Онлайновые алгоритмы оценки состояния обновляют оценки состояния вашей системы, когда новые данные доступны. Можно оценить состояния системы с помощью данных реального времени и линейных и нелинейных алгоритмов Фильтра Калмана. Можно выполнить онлайновую оценку состояния с помощью блоков Simulink®, сгенерировать код C/C++ для этих блоков с помощью Simulink Coder™ и развернуть этот код в целевой процессор. Можно также выполнить онлайновую оценку состояния в командной строке и развернуть код с помощью MATLAB® Compiler™ или MATLAB Coder.
kalman | Проект фильтра Калмана, Оценка состояния фильтра Калмана |
kalmd | Спроектируйте дискретную Оценку состояния фильтра Калмана для непрерывного объекта |
estim | Сформируйте средство оценки состояния, данное усиление средства оценки |
extendedKalmanFilter | Создайте расширенный объект Фильтра Калмана для онлайновой оценки состояния |
unscentedKalmanFilter | Создайте объект сигма-точечного фильтра Калмана для онлайновой оценки состояния |
particleFilter | Объект фильтра частиц для онлайновой оценки состояния |
correct | Правильное состояние и ковариация ошибки оценки состояния с помощью сигма-точечного фильтра Калмана, или фильтра частиц и измерений |
predict | Предскажите ошибочную ковариацию оценки состояния и оценки состояния на следующем временном шаге с помощью сигма-точечного фильтра Калмана или фильтра частиц |
residual | Возвратите невязку измерения и остаточную ковариацию при использовании сигма-точечного фильтра Калмана |
initialize | Инициализируйте состояние фильтра частиц |
clone | Скопируйте онлайновый объект оценки состояния |
Kalman Filter | Оцените состояния линейной системы дискретного времени или непрерывного времени |
Extended Kalman Filter | Оцените состояния дискретного времени нелинейная система с помощью расширенного Фильтра Калмана |
Particle Filter | Оцените состояния дискретного времени нелинейная система с помощью фильтра частиц |
Unscented Kalman Filter | Оцените состояния дискретного времени нелинейная система с помощью сигма-точечного фильтра Калмана |
Расширенный и алгоритмы сигма-точечного фильтра Калмана для онлайновой оценки состояния
Описание базовых алгоритмов для оценки состояния нелинейных систем.
В этом примере показано, как выполнить Кальмана, фильтрующего.
Это тематическое исследование иллюстрирует проектирование и симуляцию Фильтра Калмана и для установившихся и для изменяющихся во времени Фильтров Калмана.
Нелинейная оценка состояния Используя сигма-точечный фильтр Калмана и фильтр частиц
Оцените нелинейные состояния осциллятора Ван дер Поля с помощью алгоритма сигма-точечного фильтра Калмана.
Подтвердите онлайновую оценку состояния в командной строке
Подтвердите онлайновую оценку состояния, которая выполняется с помощью расширенный и алгоритмы сигма-точечного фильтра Калмана.
Сгенерируйте код для онлайновой оценки состояния в MATLAB
Разверните сигма-точечные фильтры Калмана или фильтры частиц с помощью программного обеспечения MATLAB Coder.
Оценка состояния Используя изменяющийся во времени фильтр Калмана
Оцените состояния линейных систем с помощью изменяющихся во времени Фильтров Калмана в Simulink.
Оцените состояния нелинейной системы с несколькими, многоскоростными датчиками
Используйте блок Extended Kalman Filter, чтобы оценить состояния системы с несколькими датчиками, которые действуют на различных частотах дискретизации.
Параметр и оценка состояния в Simulink Используя блок фильтра частиц
Этот пример демонстрирует использование блока Particle Filter в Control System Toolbox™.
Нелинейная оценка состояния деградирующей системы батареи
В этом примере показано, как оценить состояния нелинейной системы с помощью Сигма-точечного фильтра Калмана в Simulink™.
Подтвердите онлайновую оценку состояния в Simulink
Подтвердите онлайновую оценку состояния, которая выполняется с помощью блоков Unscented Kalman Filter и Extended Kalman Filter.
Диагностируйте онлайновую оценку состояния
Диагностируйте выполняемое расширенное использование онлайновой оценки состояния и алгоритмы сигма-точечного фильтра Калмана.