Resumen

Proponemos un estimador de horizonte decreciente (RH) de mínima media cuadrática (LMS) para la estimación de estado. El estimador LMS RH propuesto se obtiene a partir de la expectativa condicional del estado estimado dado un número finito de entradas y salidas sobre el horizonte finito reciente. No se requiere ninguna información de estado a priori, y no se imponen las restricciones artificiales existentes para facilitar la derivación. Para un modelo estocástico general de espacio de estado en tiempo discreto con ruido del sistema y de medición, el estimador LMS RH se representa explícitamente en una forma cerrada. Para la fiabilidad numérica, se presenta la forma iterativa con cálculos hacia delante y hacia atrás. Se demuestra mediante un ejemplo numérico que el estimador LMS RH propuesto tiene un mejor rendimiento robusto que los estimadores Kalman convencionales cuando existen incertidumbres.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:estimador lms rh, modelo espacio estado tiempo, mejor rendimiento robusto, estimadores kalman convencionales, horizonte finito reciente, restricciones artificiales, cálculos hacia atrás, forma cerrada, expectativa condicional, fácil derivación
• Keywords:lms rh estimator, time state space model, better robust performance, conventional kalman estimators, recent finite horizon, artificial constraints, backward computations, closed form, conditional expectation, easy derivation