Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2018/2019

Estimation, filtering and detection

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
AE3M35OFD Z,ZK 6 3P+1C
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra řídicí techniky
Anotace:

This course will cover description of the uincertainty of hidden variables (parameters and state of a dynamic system) using the probability language and methods for their estimation. Based on bayesian prblem formulation principles of rational behsavour under uncertainty will be analysed and used to develp algorithms for estimation of parameters of ARX models and Kalman filtering including the extensions.

We will demonstrate numerically robust implementation of the algorithms applicable in real life problems for the areas of industrial process control, robotics and avionics. We will extend the methods for linear gaussian systems to a more generic problems using Monte Calro approach. The course will also cover multimodel approach and its use for the fault detection and isolation and introduction to adaptive control.

Výsledek studentské ankety předmětu je zde: http://www.fel.cvut.cz/anketa/aktualni/courses/AE3M35OFD

Požadavky:
Osnova přednášek:

1.Problem formulation, estimation methods

2.Bayesian approach to uncertainty description

3.Dynamic system model, probabilistic state definition

4.Identification of ARX model parameters

5.Tracking of time varuing parameters, forgetting, role of prior informaiton.

6.Numerically robust implementaiton for real time parameter tracking

7.Stochastic system, Kalman filter.

8.Kalman filtr for colour noise, extended Kalman filter, adaptive Kalman filter.

9.Stochastic dynamic programming, certainty equivalence principle.

10.Adaptive control, cautious and certainty equivalent strategies, dual control.

11.Probabilistic method for fault detection and isolation

12.Utilizaiton of multiple models

13.Nonlinear estimation, local approximation

14.Global aproximation, Monte Carlo Kalman filter

Osnova cvičení:

Laboratory covers work on individual assignments/projects.

Cíle studia:
Studijní materiály:

Literatura:

1.Frank L. Lewis, Lihua Xie, and Dan Popa : Optimal and Robust Estimation: With an Introduction to Stochastic Control Theory, CRC Press, 2005

Poznámka:

Rozsah výuky v kombinované formě studia: 21p+3c

Další informace:
http://dce.fel.cvut.cz/studium/estimation-filtering-and-detection
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 20. 8. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet12816804.html