Zusammenfassung
Wir haben zu verschiedenen Anlässen festgestellt, so z. B. in den Abschn. 12.6 und 16.6, dass die Schätzung des Systemzustandes unter Nutzung verfügbarer (unvollständiger) Messinformation eine Voraussetzung für den Einsatz effektiver Regelungs- und Steuerstrategien sein kann. Darüber hinaus ist die Problemstellung der Zustandsschätzung für Zwecke der Systemüberwachung, der Ausfalldetektion u. ä. von besonderer Bedeutung. Wir werden uns in diesem Kapitel mit der Problemstellung der Zustandsschätzung für einige Spezialfälle befassen, die bei einem breiten Spektrum technischer und nichttechnischer Anwendungsfälle entstehen. Für ausführlichere und weitergehende Information wird auf dedizierte Bücher in der Literatur verwiesen [Bertsekas (2005), Bertsekas (2007), Brammer and Schiffling (1975), Chui and Chen (1987), Jazwinski (1970), Ruymgaart and Soong (1988)].
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Bertsekas D (2005) Dynamic programming and optimal control I, 3. Aufl. Athena Scientific, Belmont, Mass., U.S.A.
Bertsekas D (2007) Dynamic programming and optimal control II, 3. Aufl. Athena Scientific, Belmont, Mass., U.S.A.
Brammer K, Schiffling G (1975) Stochastische Grundlagen des Kalman-Bucy-Filters. Oldenbourg Verlag, München
Chui C, Chen G (1987) Kalman filtering. Springer, Berlin
Jazwinski A (1970) Stochastic processes and filtering theory. Academic Press, New York
Ruymgaart P, Soong T (1988) Mathematics of Kalman-Bucy filtering. Springer, Berlin
Bryson Jr A, Johansen D (1965) Linear filtering for time-varying systems using measurements containing colored noise. IEEE T Automat Contr 10:4–10
Kalman R, Bucy R (1961) New results in linear filtering and prediction theory. J Basic Eng 83:95–108
Kalman R (1960b) A new approach to linear filtering and prediction problems. J Basic Eng 82:35–45
Kushner H (1967) Dynamical equations for optimal nonlinear filtering. J Differ Equations 3:179–190
Simon D (2006) Optimal state estimation. Wiley-Interscience
Wiener N (1956) I am a mathematician. MIT Press, Cambridge, Massachusetts
Doucet A, de Freitas N, Gordon N (Hrsg.) (2001) Sequential Monte Carlo methods in practice. Springer, New York
Ristic B, Arulampalam S, Gordon N (2004) Beyond the Kalman filter: particle filters for tracking applications. Artech House, Norwell, Massachusetts
Julier S, Uhlmann J, Durrant-Whyte H (1995) A new approach for filtering nonlinear systems. In: Amer Contr Conf, S 1628–1632
Julier S, Uhlmann J, Durrant-Whyte H (2000) A new method for the nonlinear transformation of means and covariances in filters and estimators. IEEE T Automat Contr 45:477 – 482
Julier S, Uhlman J (2004) Unscented filtering and nonlinear estimation. P IEEE 92:401–422
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Papageorgiou, M., Leibold, M., Buss, M. (2015). Optimale Zustandsschätzung dynamischer Systeme. In: Optimierung. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-46936-1_17
Download citation
DOI: https://doi.org/10.1007/978-3-662-46936-1_17
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-46935-4
Online ISBN: 978-3-662-46936-1
eBook Packages: Computer Science and Engineering (German Language)