Die Übersetzung dieser Seite ist veraltet. Klicken Sie hier, um die neueste Version auf Englisch zu sehen.

Zustandsschätzung

Entwurf von Kalman-Filtern, Zustandsschätzung während Systembetrieb, Codegenerierung und Bereitstellung für eingebettete Ziele

Techniken zur Zustandsschätzung ermöglichen Ihnen die Schätzung von Zustandswerten in Systemen mit Prozess- und Messrauschen. Mit den Tools der Control System Toolbox™ können Sie lineare stationäre und zeitlich variable Kalman-Filter entwerfen. Für Zustände nichtlinearer Systeme können Sie auch Schätzungen mit erweiterten Kalman-Filtern, unscented Kalman-Filtern oder Partikelfiltern durchführen.

Algorithmen zur Online-Zustandsschätzung aktualisieren die Zustandsschätzungen Ihres Systems, wenn neue Daten verfügbar sind. Sie können die Zustände Ihres Systems mithilfe von Echtzeitdaten sowie linearen und nichtlinearen Kalman-Filter-Algorithmen schätzen. Sie können eine Online-Zustandsschätzung mit Simulink^®-Blöcken durchführen, mithilfe von Simulink Coder™ C/C++ Code für diese Blöcke generieren und diesen Code für ein eingebettetes Ziel einsetzen. Sie können auch eine Online-Zustandsabschätzung über die Befehlszeile durchführen und Ihren Code mithilfe von MATLAB^® Compiler™ oder MATLAB Coder bereitstellen.

Funktionen

alle erweitern

Entwurf eines Kalman-Filters

`kalman`	Design Kalman filter for state estimation
`kalmd`	Design discrete Kalman estimator for continuous plant
`estim`	Form state estimator given estimator gain

Online-Zustandsschätzung

`extendedKalmanFilter`	Create extended Kalman filter object for online state estimation
`unscentedKalmanFilter`	Create unscented Kalman filter object for online state estimation
`particleFilter`	Particle filter object for online state estimation
`correct`	Correct state and state estimation error covariance using extended or unscented Kalman filter, or particle filter and measurements
`predict`	Predict state and state estimation error covariance at next time step using extended or unscented Kalman filter, or particle filter
`residual`	Return measurement residual and residual covariance when using extended or unscented Kalman filter
`initialize`	Initialize the state of the particle filter
`clone`	Copy online state estimation object
`generateJacobianFcn`	Generate MATLAB Jacobian functions for extended Kalman filter using automatic differentiation (Seit R2023a)

Blöcke

alle erweitern

Zustandsschätzung in Simulink

Kalman Filter	Estimate states of discrete-time or continuous-time linear system
Extended Kalman Filter	Estimate states of discrete-time nonlinear system using extended Kalman filter
Particle Filter	Estimate states of discrete-time nonlinear system using particle filter
Unscented Kalman Filter	Estimate states of discrete-time nonlinear system using unscented Kalman filter

Themen

Grundlagen der Zustandsschätzung

Kalman Filtering
Perform Kalman filtering and simulate the system to show how the filter reduces measurement error for both steady-state and time-varying filters.

Online-Schätzung

Nonlinear State Estimation Using Unscented Kalman Filter and Particle Filter
Estimate nonlinear states of a van der Pol oscillator using the unscented Kalman filter algorithm.
Validate Online State Estimation at the Command Line
Validate online state estimation that is performed using extended and unscented Kalman filter algorithms.
Generate Code for Online State Estimation in MATLAB
Deploy extended or unscented Kalman filters, or particle filters using MATLAB Coder software.
Extended and Unscented Kalman Filter Algorithms for Online State Estimation
Description of the underlying algorithms for state estimation of nonlinear systems.

Zustandsschätzung in Simulink

State Estimation Using Time-Varying Kalman Filter
Estimate the states of linear systems using time-varying Kalman filters in Simulink.
Estimate States of Nonlinear System with Multiple, Multirate Sensors
Use an Extended Kalman Filter block to estimate the states of a system with multiple sensors that are operating at different sampling rates.
Parameter and State Estimation in Simulink Using Particle Filter Block
This example demonstrates the use of Particle Filter block in Control System Toolbox™.
State Estimation with Wrapped Measurements Using Extended Kalman Filter
This example shows how to use the extended Kalman filter algorithm for nonlinear state estimation for 3D tracking involving circularly wrapped angle measurements.
Nonlinear State Estimation of a Degrading Battery System
Estimate the states of a nonlinear system using an unscented Kalman filter in Simulink.
Validate Online State Estimation in Simulink
Validate online state estimation that is performed using Extended Kalman Filter and Unscented Kalman Filter blocks.