
- Kailath T., Sayed A.H., Hassibi B. Linear Estimation. N.J.: Prentice Hall, 2000.
- Матасов А.И. Основы теории фильтра Калмана. М.: Изд-во МГУ, 2021.
- Schweppe F.C. Uncertain Dynamic Systems. N.J.: Prentice Hall, 1973.
- Куржанский А.Б. Управление и наблюдение в условиях неопределенности. М.: Наука, 1977.
- Черноусько Ф.Л. Оценивание фазового состояния динамических систем. М.: Наука, 1988.
- Поляк Б.Т., Топунов М.В. Фильтрация при неслучайных возмущениях: метод инвариантных эллипсоидов // Докл. РАН. 2008. Т. 418. № 6. С. 749-753.
- Хлебников М.В., Поляк Б.Т. Фильтрация при произвольных ограниченных внешних возмущениях: техника линейных матричных неравенств // 13-я Мультиконференция по проблемам управления (МКПУ-2020). Матер. XXXII Конференции памяти выдающегося конструктора гироскопических приборов Н.Н. Острякова. Санкт-Петербург, 6-8 октября 2020 г. СПб.: Концерн "ЦНИИ "Электроприбор", 2020. С. 291-294.
- Boyd S., El Ghaoui L., Feron E., Balakrishnan V. Linear Matrix Inequalities in System and Control Theory. Philadelphia: SIAM, 1994.
- Поляк Б.Т., Хлебников М.В., Щербаков П.С. Управление линейными системами при внешних возмущениях: Техника линейных матричных неравенств. М.: ЛЕНАНД, 2014.
- Fazel M., Ge R., Kakade S., Mesbahi M. Global Convergence of Policy Gradient Methods for the Linear Quadratic Regulator // Proc. 35th Int. Conf. Machine Learning. Stockholm, Sweden, July 10-15, 2018. V. 80. P. 1467-1476.
- Mohammadi H., Zare A., Soltanolkotabi M., Jovanovi'c M.R. Global Exponential Convergence of Gradient Methods Over the Nonconvex Landscape of the Linear Quadratic Regulator // Proc. 2019 IEEE 58th Conf. Decision Control. Nice, France, December 11-13, 2019. P. 7474-7479.
- Zhang K., Hu B., Ba¸sar T. Policy Optimization for H2 Linear Control with H Robustness Guarantee: Implicit Regularization and Global Convergence // Proc. 2nd Conference on Learning for Dynamics and Control (2nd L4DC). Z¨urich, Switzerland, June 11-12, 2020. P. 179-190.
- Bu J., Mesbahi A., Fazel M., Mesbahi M. LQR through the Lens of First Order Methods: Discrete-Time Case // arXiv:1907.08921, 2019.
- Fatkhullin I., Polyak B. Optimizing Static Linear Feedback: Gradient Method // SIAM J. Control Optim. 2021. V. 59. No. 5. P. 3887-3911.
- Поляк Б.Т., Хлебников М.В. Синтез статического регулятора для подавления внешних возмущений как задача оптимизации // АиТ. 2021. № 9. С. 86-115.
- Поляк Б.Т., Хлебников М.В. Синтез обратной связи по выходу при помощи наблюдателя как задача оптимизации // АиТ. 2022. № 3. С. 7-32.
- Поляк Б.Т., Хлебников М.В. Новые критерии настройки ПИД-регуляторов // АиТ. 2022. № 11. С. 62-82.
- Luenberger D.G. Observing the State of a Linear System // IEEE Transactions on Military Electronics. 1964. V. 8. P. 74-80.
- Luenberger D.G. An Introduction to Observers // IEEE Trans. Autom. Control. 1971. V. 35. P. 596-602.
- Поляк Б.Т., Хлебников М.В., Щербаков П.С. Линейные матричные неравенства в системах управления с неопределенностью // АиТ. 2021. № 1. С. 3-54.
- Назин С.А., Поляк Б.Т., Топунов М.В. Подавление ограниченных внешних возмущений с помощью метода инвариантных эллипсоидов // АиТ. 2007. № 3. С. 106-125.
- URL en.wikipedia.org/wiki/Kalman_filter
- Humpherys J., Redd P., West J. A Fresh Look at the Kalman Filter // SIAM Rev. 2012. V. 54. Iss. 4. P. 801-823.
- Tang W., Zhang Q., Wang Z., Shen Y. Ellipsoid Bundle and its Application to Set-Membership Estimation // IFAC-PapersOnLine. 2020. V. 53. I. 2. P. 13688-13693.
- Tang W., Zhang Q., Wang Z., Shen Y. Set-Membership Filtering with Incomplete Observations // Inform. Sci. 2020. V. 517. P. 37-51.
- Polyak B.T., Nazin S.A., Durieu C., Walter E. Ellipsoidal Parameter or State Estimation under Model Uncertainty // Automatica. 2004. V. 40. I. 7. P. 1171-1179.
- Durieu C., Walter E., Polyak B. Multi-Input Multi-Output Ellipsoidal State Bounding // J. Optim. Theory Appl. 2001. V. 111. No. 2. P. 273-303.
- Kwon W.H., Moon Y.S., Ahn S.C. Bounds in Algebraic Riccati and Lyapunov Equations: A Survey and Some New Results // Int. J. Control. 1996. V. 64. P. 377-389.
Дополнительные файлы
