Resumen

El algoritmo estándar del filtro de Kalman en cubatura (CKF) tiene algunas desventajas en el control de sistemas estocásticos, como la baja precisión del control y la escasa robustez. Este trabajo propone un método de control de sistemas estocásticos basado en el algoritmo CKF de corrección adaptativa. En primer lugar, se construye un modelo de sistema estocástico discreto, no lineal y variable en el tiempo con perturbaciones estocásticas. El modelo de control se establece utilizando el algoritmo CKF, la matriz de covarianza del CKF estándar se optimiza mediante un filtro de raíz cuadrada, la corrección adaptativa de la matriz de covarianza del error se realiza añadiendo un factor de memoria al filtro, y los factores de perturbación en los sistemas estocásticos discretos no lineales variables en el tiempo se eliminan mediante una estrategia de control predictivo de retroalimentación de varios pasos, con el fin de mejorar la robustez del algoritmo. Los resultados de la simulación muestran que la precisión de la estimación de estado del algoritmo del filtro de Kalman adaptativo es mejor que la del algoritmo del filtro de Kalman estándar, y el algoritmo CKF de corrección adaptativa propuesto tiene una buena precisión de control y robustez en la prueba de control del UAV.

• Materias:Motores (Mecánica) Vehículo espacial Ingeniería Aeronáutica
• Subjects:Engines Space vehicles Aeronautical Engineering
• Palabras claves:filtro kalman de cubatura, algoritmo de filtro kalman, kalman de cubatura estándar, sistema estocástico discreto, correcciones adaptativas ckf, algoritmo de correcciones ckf, control de sistema estocástico, tiempo no lineal, matriz de covarianza de error, precisión de estimación de estado
• Keywords:cubature kalman filter, kalman filter algorithm, standard cubature kalman, discrete stochastic system, adaptive corrections ckf, corrections ckf algorithm, stochastic system control, nonlinear time, error covariance matrix, state estimation accuracy