| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.11 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
A presente Dissertação visa a estimação de incertezas em modelos dinâmicos através de filtros de Kalman-Bucy. Foram estudados vários tipos de filtro de Kalman, sendo que o filtro de Kalman clássico tem a particularidade de requerer um conhecimento das características estocásticas do sistema. Porém nem sempre é possível obter essas características, dado o desconhecimento do sistema, facto que acontece na maior parte das vezes no que diz respeito a aplicações em aeronáutica Deste modo, foi reinterpretado o filtro de Kalman-Bucy no espaço dual, com o objectivo de flexibilizar o uso deste método, sem que se tivesse em conta os significados probabilísticos. Ultrapassada esta barreira, partiu-se para a estimação de incertezas presentes nos modelos, sendo estas compostas por tudo o que não se teve em conta no modelo além dos ruídos, ou seja: perturbações, factores, externos, etc. O próximo passo consistiu na estimação das taxas angulares, com base nas perturbações, com realização de dois voos diferentes para o fornecimento e comparação de dados. Este método vai possibilitar a criação de controladores robustos, mesmo na presença de modelos incompletos ou imprecisos, implicando poupança em sensores inerciais. Caso funcione em conjunto com os sensores já existentes, pode melhorar a precisão por redundância.
This Dissertation aims at estimating dynamic model uncertainties, using Kalman-Bucy filters. Some types of Kalman filters were analyzed, although the classical Kalman filter requires the knowledge of system stochastic characteristics. However, these characteristics are not always available, which happens very often with respect to applications in aeronautics. Thus, Kalman-Bucy filter was reinterpreted in the dual space, in order to increase flexibility on method application, without requiring the probabilistic meanings. After this barrier, the interest was the estimation of uncertainties in models, which are composed by everything that isn’t taken into account in the model (despite the noise), meaning disturbances, external factors, wind, perturbations, etc. The next step focused on the estimation of angular rates based on uncertainties. This method will improve the creation of robust controllers, even in the presence of incomplete or imprecise models, reflecting in less money spent in inertial sensors. If combined with the present sensors, it will be possible to increase the redundancy precision.
This Dissertation aims at estimating dynamic model uncertainties, using Kalman-Bucy filters. Some types of Kalman filters were analyzed, although the classical Kalman filter requires the knowledge of system stochastic characteristics. However, these characteristics are not always available, which happens very often with respect to applications in aeronautics. Thus, Kalman-Bucy filter was reinterpreted in the dual space, in order to increase flexibility on method application, without requiring the probabilistic meanings. After this barrier, the interest was the estimation of uncertainties in models, which are composed by everything that isn’t taken into account in the model (despite the noise), meaning disturbances, external factors, wind, perturbations, etc. The next step focused on the estimation of angular rates based on uncertainties. This method will improve the creation of robust controllers, even in the presence of incomplete or imprecise models, reflecting in less money spent in inertial sensors. If combined with the present sensors, it will be possible to increase the redundancy precision.
Description
Keywords
Filtro de Kalman - Estimação de estados Filtro de Kalman-Bucy - Estimação de estados Modelos dinâmicos - Estimação de intercertaza - Aeronaves Esapaço dual