Estimation d'états

Conception de filtres de Kalman, estimation des états pendant le fonctionnement du système, génération du code et déploiement du code vers des cibles embarquées

Les techniques d’estimation des états vous permettent d’estimer les valeurs d’état des systèmes avec du bruit de processus et de mesure. Les outils Control System Toolbox™ vous permettent de concevoir des filtres de Kalman d’état stationnaire linéaire et variables dans le temps. Vous pouvez également estimer les états des systèmes non linéaires en recourant à des filtres de Kalman étendus, à des filtres de Kalman sans parfum et à des filtres à particules.

Des algorithmes d’estimation de l’état en ligne mettent à jour les estimations d’état de votre système lorsque de nouvelles données deviennent disponibles. Vous pouvez estimer les états de votre système sur la base des données temps réel, et d’algorithmes de filtres de Kalman linéaires et non linéaires. Vous pouvez procéder à une estimation de l'état en ligne au moyen des blocs Simulink^®, générer un code C/C++ pour ces blocs en recourant à Simulink Coder™ et déployer ce code vers une cible embarquée. Vous pouvez également procéder à une estimation de l’état en ligne au niveau de la ligne de commande et déployer votre code en recourant à MATLAB^® Compiler™ ou à MATLAB Coder.

Fonctions

développer tout

Design de filtres de Kalman

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

Estimation de l’état en ligne

`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 (depuis R2019b)
`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 (depuis R2023a)

Blocs

développer tout

Estimation d'états dans 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

Rubriques

Fondamentaux de l'estimation d'états

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.

Estimation en ligne

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.

Estimation d'états dans 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.

Résolution des problèmes

Troubleshoot Online State Estimation

Troubleshoot online state estimation performed using extended and unscented Kalman filter algorithms.

Informations connexes

Comprendre les filtres de Kalman — MATLAB Série de vidéos