Publication:
Visual Based Tuning of Regularized Kalman Filter for System Identification Problem

Дата
2021
Авторы
Grebenkin, M. D.
Journal Title
Journal ISSN
Volume Title
Издатель
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Институт общей профессиональной подготовки (ИОПП)
Миссией Института является: фундаментальная базовая подготовка студентов, необходимая для получения качественного образования на уровне требований международных стандартов; удовлетворение потребностей обучающихся в интеллектуальном, культурном, нравственном развитии и приобретении ими профессиональных знаний; формирование у студентов мотивации и умения учиться; профессиональная ориентация школьников и студентов в избранной области знаний, формирование способностей и навыков профессионального самоопределения и профессионального саморазвития. Основными целями и задачами Института являются: обеспечение высококачественной (фундаментальной) базовой подготовки студентов бакалавриата и специалитета; поддержка и развитие у студентов стремления к осознанному продолжению обучения в институтах (САЕ и др.) и на факультетах Университета; обеспечение преемственности образовательных программ общего среднего и высшего образования; обеспечение высокого качества довузовской подготовки учащихся Предуниверситария и школ-партнеров НИЯУ МИФИ за счет интеграции основного и дополнительного образования; учебно-методическое руководство общеобразовательными кафедрами Института, осуществляющими подготовку бакалавров и специалистов по социо-гуманитарным, общепрофессиональным и естественнонаучным дисциплинам, обеспечение единства требований к базовой подготовке студентов в рамках крупных научно-образовательных направлений (областей знаний).
Выпуск журнала
Аннотация
© 2021 National Research Nuclear University. All rights reserved.System identification problem for linear and non-linear systems utilizes a large set of algorithms for estimating a vector of model parameters, relying on measurements and system dynamics. In particular one can use a family of Kalman filter adaptive algorithms. In situation when system of interest is ill-conditioned it is proper to use regularized modification of Kalman filter. In comparison to standard algorithm, properly tuned RKF is significantly more stable to ill-conditioned problems, which frequently arise in the field of system identification due to limited observability or controllability of systems of interest. This paper shows an approach for preliminary tuning and analyzing regularized Kalman filter algorithm (RKF) for parameter identification of a vector meter unit using visualization of its crucial values on a computer model. Visual based approach to RKF tuning on a computer model allows for simple and intuitive way to find suboptimal regularization strength and set it at initialization stage avoiding the necessity to include computationally expensive methods of real-time tuning in algorithm loop. It is shown that regularization strength value, found using this approach, yielded a better estimation accuracy not only in comparison with standard Kalman filter but in comparison with other possible regularization strength values as well.
Описание
Ключевые слова
Цитирование
Grebenkin, M. D. Visual Based Tuning of Regularized Kalman Filter for System Identification Problem / Grebenkin, M.D. // Scientific Visualization. - 2021. - 13. - № 5. - P. 105-112. - 10.26583/SV.13.5.09
URI
https://www.doi.org/10.26583/SV.13.5.09
 https://www.scopus.com/record/display.uri?eid=2-s2.0-85122241182&origin=resultslist
 https://openrepository.mephi.ru/handle/123456789/25199
Коллекции
Публикации