Comprendre les filtres de Kalman
Découvrez des situations concrètes dans lesquelles vous pouvez utiliser des filtres de Kalman. Les filtres de Kalman sont souvent employés pour estimer de manière optimale les états internes d'un système en présence de mesures incertaines et indirectes. Apprenez-en davantage sur les principes de fonctionnement des filtres de Kalman en regardant les exemples introductifs suivants.
Vous explorerez les situations dans lesquelles les filtres de Kalman sont couramment utilisés. Lorsque l'état d'un système ne peut être mesuré que de manière indirecte, vous pouvez utiliser un filtre de Kalman pour estimer de manière optimale les états de ce système. De même, lorsque des mesures provenant de différents capteurs sont disponibles mais sujettes à du bruit, vous pouvez utiliser un filtre de Kalman pour combiner les données provenant de diverses sources (connu sous le nom de fusion de capteurs) afin de trouver la meilleure estimation du paramètre d'intérêt.
Vous découvrirez également les observateurs d'état en parcourant quelques exemples incluant des mathématiques simples. Cela vous aidera à comprendre ce qu'est un filtre de Kalman et comment il fonctionne. De manière générale, les filtres de Kalman sont un type d'estimateur d'état optimal. Les vidéos incluent également une discussion sur les estimateurs d'état non linéaires, tels que les filtres de Kalman étendus et les filtres de Kalman sans parfum.
Enfin, un exemple présentera comment les états d'un système linéaire peuvent être estimés à l'aide des filtres de Kalman, de MATLAB® et de Simulink®.
Pourquoi utiliser des filtres de Kalman ?
Découvrez les utilisations courantes des filtres de Kalman en parcourant quelques exemples. Un filtre de Kalman est un algorithme d'estimation optimale utilisé pour estimer les états d'un système à partir de mesures indirectes et incertaines.
Découvrez les principes de fonctionnement des observateurs d'état ainsi que les mathématiques qui les sous-tendent. Les observateurs d'état sont utilisés pour estimer les états internes d'un système lorsque ceux-ci ne peuvent pas être mesurés directement.
Découvrez comment fonctionnent les filtres de Kalman. Les filtres de Kalman combinent deux sources d'informations, les états prédits et les mesures bruitées, pour produire des estimations d'état non biaisées et optimales.
Un algorithme d'estimation d'état optimal
Découvrez l'ensemble des équations nécessaires pour implémenter l’algorithme du filtre de Kalman.
Estimateurs d'état non linéaires
Cette vidéo explique les concepts de base des estimateurs d'état non linéaires, y compris les filtres de Kalman étendus, les filtres de Kalman sans parfum et les filtres particulaires.
Comment utiliser un filtre de Kalman dans Simulink
Estimez la position angulaire d’un système de pendule simple en utilisant un filtre de Kalman dans Simulink. Vous découvrirez comment configurer les paramètres du bloc filtre de Kalman tels que le modèle du système, les estimations initiales de l'état et les caractéristiques du bruit.
Comment utiliser un filtre de Kalman étendu dans Simulink
Estimez la position angulaire d’un système de pendule non linéaire en utilisant un filtre de Kalman étendu. Vous découvrirez comment spécifier les paramètres du bloc de filtre de Kalman étendu, tels que les fonctions de transition d'état et de mesure, et générer du code C/C++.
