Dato: fredag 14 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen. 1 Diskret tilstandsrommodell 2. 2 Stående pendel 4
|
|
- Marthe Aasen
- 6 år siden
- Visninger:
Transkript
1 DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK30, Systemidentifikasjon Dato: fredag 4 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen Løsningsforslag Innhold Diskret tilstandsrommodell 2 2 Stående pendel 4 3 Blokkdiagram 7
2 Diskret tilstandsrommodell (Antall poeng for denne oppgaven er = 55).a (5 3 = 5 poeng) De fem matrisene med navn og dimensjon er gitt i tabellen nedenfor. Symbol Navn Dimensjon Transisjonsmatrise Φ eller systemmatrise n n Γ Pådragsmatrise n s Ω Forstyrrelsematrise n n D Målematrise l n E Direktekoblingsmatrise l s En forklaring om matrisene kan innholde litt som dette. Φ er alltid med, ved parameterestimering som i RLS er den identitetsmatrise. Γ er med så sant det er et (eller flere) pådrag til systemet, men er for eksempel utelatt ved utledning av Kalman-filter. Ω er ofte identitetsmatrise, og i hvert fall diagonal. D er med så sant det er måling i systemet, noe det (nesten) alltid er. Ved parameterestimering som i RLS er D en vektor (siden en har ei måling) som endres for hvert tidssteg. E er ofte ikke med..b (0 poeng) Fra notatet om utledningen av Kalman-filter har vi: Nå forenkles notasjonen noe ved at vi utelater (k) for matrisene, det gir en forenkling i notasjonen uten at det påvirker resultatet noe. Men matrisene tillates likevel å være tidsvarierende. I praksis er de ofte konstante eller langsomt varierende. Støyleddet for signalet forenkles også noe, en legger støyen direkte til prosessen i stedet for å la den gå gjennom matrisa Ω, dette har heller ikke større betydning. Vi ser også bort fra pådraget i denne utledningen, det gjør det hele en del enklere uten at resultatet endres. En kan argumentere for dette ved å splitte tilstandsvektoren i to deler, en deterministisk del og en stokastisk del, x(k) = x d (k) + x s (k). Se gjerne også punkt 3 side 39 hos Haugen for forklaring på hvorfor pådraget forsvinner i en mer fullstendig utledning. I oppgaven her var alt k-ene utelatt 2
3 Prosessen her blir da: x(k + ) = Φx(k) + v(k), (.) y(k) = Dx(k) + w(k). (.2).c (0 poeng) Fra notatet om utledningen av Kalman-filter har vi: Vi antar nå at støyen, v(k) og w(k), har forventningsverdi (middelverdi) null Ev(k) = 0, Ew(k) = 0, (.3) og at sekvensene v(k) og w(k) er ukorrelerte med hverandre (R vw (τ, k) er en n l matrise) Ev(k + τ)w T (k) = R vw (τ, k) = 0, (.4) og støyen er hvit, det vil si uavhengig av tidligere verdier, Ev(k + τ)v T (k) = R v (τ, k) = δ(τ)r v (0, k) = Q(k) = Q, (.5) Ew(k + τ)w T (k) = R w (τ, k) = δ(τ)r w (0, k) = R(k) = R. (.6) Q og R er da autokovariansmatriser for prosesstøy v(k) og målestøy w(k) henholdsvis..d (0 poeng) Se læreboka kapittel 0.4. Her spesielt boksen side 369. Tilstandene x blir nå parametrene som skal estimeres θ, og en har ikke noe pådrag i det hele (Γ = 0). Systemmattrisa Φ blir helt enkel det vil si identitetsmatrise, det samme lar vi forstyrrelsematrise Ω være men kan da gjerne la de ulike komponeter i støyen v ha ulik varians. Prosessligningen blir θ(k + ) = θ(k) + v(k) (.7) Regresjonsmodellen overføres til målelikningen og den blir y(k) = φ T (k)θ + e(k). (.8) Merk at målestøyen w(k) nå kalles e(k), det er her gjerne mer enn bare målestøy og inkluderer også modellfeil (som gjerne er største bidrag)..e (0 poeng) Matrisene Q og R ved Kalman-filter for parameterestimering brukes som tuningparametre. Ofte velges R fast og kun Q brukes da som tuningparameter. R kan da gjerne velges litt større enn antatt målestøy (inkluderer litt modellfeil). Q velges da til ei diagonalmatrise der hvert element er variansen (standardavviket kvadrert) for prosesstøyen, standardavviket bør da være i 3
4 størrelseorden for det som det er rimelig å anta at parameteren kan endre med fra et tidssteg til et annet. Hvis en av parameterne er ganske konstant er det rimelig å la tilhørende varians være litt større til å begynne med og så avta etter hvert som k øker. Større verdi til å begynne med for å ta hensyn til at en kan ha gjettet en del feil på parameterverdien for første tidssteg, og dermed gi parameteren en mulighet til å korrigere seg inn. Generelt har en at store verdier i Q gir parameterestimat som kan endres fort, mens små verdier i Q gir kun små endringer i parameterestimatene fra et tidssteg til neste. Tilsvarende for skalaren R, men med motsatt virkning. Stor R betyr stor målefeil og dermed liten vekt på målingen (siste ligning) og tilsvarende større vekt på forrige parameterestimat, og dette gir liten endring av parameterestimatene. Liten R betyr liten målefeil og dermed stor vekt på siste målingen og tilsvarende mindre vekt på forrige parameterestimat, og dette gir større endring av parameterestimatene. 2 Stående pendel (Antall poeng for denne oppgaven er = 35) 2.a (0 poeng) Fra modellligningen får en ganske direkte systemligningene og måleligningen er gitt i oppgaven. Kontinuerlig tilstandsrommodell er da ẋ = x 2 (2.) ẋ 2 = g L sin x + ml 2 u y = x 2.b (0 poeng) Euler-forover-diskretisering, og når en også tar med støyledd, gir den diskrete tilstandsrommodellen x (k + ) = x (k) + T x 2 (k) + v (k) f ( ) (2.2) x 2 (k + ) = x 2 (k) + T g L sin(x (k)) + T ml u(k) + v 2(k) f 2 2 ( ) y(k) = x (k) + w(k) g( ) Legg merke til at modellen ikke kan skrives på matriseform, x(k + ) = Φx(k) + Γu(k) + Ωv(k) siden den ikke er lineær. 2.c (5 poeng) Med linearisering i arbeidspunktet får en Φ = f x A der x = x x 2 f ( ), f = f 2 ( ) (2.3) 4
5 Merk at en ikke trenger å linearisere for å finne Γ selv om en skulle ha ulineære forhold for pådragene, Kalman-filteret kan nemlig bruke de ulineære funksjonene f fra (2.2) direkte ved utregning av x(k). Her er systemet riktig nok lineært for pådraget og en har dermed alt gitt en Γ i modellen. Måleligningen er her lineær og en har D = 0 (og E = 0). Med et fast arbeidspunkt som gitt i oppgaven kan en nå sette opp hele modellen som en lineær modell med matrisene i systemligningen som T 0 0 Φ =, Γ = T, Ω =. (2.4) 0 ml 2 Systemligningen er Måleligningen er T g L x(k + ) = Φx(k) + Γu(k) + Ωv(k) (2.5) y(k) = x (k) = 0x(k) = Dx(k) der D = 0. (2.6) 2.d (0 poeng) Målestøykovariansmatrisa R er skalar og vi setter kun R = R siden vi ikke har noen annen verdi. Enhet er kvadrert måleenhet, for eksempel rad 2. Prosesstøykovariansmatrisa Q kan vi la være diagonal, q 0 Q(k) =. (2.7) 0 q 2 Her kan en gjerne ut fra en argumentasjon om at vindstøy gir ei kraft som påvirker med et bidrag til akselerasjonen for pendelen, dermed kun til θ og kun støy til x 2, x påvirkes da indirekte via x 2. Da kan vi ha q svært liten, gjerne 0. I tillegg til de matrisene en alt har oppgitt har en at aposteriori og apriori kovariansmatrise er ˆP (k) ˆP2 (k) P ˆP (k) = og P (k) = (k) P 2 (k). (2.8) ˆP 2 (k) ˆP22 (k) P 2 (k) P 22 (k) Ved start av steg k har en verdiene fra forrige steg eller initialverdier. Altså verdier for ˆx(k ) og ˆP (k ) for steg k. Med utgangspunt i ligningene for Kalman-filteret som er gitt i formelvedlegget i oppgaven, finner vi nå ligningene for steg k. Først tar vi de to elementene i x(k), de kan her regnes ut som i (2.2) med funksjonene f ( ) og den ulineære f 2 ( ), men uten støy. I dette punktet trenger en ikke gjøre linarisering! Vi får 5
6 x (k) = ˆx (k ) + T ˆx 2 (k ) (2.9) x 2 (k) = ˆx 2 (k ) + T g L sin(ˆx (k )) + T u(k ) ml2 Videre tar en elementene i P (k), som skrevet i oppgaven bør en ta dette til slutt siden det er lett å gå seg vill, men det er egentlig ganske greitt. Vi bruker Φ fra (2.4) og får P (k) = Φ ˆP (k )Φ T + Q (2.0) P (k) P 2 (k) T ˆP (k ) ˆP2 (k ) = T g P 2 (k) P 22 (k) L ˆP 2 (k ) ˆP22 (k ) ˆP (k ) + T = ˆP 2 (k ) ˆP2 (k ) + T ˆP 22 (k ) T g ˆP L (k ) + ˆP T g 2 (k ) ˆP L 2 (k ) + ˆP 22 (k ) T g L T T g L T q q 2 + q 0 0 q 2 P (k) = ˆP (k ) + T ˆP 2 (k ) + T ˆP 2 (k ) + T 2 ˆP22 (k ) + q (2.) P 2 (k) = T g L ˆP (k ) + ˆP 2 (k ) + T 2 g L ˆP 2 (k ) + T ˆP 22 (k ) P 2 (k) = T g L ˆP (k ) + T 2 g L ˆP 2 (k ) + ˆP 2 (k ) + T ˆP 22 (k ) P 22 (k) = ( T g L )2 ˆP (k ) + T g L ˆP 2 (k ) + T g L ˆP 2 (k ) + ˆP 22 (k ) + q 2 Kalman-filterforsterkningsfaktorene blir noe enklere K (k) K 2 (k) Og dette gir da K(k) = P (k)d T (DP (k)d T + R) (2.2) P = (k) P 2 (k) ( P 0 (k) P 2 (k) P 2 (k) P 22 (k) 0 P 2 (k) P 22 (k) 0 K (k) P = (k) (P K 2 (k) P 2 (k) (k) + R ) ) +R K (k) = P (k) /( P (k) + R ) (2.3) K 2 (k) = P 2 (k) /( P (k) + R ) Aposteriori estimatet, ˆx(k), blir ˆx(k) = x(k) + K(k)y(k) Dx(k) (2.4) 6
7 ˆx (k) x (k) K (k) ( x (k) = + y(k) 0 ˆx 2 (k) x 2 (k) K 2 (k) x 2 (k) ˆx (k) x (k) K (k) (y(k) = + x (k) ) ˆx 2 (k) x 2 (k) K 2 (k) ) Altså ˆx (k) = x (k) + K (k) ( y(k) x (k) ) (2.5) ˆx 2 (k) = x 2 (k) + K 2 (k) ( y(k) x (k) ) Og til slutt nytt aposteriori-kovarians-estimat ˆP (k) = (I K(k)D) P (k) (2.6) ˆP (k) ˆP2 (k) ( 0 K (k) ) P = 0 (k) P 2 (k) ˆP 2 (k) ˆP22 (k) 0 K 2 (k) P 2 (k) P 22 (k) ˆP (k) ˆP2 (k) K (k) 0 P = (k) P 2 (k) ˆP 2 (k) ˆP22 (k) K 2 (k) P 2 (k) P 22 (k) ˆP (k) ˆP2 (k) ( K = (k))p (k) ( K (k))p 2 (k) ˆP 2 (k) ˆP22 (k) K 2 (k)p (k) + P 2 (k) K 2 (k)p 2 (k) + P 22 (k) Altså: ˆP (k) = ( K (k) ) P (k) (2.7) ˆP 2 (k) = ( K (k) ) P 2 (k) ˆP 2 (k) = P 2 (k) K 2 (k)p (k) ˆP 22 (k) = P 22 (k) K 2 (k)p 2 (k) 3 Blokkdiagram (Antall poeng for denne oppgaven er 0) 3.a (0 poeng) Ved å kalle signalet etter siste forsinkelseblokk for x(z) så har en at signalet mellom forsinkelseblokkene er zx(z) og signalet før første forsinkelseblokk er z 2 x(z). Dermed får vi for første summering u(z) + ax(z) = z 2 x(z) eller u(z) = (z 2 a)x(z). For andre summering har vi bx(z) + zx(z) = y(z) eller y(z) = (z + b)x(z). Dermed får vi h(z) = y(z) u(z) = z + b z 2 a = z + bz 2. (3.) az 2 7
Eksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK30, Systemidentifikasjon Dato: Fredag 4. desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen
DetaljerDET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk. Løsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentifikasjon ( sp) Dato: torsdag 6 desember Lengde på eksamen: 4 timer Tillatte
DetaljerDato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerMIK-130 Systemidentifikasjon Løsningsforslag eksamen 28 mai 2004
MIK-130 Systemidentifikasjon Løsningsforslag eksamen 28 mai 2004 Oppgave 1 a Energibalanse: Endring i energi = sum av tilført energi - sum av avgitt energi. Her får en da for vannet E t = (m vc pv T v
DetaljerEksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: 21 februar 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen Bokmål
DetaljerLøsningsforslag Eksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentifikasjon ( sp) Dato: Mandag 8 desember 28 Lengde på eksamen: 4 timer Tillatte
DetaljerEksamen i ELE620, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentifikasjon (10 sp) Dato: tirsdag 17 desember 2013 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerEksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon (10 sp) Dato: onsdag 24 november 2010 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentikasjon (10 sp) Dato: Fredag 15 desember 2017 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerEksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon (10 sp) Dato: Mandag 8 desember 2008 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerLøsningsforslag Eksamen i MIK130, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK3, Systemidentikasjon ( sp) Dato: onsdag 23 november 2 Lengde på eksamen: 4 timer Tillatte
Detaljer2 Utledning av Kalman-filter Forventningsrett estimator Kovariansmatriser Minimum varians estimator... 9
Stavanger, 3. august 2018 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2018. Innhold 1 Tilstands- og parameterestimering med Kalman-filter 2 1.1 Observerbarhet...........................
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
Stavanger, 7. november 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for ata- og elektroteknikk Eksamen i ELE620, Systemientikasjon (10 sp) Dato: Manag 15 esember 2014 Lenge på eksamen: 4 timer Tillatte hjelpemiler: Kun
DetaljerEksamen i MIK130, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK3, Systemidentikasjon ( sp) Dato: onsdag 23 november 2 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DE EKNISK - NAURVIENSKAPELIGE FAKULE Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentikasjon (0 sp) Dato: Onsdag 4 desember 206 Lengde på eksamen: 4 timer illatte hjelpemidler: Kun standard
DetaljerEksamen i MIK130, Systemidentifikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksaen i MIK130, Systeidentifikasjon (10 sp) Dato: Torsdag 17 deseber 2009 Lengde på eksaen: 4 tier Tillatte hjelpeidler:
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DE EKNISK - NAURVIENSKAPEIGE FAKUE Institutt for data- og elektroteknikk Eksamen i EE620, Systemidentikasjon (0 sp) Dato: Fredag 3 mars 207 engde på eksamen: 4 timer illatte hjelpemidler: Kun standard
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. 1 Stokastiske system og prosesser 2
Stavanger, 4. august 016 Det teknisknaturvitenskapelige fakultet ELE60 Systemidentifikasjon, 016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerEksamen i ELE620, Systemidentikasjon (10 sp)
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i ELE620, Systemidentikasjon (0 sp) Dato: Tirsdag 5 desember 205 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerKalmanfilter på svingende pendel
Kalmanfilter på svingende pendel Rolf Henriksen og Torbjørn Houge Institutt for teknisk kybernetikk NTNU 2005 Vi skal se på hvordan Kalmanfilteret fungerer på et velkjent eksempel, den svingende pendel
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas.
Stavanger, 26. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerEksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
Detaljer6 Modellering av smelteovn Modellering Tilstandsromform Diskretisering Observerbarthet Tidssteg...
Stavanger, 28. mai 2019 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2019. Innhold 6 Modellering av smelteovn. 1 6.1 Modellering............................. 1 6.2 Tilstandsromform..........................
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas.
Stavanger, 26. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. med Kalman-filter og RLS.
Stavanger, 9. august 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
Detaljer4.1 Diskretisering av masse-fjær-demper-system. K f m. x m u m y = x 1. x m 1 K d. Dette kan skrives på matriseform som i oppgaven med 0 1 A =
Stavanger, 5. september 08 Det teknisknaturvitenskapelige fakultet ELE60 Systemidentifikasjon, 08. Innhold 4 Løsningsforslag og kommentarer, noen regneoppgaver. 4. Diskretisering av masse-fjær-demper-system...........
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. 1 Parameterestimering med LS og RLS 2
Stavanger, 3 november 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016 Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning. 1 En kort oppsummering Adaptiv filtrering 2. 3 Prediksjon 4
Stavanger, 13. august 2013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 2013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 1 En kort oppsummering. 1 2 Adaptiv
DetaljerTTK4180 Stokastiske og adaptive systemer. Datamaskinøving 2 - Parameterestimering
Institutt for teknisk kybernetikk Norges teknisk-naturvitenskapelige universitet 27.10.98 EWR TTK4180 Stokastiske og adaptive systemer Datamaskinøving 2 - Parameterestimering Tid og sted: -Utdeling av
DetaljerTilstandsestimering Oppgaver
University College of Southeast Norway Tilstandsestimering Oppgaver HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Grunnlag... 3 1.1 Statistikk og Stokastiske systemer... 3 1.2
Detaljer7 Tilstandsestimering for smelteovn.
Stavanger, 9. august 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerTilstandsestimering Løsninger
University College of Southeast Norway Tilstandsestimering Løsninger HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Grunnlag... 3 1.1 Statistikk og Stokastiske systemer... 3 1.2
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. 1 Adaptiv filtrering 2.
Stavanger, 23. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerTilstandsestimering Oppgaver
Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Tilstandsestimering Oppgaver HANS-PETTER HALVORSEN, 2012.01.27 Faculty of Technology, Postboks 203,
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
Stavanger, 30. juni 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerDESIGN AV KALMANFILTER. Oddvar Hallingstad UniK
DESIGN AV KALMANFILTER Oddvar Hallingstad UniK Hva er et Kalmanfilter? Kalmanfilteret er en rekursiv algoritme som ved å prosessere målinger av inngangen og utgangen av et system og ved å utnytte en matematisk
DetaljerEKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag 7. desember 2012 Tid: 09:00 13:00
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 8 Bokmål Faglig kontakt under eksamen: John Tyssedal 73593534/41645376 EKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag
DetaljerSLUTTPRØVE (Teller 60% av sluttkarakteren)
Høgskolen i Telemark Avdeling for teknologiske fag SLUTTPRØVE (Teller 60% av sluttkarakteren) EMNE: EE4209 Modellbasert regulering LÆRERE Kjell - Erik Wolden og Hans - Petter Halvorsen KLASSE(R): 2IA DATO:
DetaljerEksamen i MIK130, Systemidentifikasjon
DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for elektroteknikk og databehandling Eksamen i MIK130, Systemidentifikasjon Dato: Mandag 28. november 2005 Lengde på eksamen: 4 timer Tillatte hjelpemidler:
DetaljerDET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE. Forfatter: Atle Gjengedal (signatur forfatter)
DET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE Studieprogram/spesialisering: Kybernetikk/signalbehandling Vårsemesteret, 2009 Åpen / Konfidensiell Forfatter: Atle Gjengedal (signatur forfatter)
DetaljerUniversity College of Southeast Norway. Kalmanfilter HANS-PETTER HALVORSEN,
University College of Southeast Norway HANS-PETTER HALVORSEN, 2016.11.01 http://home.hit.no/~hansha Forord Dette dokumentet tar for seg grunnleggende modellbasert regulering over temaet. Noen forenklinger
DetaljerSide av 5 fra matriseteori har vi at en symmetrisk matrise alltid er ortogonalt diagonaliserbar. Det vil si at X kan skrives på formen X = M M (6) der
Side av 5 Norges teknisk- naturvitenskapelige universitet Institutt for teknisk kybernetikk SIE38 Stokastiske og adaptive systemer Fasit til ving Oppgave Gitt at den stokastiske vektoren v er normalfordelt
DetaljerTilstandsestimering Løsninger
Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Tilstandsestimering Løsninger HANS-PETTER HALVORSEN, 2012.01.27 Faculty of Technology, Postboks
DetaljerLitt generelt om systemidentifikasjon.
Stavanger, 29. juni 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.
DetaljerLitt generelt om systemidentifikasjon.
Stavanger, 31. juli 2018 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2018. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerDET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE. Forfatter: Duy Viet Nguyen (signatur forfatter)
DET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE Studieprogram/spesialisering: Automatisering og signalbehandling Vårsemesteret, 2017 Åpen / Konfidensiell Forfatter: Duy Viet Nguyen (signatur forfatter)
DetaljerKalmanfilter HANS-PETTER HALVORSEN, 2012.02.24
Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics HANS-PETTER HALVORSEN, 2012.02.24 Faculty of Technology, Postboks 203, Kjølnes ring 56, N-3901 Porsgrunn,
DetaljerEKSAMEN I TMA4285 TIDSREKKJEMODELLAR Fredag 7. desember 2012 Tid: 09:00 13:00
Noregs teknisk naturvitskaplege universitet Institutt for matematiske fag Side 1 av 8 Nynorsk Fagleg kontakt under eksamen: John Tyssedal 73593534/41645376 EKSAMEN I TMA4285 TIDSREKKJEMODELLAR Fredag 7.
Detaljer(1 + x 2 + y 2 ) 2 = 1 x2 + y 2. (1 + x 2 + y 2 ) 2, x 2y
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA45 Matematikk vår 9 Løsningsforslag til eksamen.5.9 Gitt f(, y) = + +y. a) Vi regner ut f = f y = + + y ( + + y ) = + + y
DetaljerEksamen i SEKY3322 Kybernetikk 3
Høgskolen i Buskerud. Finn Haugen(finn.augen@ibu.no). Eksamen i SEY3322 ybernetikk 3 Tid: 27. mai 2009. Variget 5 timer. Vekt i sluttkarakteren: 70% Hjelpemidler: Ingen trykte eller åndskrevne jelpemidler.
DetaljerLøsningsforslag øving 8
K405 Reguleringsteknikk, Vår 206 Oppgave Løsningsforslag øving 8 a Vi begynner med å finne M 2 s fra figur 2 i oppgaveteksten. M 2 s ω r 2 ω h m sh a sh R2 sr 2 ω K v ω 2 h m sh a sh R2 sr 2 h m sh a sh
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 10 LØSNINGSFORSLAG TIL EKSAMEN I FAG TMA4240 STATISTIKK Mandag 12. desember 2011 Oppgave 1 Oljeleting a) Siden P(A
DetaljerGenerell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. 1 Øving med systemidentifikasjon.
Stavanger, 23. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3440/4440 Signalbehandling Eksamensdag: 11. desember 006 Tid for eksamen: 15.30 18.30 Oppgavesettet er på 7 sider. Vedlegg:
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning. 7.1 Stokastisk prosess Lineær prediktor AR-3 prosess...
Stavanger, 1. september 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 7.1 Stokastisk prosess..........................
DetaljerGenerell informasjon om faget er tilgjengelig fra It s learning.
Stavanger, 6. august 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 5.1 Implementering av IIR filter....................
DetaljerSystemidentifikasjon Oppgaver
University College of Southeast Norway Systemidentifikasjon Oppgaver HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Innledning... 3 2 Minste kvadraters metode... 4 3 Validering...
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I TEP4145 KLASSISK MEKANIKK Mandag 21. mai 2007 kl Løsningsforslaget er på i alt 9 sider.
NORGES TEKNISK- NATURVITENSKAPELIGE UNIVERSITET INSTITUTT FOR ENERGI- OG PROSESSTEKNIKK Kontakt under eksamen: Jon Andreas Støvneng Telefon: 73 59 36 63 / 45 45 55 33 LØSNINGSFORSLAG TIL EKSAMEN I TEP4145
DetaljerEKSAMEN I NUMERISK LINEÆR ALGEBRA (TMA4205)
Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag Side av 6 Faglig kontakt under eksamen: Navn: Brynjulf Owren 93064 EKSAMEN I NUMERISK LINEÆR ALGEBRA TMA405 Fredag 5 desember
DetaljerTilleggsoppgaver for STK1110 Høst 2015
Tilleggsoppgaver for STK0 Høst 205 Geir Storvik 22. november 205 Tilleggsoppgave Anta X,..., X n N(µ, σ) der σ er kjent. Vi ønsker å teste H 0 : µ = µ 0 mot H a : µ µ 0 (a) Formuler hypotesene som H 0
DetaljerDel 1. Skisse av reguleringsteknisk system
Inst. for teknisk kybernetikk Fag TELE2001 Reguleringsteknikk Øving 1, løsningsforslag v2 Revidert sist Fredrik Dessen 2017-09-07 Del 1. Skisse av reguleringsteknisk system Den såkalte cruisekontrollen
DetaljerÅMA110 Sannsynlighetsregning med statistikk, våren
ÅMA110 Sannsynlighetsregning med statistikk, våren 2006 Oppsummering Bjørn H. Auestad Institutt for matematikk og naturvitenskap Universitetet i Stavanger 24. april Bjørn H. Auestad Oppsummering våren
DetaljerMatematisk statistikk og stokastiske prosesser B, høsten 2006 Oppgavesett 5, s. 1. Oppgave 1. Oppgave 2. Oppgave 3
Matematisk statistikk og stokastiske prosesser B, høsten 2006 Oppgavesett 5, s. 1 Oppgave 1 For AR(2)-modellen: X t = 0.4X t 1 + 0.45X t 2 + Z t (der {Z t } er hvit søy med varians 1), finn γ(3), γ(4)
Detaljerv(t) = r (t) = (2, 2t) v(t) = t 2 T(t) = 1 v(t) v(t) = (1 + t 2 ), t 2 (1 + t 2 ) t = 2(1 + t 2 ) 3/2.
NTNU Institutt for matematiske fag TMA40 Matematikk, øving, vår 0 Løsningsforslag Notasjon og merknader Hvis boken skriver en vektor som ai + bj + ck hender det at jeg skriver den som a, b, c). Jeg benytter
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT0 STATISTISKE METODER VARIGHET: TIMER DATO:. NOVEMBER 00 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV OPPGAVER PÅ 7 SIDER HØGSKOLEN
DetaljerØving 3. Oppgave 1 (oppvarming med noen enkle oppgaver fra tidligere midtsemesterprøver)
Institutt for fysikk, NTNU TFY455/FY003: Elektrisitet og magnetisme Vår 2008 Veiledning: Fredag 25. og mandag 28. januar Innleveringsfrist: Fredag. februar kl 2.00 Øving 3 Oppgave (oppvarming med noen
DetaljerComputer Problem 1 TTK 4190 NavFart
Computer Problem 1 TTK 419 NavFart Frode Efteland efteland@stud.ntnu.no 3 mars 24 Innhold 1 Oppgave 1 - DSRV 4 1.1 a)forwardspeedmodell... 5 1.1.1 Simulinkmodell... 6 1.1.2 Matlabplott... 7 1.1.3 Resultat...
DetaljerSo303e Kyb 2: Løsning til øving 11
Høgskolen i Oslo Finn Haugen (finn@techteach.no) 3. 27 So33e Kyb 2: Løsning til øving Oppgave : Design av foroverkoplingsfunksjon. Figur viser reguleringssysteets TFS. u [V] F in [ 3 /s] LC Level Controller
DetaljerVær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter!
Vær OBS på at svarene på mange av oppgavene kan skrives på flere ulike måter! Oppgave.. a x y = x + y = r r r +r r x y = y fri x y = y fri Vi får én fri variabel, og løsningens har følgelig dimensjon.
DetaljerBåtsimulering med diskret Kalmanfilter TTK4115 Lineær systemteori
NTNU Norges teknisk-naturvitenskapelige universitet Fakultet for informasjonsteknologi, matematikk og elektroteknikk Institutt for teknisk kybernetikk Båtsimulering med diskret Kalmanfilter TTK4115 Lineær
DetaljerMA0002 Brukerkurs i matematikk B Vår 2013
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA Brukerkurs i matematikk B Vår 3 Løsningsforslag Øving 7 9.4.5 La A = (,, 3) og B = (,, ). Finn vektorrepresentasjonen til
DetaljerMatematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s. 1. Oppgave 1
Matematisk statistikk og stokastiske prosesser B, høsten 2006 Løsninger til oppgavesett 5, s AR2-modell: Oppgave X t φ X t φ 2 X t 2 Z t Antas å være kausal slik at X t ψ j Z t j er ukorrelert med Z t+,
DetaljerHØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi
HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: 6.mai 215 Varighet/eksamenstid: 5 timer Emnekode: TELE 23 Emnenavn: Signalbehandling Klasse(r): 2EI 2EE Studiepoeng: 1 Faglærer(e):
DetaljerLØSNINGSFORSLAG TIL SIGNALBEHANDLING 1 JUNI 2010
LØSNINGSFORSLAG TIL SIGNALBEHANDLING JUNI Løsningsforslag til eksamen i Signalbehandling, mai Side av 5 Oppgave a) Inngangssignalet x(t) er gitt som x( t) = 5cos(π t) + 8cos(π 4 t). Bruker Eulers formel
DetaljerDET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE. Forfatter: Bjørnar Langeland
DET TEKNISK-NATURVITENSKAPELIGE FAKULTET MASTEROPPGAVE Studieprogram/spesialisering: Kybernetikk/signalbehandling Vårsemesteret, 21 Åpen / Konfidensiell Forfatter: Bjørnar Langeland Fagansvarlig: Morten
DetaljerI dette kapitlet vil vi gi en rask innfring i Kalman-ltrering. Malet er a sette leseren
Kapittel 2 Tilstandsestimering I dette kapitlet vil vi gi en rask innfring i Kalman-ltrering. Malet er a sette leseren i stand til a bruke og implementere et Kalman-lter (KF) uten a matte ga igjennom en
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF3440/4440 Signalbehandling Eksamensdag: xx. desember 007 Tid for eksamen: Oppgavesettet er på 6 sider. Vedlegg: Tillatte hjelpemidler:
DetaljerUniversity College of Southeast Norway. Observer HANS-PETTER HALVORSEN.
University College of Southeast Norway HANS-PETTER HALVORSEN http://home.hit.no/~hansha Forord Dette dokumentet tar for seg modellbasert regulering over temaet s og tilstandsestimering. Noen forenklinger
DetaljerUNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Underveiseksamen i: STK1000 Innføring i anvendt statistikk. Eksamensdag: Onsdag 22/3, 2006. Tid for eksamen: Kl. 09.00 11.00. Tillatte hjelpemidler:
DetaljerTMA4210 Numerisk løsning av part. diff.lign. med differansemetoder Vår 2005
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4210 Numerisk løsning av part. diff.lign. med differansemetoder Vår 2005 Løsningsforslag Øving 2 1 Denne oppgaven er ganske
DetaljerTTK4180 Stokastiske og adaptive systemer. Datamaskinøving 1 - Tilstandsestimering
Institutt for tenis yberneti Norges tenis-naturvitensapelige universitet 28.09.98 EWR TTK4180 Stoastise og adaptive systemer Datamasinøving 1 - Tilstandsestimering Tid og sted: -Utdeling av oppgave: 3.
DetaljerLineær analyse i SIMULINK
Lineær analyse i SIMULINK Av Finn Haugen (finn@techteach.no) TechTeach (http://techteach.no) 20.12 2002 1 2 Lineær analyse i SIMULINK Innhold 1 Innledning 7 2 Kommandobasert linearisering av modeller 9
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Fredag 29. mars 2019 Tid for eksamen : 14:30 18:30 (4 timer) Oppgavesettet er
DetaljerOppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF347/447 Digital signalbehandling Eksamensdag:. desember 5 Tid for eksamen: 9. 3. Oppgavesettet er på 7 sider. Vedlegg: Ingen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: MAT Kalkulus og lineær algebra Eksamensdag: Lørdag 25. Mai 29. Tid for eksamen: :5 4:5. Oppgavesettet er på 7 sider. Vedlegg:
DetaljerProsjektoppgaver om diusjonsprosesser og diusjonstilnærmelse
Prosjektoppgaver om diusjonsprosesser og diusjonstilnærmelse February 13, 2006 I alle oppgavene skal det skrives litt om hva diusjonsprosesser er, hvilke spesielle resultater fra diusjonsteorien man skal
DetaljerUNIVERSITETET I OSLO Fysisk institutt. MEMSgyromatriser. Masteroppgave. Tomas Sandmo
UNIVERSITETET I OSLO Fysisk institutt MEMSgyromatriser Masteroppgave Tomas Sandmo 30. mai 2011 Forord Denne rapporten representerer den siste delen av det to-årige masterstudiet i Elektronikk og datateknologi
DetaljerLøsningsforslag øving 6
Løsningsforslag øving 6 7 Husk Teorem 79 i notatet: En delmengde U av et vektorrom V er et underrom hvis ) nullvektoren er i U, ) summen av to vektorer i U er i U igjen, og 3) et skalarmultiplum av en
DetaljerTMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:
TMA4 Matematikk 3 Eksamen høsten 8 Løsning Side av 9 Løsningsforslag Oppgave Vi setter opp totalmatrisen og gausseliminerer: 8 5 4 8 3 36 8 4 8 8 8 Den siste matrisen her er på redusert trappeform, og
DetaljerOppgavene er hentet fra fagets lærebok, Hass, Weir og Thomas, samt gamle eksamener.
NTNU Institutt for matematiske fag TMA45 Matematikk, øving, vår Løsningsforslag Notasjon og merknader Oppgavene er hentet fra fagets lærebok, Hass, Weir og Thomas, samt gamle eksamener. Oppgaver fra kapittel
DetaljerTTT4110 Informasjons- og signalteori Løsningsforslag eksamen 9. august 2004
Norges teknisknaturvitenskapelige universitet Institutt for elektronikk og telekommunikasjon TTT40 Informasjons- og signalteori Løsningsforslag eksamen 9. august 004 Oppgave (a) Et lineært tidinvariant
DetaljerEmne 10 Litt mer om matriser, noen anvendelser
Emne 10 Litt mer om matriser, noen anvendelser (Reelle) ortogonale matriser La A være en reell, kvadratisk matrise, dvs. en (n n)-matrise hvor hvert element Da vil A være ortogonal dersom: og Med menes
DetaljerOppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir
DetaljerEksamensoppgave i TMA4240 Statistikk
Institutt for matematiske fag Eksamensoppgave i TMA4240 Statistikk Faglig kontakt under eksamen: Mette Langaas a, Ingelin Steinsland b, Geir-Arne Fuglstad c Tlf: a 988 47 649, b 926 63 096, c 452 70 806
DetaljerTMA4240 Statistikk H2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
DetaljerUtfordring. TMA4240 Statistikk H2010. Mette Langaas. Foreleses uke 40, 2010
TMA4240 Statistikk H2010 Statistisk inferens: 8.1: Tilfeldig utvalg 9.1-9.3: Estimering Mette Langaas Foreleses uke 40, 2010 2 Utfordring Ved en bedrift produseres en elektrisk komponent. Komponenten må
DetaljerProsjektoppgaver om diusjonsprosesser og diusjonstilnærmelse
Prosjektoppgaver om diusjonsprosesser og diusjonstilnærmelse February 22, 2007 I alle oppgavene skal det skrives litt om hva diusjonsprosesser er, hvilke spesielle resultater fra diusjonsteorien man skal
Detaljer