فهرس المقالات Extended Kalman Filter

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - کاربرد فیلتر کالمن برای بهبود کیفیت هدایت موشک زمین به هوا
  مهدی حسین زاده هرویان
  10.30495/jce.2022.1966590.1169
  دسته‌ای از موشک‌های زمین به هوا، موشک‌های آشیانه‌ یاب (‌ردیاب‌) هستند که جهت مقابله با اهداف هوایی نظیر هواپیما یا بالگرد مورداستفاده قرار می‌گیرند. با ایجاد اهداف مجازی توسط هدف، کارایی این موشک‌ها بشدت کم شده است. ابتدایی‌ترین سیستم طراحی‌شده برای مقابله با اهداف کاذب أکثر

  دسته‌ای از موشک‌های زمین به هوا، موشک‌های آشیانه‌ یاب (‌ردیاب‌) هستند که جهت مقابله با اهداف هوایی نظیر هواپیما یا بالگرد مورداستفاده قرار می‌گیرند. با ایجاد اهداف مجازی توسط هدف، کارایی این موشک‌ها بشدت کم شده است. ابتدایی‌ترین سیستم طراحی‌شده برای مقابله با اهداف کاذب، خاموش کردن سیستم‌ هدایت هنگام شناسایی و مواجهه با این اهداف است. خاموش کردن هدایت به این معنا است که آخرین دستور شتابِ قبل از مواجهه باهدف مجازی در طول مدت وجود هدف مجازی، برای هدایت موشک به کار گرفته ‌شود. به علت وجود مانورهای هدف، هدایت خاموش در بعضی حالات مناسب عمل نمی‌کند. با فرض تشخیص ایجاد شدن هدف مجازی، در این مقاله از پیش‌بینی رفتار آینده موقعیت هدف برای مقابله با اهداف مجازی استفاده‌شده است. برای پیش‌بینی نیز از فیلتر کالمن تعمیم‌یافته استفاده‌شده است. نشان داده‌شده است که این روش در مقایسه با روش هدایت خاموش، مناسب‌تر عمل می‌کند. با توجه به در دسترس نبودن اطلاعات کافی از هدف، یکی از مشکلات روش پیش‌بینی، خطای موجود در مقدار اولیه حالت‌ها است. خطای زیاد در مقدار اولیه حالت‌ها باعث می‌شود که خطای پیش‌بینی در فیلتر کالمن تعمیم‌یافته و در نتیجه خطای برخورد زیاد شود. به‌این‌علت در این مقاله ایده استفاده از چند فیلتر کالمن تعمیم‌یافته به‌طور هم‌زمان، مطرح‌شده است. نتایج شبیه‌سازی نشان می‌دهد که این روش توانسته است تا حد زیادی وابستگی به مقدار اولیه را از بین ببرد و موشک را به سمت هدف هدایت نماید. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - فیلتر کالمن دو بعدی تعمیم یافته به منظور تخمین دمای درونی باتری بدون استفاده از حسگر
  محسن غلامرضایی محمد طلوع عسکری سدهی اصفهانی
  چکیده: دیدگاه‌ها و روش‌های متداول برای تخمین دمای داخلی باتری از مدل‌های عددی الکتریکی- حرارتی استفاده می‌کنند که در آنها نیاز به حسگر دما ضروری است. به منظور تضمین استفاده ایمن و درست از باتری‌های لیتیوم- یون در طول عمل، برآورد دقیق از درجه حرارت باتری از اهمیت ویژه&lr أکثر

  چکیده: دیدگاه‌ها و روش‌های متداول برای تخمین دمای داخلی باتری از مدل‌های عددی الکتریکی- حرارتی استفاده می‌کنند که در آنها نیاز به حسگر دما ضروری است. به منظور تضمین استفاده ایمن و درست از باتری‌های لیتیوم- یون در طول عمل، برآورد دقیق از درجه حرارت باتری از اهمیت ویژه‎ای برخوردار است. در این مقاله روشی برای تخمین دمای هسته سلول باتری و سطح باتری با استفاده از یک مدل حرارتی کوپل شده با مدل امپدانس الکتریکی بدون اندازه‌گیری مستقیم دمای سطح ارائه می‌شود. بدین منظور یک فیلتر کالمن دو بعدی توسعه یافته (DEKF) متشکل از یک مدل حرارتی مرتبه کاهش یافته به همراه اندازه‌گیری جریان، ولتاژ و امپدانس می تواند با دقت زیادی دمای هسته سلول و سطح باتری را تخمین بزند. کارایی این روش از طریق آزمایش بر روی یک سلول 2.3 آمپر- ساعتی یون لیتیومی شامل فسفات آهن با ترموکوپل های سطح و هسته نشان داده شده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - تعیین مسیر بهینه رؤیتگر در ردیابی دو هدف با استفاده از اندازه‌گیری‌های زاویه سمت
  سید احسان رضوی پرستو پور سلطانی ناصر پریز
  از مسائل مهم در بسیاری از زمینه های نظارت، مونیتورینگ و سیستم های خدمات ارتباطی مدرن،مکان یابی و ردیابی چندین هدف می باشد که یک تعمیم منطقی از مسئله فیلترینگ تک هدفه است.به همین منظور لازم است از فیلترهایی استفاده شود که جهت یا فاصله نسبی هدف تا رویت گر را اندازه گیری م أکثر

  از مسائل مهم در بسیاری از زمینه های نظارت، مونیتورینگ و سیستم های خدمات ارتباطی مدرن،مکان یابی و ردیابی چندین هدف می باشد که یک تعمیم منطقی از مسئله فیلترینگ تک هدفه است.به همین منظور لازم است از فیلترهایی استفاده شود که جهت یا فاصله نسبی هدف تا رویت گر را اندازه گیری می کنند. مزیت کاربردی استفاده از چنین سنسورهایی آن است که موقعیت سنسور را نشان نمی دهند.یکی از مسائل اساسی در زمینه ردیابی هنگامی که حسگر تنها جهت هدف را اندازه گیری می کند،وابستگی دقت تخمین به مسیر حرکت رویت گر است.توجه به مباحث مطرح شده تخمین موقعیت هدف بسیار ضروری است. لذا در این مقاله هدف تعیین مسیر بهینه ی رویت گر در ردیابی دو هدف متحرک می باشد، بطوریکه کارایی ردیابی افزایش یابد.ردیابی هدف توسط یک رویت گر و تنها از روی اندازه گیری جهت هدف نسبت به رویت گر صورت می گیرد. ابتدا مسیر رویت گر بصورت یک پروفایل ریاضی مطرح می شود و ضرایب آن توسط الگوریتم بهینه سازی بدست می آیند که کمترین میزان خطا را در ردیابی هدف با استفاده از فیلتر کالمن توسعه یافته که بعنوان یک تخمین گر بهینه انجام می شود.سپس مسیر دیگری معرفی می شود که بر اساس تخمین های بدست آمده توسط دو فیلتر کالمن توسعه یافته و بعد از آن فیلتر کالمن بدون بو می باشد.با مقایسه این دو روش و نتایج بدست آمده از مسیر بهینه سازی توسط الگوریتم ژنتیک چند هدفه،بهترین آن ها برای ادامه مسیر رویت گر مورد نظر پیشنهاد می شود. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - کنترل سرعت بدون سنسور موتور سنکرون مغناطیس دائم با استفاده از فیلتر کالمن توسعه یافته
  مهرداد جعفربلند احسان بابایی
  امروزه به دلیل سادگی ساختمان و بازده زیاد، کاربرد موتورهای سنکرون مغناطیس دائم به سرعت در حال افزایش است. از جمله کاربردهای این موتور استفاده در تجهیزات درایو است. مشکلات کنترل در درایوهای بدون سنسور و با لحاظ نویز و اختلال بیشتر است. خصوصا در سرعت‌های خیلی زیاد، این مش أکثر

  امروزه به دلیل سادگی ساختمان و بازده زیاد، کاربرد موتورهای سنکرون مغناطیس دائم به سرعت در حال افزایش است. از جمله کاربردهای این موتور استفاده در تجهیزات درایو است. مشکلات کنترل در درایوهای بدون سنسور و با لحاظ نویز و اختلال بیشتر است. خصوصا در سرعت‌های خیلی زیاد، این مشکلات افزایش می‌یابد. در این مقاله با استفاده از فیلتر کالمن توسعه یافته مدل جدیدی برای تخمین سرعت و وضعیت ارائه شده است که دقت تخمین را بهبود داده است. نتایج برای سه نوع بار فن/پمپ، مجموعه موتور/ ژنراتور و بالا برنده بررسی و ارائه شده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - کنترل تطبیقی سازه مبنای 3 طبقه مجهز به میراگر MR با استفاده از کنترل‌کننده مقاوم مرتبه کسری
  ام گلثوم جعفرزاده سید آرش موسوی قاسمی سیدمهدی زهرائی اردشیر محمدزاده رامین وفایی پورسرخابی
  10.30495/civil.2023.702326
  در این مطالعه، هدف پیشنهاد یک کنترل‌کننده PID مرتبه کسری تطبیقی است که پارامترهای آن به‌صورت آنلاین توسط پنج شبکه عصبی پرسپترون چندلایه با استفاده از فیلتر کالمن توسعه‌یافته تنظیم می‌شود. یک شبکه عصبی MLP که از طریق الگوریتم پس انتشار خطا آموزش داده شده است برای شناسایی أکثر

  در این مطالعه، هدف پیشنهاد یک کنترل‌کننده PID مرتبه کسری تطبیقی است که پارامترهای آن به‌صورت آنلاین توسط پنج شبکه عصبی پرسپترون چندلایه با استفاده از فیلتر کالمن توسعه‌یافته تنظیم می‌شود. یک شبکه عصبی MLP که از طریق الگوریتم پس انتشار خطا آموزش داده شده است برای شناسایی سیستم سازه ای و تخمین پلنت در نظر گرفته می‌شود. ژاکوبین مدل تخمین زده شده به صورت آنلاین برای اعمال به کنترل کننده استفاده می گردد. از آنجایی که جبرانساز شبکه‌های عصبی فازی نوع ۲ که توسط EKF و استراتژی یادگیری خطای بازخورد تنظیم شده است، پایداری و استحکام این کنترل‌کننده در برابر خطای تخمین، اختلالات لرزه‌ای و برخی توابع غیرخطی ناشناخته افزایش می‌یابد. به منظور اعتبارسنجی، عملکرد کنترل کننده پیشنهادی بر روی سازه مبنا غیرخطی 3 طبقه مجهز به میراگر نیمه فعال تحت زلزله های حوزه دور و نزدیک بررسی می شود. به منظور بررسی و اثربخشی کنترل کننده پیشنهادی مجهز به جبران کننده در کاهش پاسخ های لرزه ای، شاخص های ارزیابی مورد بحث و با کارهای قبلی مقایسه گردیدند. نتایج بیانگر آن است که کنترل کننده FOPID تطبیقی پیشنهادی عملکرد بهتری را نسبت به سایر کنترلرها داشته و بطوری که شاخص J2 در زلزله هاچینو با شدت 1.5، تا مقدار 35 درصد نسبت به دیگر کنترل کننده ها بهبود را تجربه کرده است و این میزان در زلزله نورثریج به بیش از 40 درصد نیز می رسد. دیگر شاخص ها ( J3 تا J6) نیز با استفاده از کنترل کننده پیشنهادی، بهبود قابل ملاحظه ای را تجربه کرده اند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - Mobile Robot Navigation Error Handling Using an Extended Kalman Filter
  Aydin Saderzadeh
  Obviously navigation is one of the most complicated issues in mobile robots. Intelligent algorithms are often used for error handling in robot navigation. This Paper deals with the problem of Inertial Measurement Unit (IMU) error handling by using Extended Kalman Filter أکثر

  Obviously navigation is one of the most complicated issues in mobile robots. Intelligent algorithms are often used for error handling in robot navigation. This Paper deals with the problem of Inertial Measurement Unit (IMU) error handling by using Extended Kalman Filter (EKF) as an Expert Algorithms. Our focus is put on the field of mobile robot navigation in the 2D environments. The main challenge in this issue is to keep track of the position and orientation within a global frame of reference using a variety of sensors providing Dead-Reckoned Odometry, Inertial and Absolute data. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - Indoor Vehicular Navigation using IMU and LiDAR with EKF Parameters Optimization using Grey Wolf Algorithm
  farshad khalafian
  Nowadays, vehicles must be able to localize themselves in all environments, including urban areas and indoor environments where the performance of Global Navigation Satellite Systems (GNSS) may be reduced. In the studies conducted so far in urban environments, an inerti أکثر

  Nowadays, vehicles must be able to localize themselves in all environments, including urban areas and indoor environments where the performance of Global Navigation Satellite Systems (GNSS) may be reduced. In the studies conducted so far in urban environments, an inertial measurement unit (IMU) and an extended Kalman filter (EKF) have been presented. For indoor environments, a light and range detection system (LiDAR) has been developed, which was more accurate than previous methods. However, the accuracy of diagnosis should be improved by providing newer methods. Therefore, in this article, in order to increase the accuracy of the position error of the internal navigation system, an integrated developed IMU/LiDAR Kalman filter was used, and then by optimizing the parameters of the Kalman filter and the gray wolf meta-heuristic algorithm, an attempt was made to reduce the position error. In order to check the performance of the presented method, the results before using the optimization algorithm and after the optimization were evaluated using three different paths. The obtained results, including position, speed, and direction show that the accuracy of the results increases by using the gray wolf algorithm compared to the conventional model. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - Sensorless Vector Control of Linear Induction Motor on Primary and Secondary Flux Oriented based on Fuzzy PI Controller
  Mohammad Sarvi Hassan Zamani
  This paper presents a sensorless system drive on primary flux oriented control (PFOC) and secondary flux oriented control (SFOC) for the linear induction motor (LIM) with taking into account end effect. Extended kalman filter (EKF) is applied to estimate LIM speed by me أکثر

  This paper presents a sensorless system drive on primary flux oriented control (PFOC) and secondary flux oriented control (SFOC) for the linear induction motor (LIM) with taking into account end effect. Extended kalman filter (EKF) is applied to estimate LIM speed by measuring motor voltages and currents. In order to achieve desirable dynamic and robustness motor performance instead of traditional PI controller, a fuzzy PI controller is used for speed regulation in LIM vector control. The accuracy and validity of fuzzy PI controller operation are investigated and evaluated and its results are compared with traditional PI controller. Transient and steady state responses of proposed controller under load thrust variations and speed command are studied. Also characteristics and performances of primary flux oriented control (PFOC) and secondary flux oriented control (SFOC) for the linear induction motor are compared with each other. In order to evaluate the proposed method, simulations are performed in MATLAB/SIMULINK. Results show that the fuzzy PI controller has more excellent performance than the traditional PI controller and also PFOC has better performance than SFOC, because SFOC depend on rotor resistance. EKF properly estimate motor speed by measuring motor voltages and currents and therefore speed sensor can be eliminated تفاصيل المقالة