应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

CyRhmU.jpeg
小木虫论坛-学术科研互动平台 » 专业学科区 » 信息科学 » 控制工程 » 极点配置的状态观测器与增益矩阵确定的卡尔曼滤波观测器有什么区别
南方科技大学公共卫生及应急管理学院2026级博士研究生招生报考通知（长期有效）
61/1返回列表
查看: 4776  |  回复: 5
只看楼主@他人 存档 新回复提醒 (忽略) 收藏    在APP中查看

wangh614

禁虫 (初入文坛)
本帖内容被屏蔽

» 猜你喜欢
1楼2018-06-11 18:16:54
已阅   关注TA 给TA发消息 送TA红花 TA的回帖

毛毛虫shiney

新虫 (小有名气)
★
小木虫: 金币+0.5, 给个红包，谢谢回帖
极点配置讨论的是观测器稳定 不考虑随机噪声等 算是基于利亚普诺夫稳定推导的 kalman是基于贝叶斯理论推导的 使得估计误差的方差最小 两个差别不是一点半点吧 虽然都是观测器

发自小木虫IOS客户端
赞一下(1人) 回复此楼
2楼2018-06-11 18:43:07
 已阅   关注TA 给TA发消息 送TA红花 TA的回帖

junefi

铁杆木虫 (正式写手)
★
小木虫: 金币+0.5, 给个红包，谢谢回帖
状态观测器与Kalman滤波器在结构上一致, 区别"不大".
1, Kalman滤波器增益是在驱动噪声或观测噪声存在的情况下使状态误差方差最小的观测器增益. 也就是说它是有性能指标为指导的. 重点是滤波器的预测输出与系统观测值之差是innovation, 是白的, 这是极点配置状态观测器"做不到的"(因为它没有明确的性能指标指导, 而事实上它也不需要做到, 因为它不考虑噪声).
在考虑稳态情况, 滤波器增益由一个代数Riccati方程的镇定解确定. 情况再特殊一点, 如果系统稳定且不存在噪声, 那么这个Riccati方程的镇定解是0 (这里的0指的是矩阵或向量或纯量), 那么增益也为0. 这和状态观测器理论是一致的, 也就是说, 在系统稳定的情况下状态误差"自动"趋于0, 不需要配置任何极点, 当然为了快速趋于0我们还是会配置观测器极点到"较远"的地方.
2, 状态观测器其实没有什么可以多说的, 观测器利用与系统输出的差值进行修正, 而这个差值没有innovation的含义 (但是它对控制器参数化是有帮助的). 而普通的观测器配置到的极点位置没有任何性能指标的指导 (若讨论H2, Hinf就另说了), 因此只要使得闭环系统稳定即可. 如果把它作为滤波器显然是对性能指标(最小化状态误差方差)的挑衅.
3, 附加一点就是Kalman滤波器并不一定只能由Bayes理论推导, 因此我觉得推导方法不是它和状态观测器的本质区别, 本质可能在于innovation的概念和性能指标导向.

说得不到位, 仅希望相互讨论, 共同进步.
赞一下(2人) 回复此楼
理论改变世界！
3楼2018-06-11 20:06:04
 已阅   关注TA 给TA发消息 送TA红花 TA的回帖

wangh614

禁虫 (初入文坛)
本帖内容被屏蔽
4楼2018-06-12 20:37:17
 已阅   关注TA 给TA发消息 送TA红花 TA的回帖

wangh614

禁虫 (初入文坛)
本帖内容被屏蔽
5楼2018-06-12 21:05:16
 已阅   关注TA 给TA发消息 送TA红花 TA的回帖

yue_s008

至尊木虫 (职业作家)
★
小木虫: 金币+0.5, 给个红包，谢谢回帖
状态观测器本质上是估值。

发自小木虫IOS客户端
赞一下 回复此楼
6楼2018-06-17 09:55:44
 已阅   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 wangh614 的主题更新
61/1返回列表
信息提示
关闭
请填处理意见
关闭