Можно оценить состояния системы с помощью данных реального времени и линейный, расширенный, или алгоритмы сигма-точечного фильтра Калмана. Можно выполнить онлайновую оценку состояния с помощью блоков Simulink в подбиблиотеке Estimators библиотеки System Identification Toolbox™. Можно затем 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.
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 |
residual | Возвратите невязку измерения и остаточную ковариацию при использовании сигма-точечного фильтра Калмана |
predict | Предскажите ошибочную ковариацию оценки состояния и оценки состояния на следующем временном шаге с помощью сигма-точечного фильтра Калмана или фильтра частиц |
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 |
Оцените состояния и параметры системы в режиме реального времени.
Расширенный и алгоритмы сигма-точечного фильтра Калмана для онлайновой оценки состояния
Описание базовых алгоритмов для оценки состояния нелинейных систем.
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.
Подтвердите онлайновую оценку состояния в Simulink
Подтвердите онлайновую оценку состояния, которая выполняется с помощью блоков Unscented Kalman Filter и Extended Kalman Filter.
Параметр и оценка состояния в Simulink Используя блок фильтра частиц
Этот пример демонстрирует использование блока Particle Filter в System Identification Toolbox™.
Нелинейная оценка состояния Используя сигма-точечный фильтр Калмана и фильтр частиц
Используйте алгоритм сигма-точечного фильтра Калмана для нелинейной оценки состояния для осциллятора Ван дер Поля.
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.
Диагностируйте онлайновую оценку состояния
Диагностируйте выполняемое расширенное использование онлайновой оценки состояния и алгоритмы сигма-точечного фильтра Калмана.