• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2013년도 추계학술대회 논문집
• /
• pp.222-223
• /
• 2013

본 논문에서는 배터리 SOC 추정 정확도 향상을 위해 기존 EKF 추정 기법에 MMAE 방법을 접목시키는 방법을 제안한다. 노이즈의 세기에 따라 EKF 출력에 비중을 부여함으로써 배터리 사용 전 영역에서 SOC 추정 오차 저감이 가능하며, Matlab 시뮬레이션을 통하여 MMAE-EKF 알고리즘의 타당성을 검증하였다.

• 한국지진공학회:학술대회논문집
• /
• 한국지진공학회 2001년도 춘계학술대회 논문집
• /
• pp.180-189
• /
• 2001

In this study, recently developed unscented Kalman filter (UKF) technique is studied for identification of nonlinear structural dynamic systems as an alternative to the extended Kalman filter (EKF). The EKF, which was originally developed as a state estimator for nonlinear systems, has been frequently employed for parameter identification by introducing the state vector augmented with the unknown parameters to be identified. However, the EKF has several drawbacks such as biased estimations and erroneous estimations especially for highly nonlinear dynamic systems due to its crude linearization scheme. To overcome the weak points of the EKF, the UKF was recently developed as a state estimator. Numerical simulation studies have been carried out on nonlinear SDOF system and nonlinear MDOF system. The results from a series of numerical simulations indicate that the UKF is superior to the EKF in the system identification of nonlinear dynamic systems especially highly nonlinear systems.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2001년도 가을 학술발표회 논문집
• /
• pp.117-126
• /
• 2001

In this study, the recently developed unscented Kalman filter (UKF) technique is studied for identification of nonlinear structural dynamic systems as an alternative to the extended Kalman filter (EKF). The EKF, which was originally developed as a state estimator for nonlinear systems, has been frequently employed for parameter identification by introducing the state vector augmented with the unknown parameters to be identified. However, the EKF has several drawbacks such as biased estimations and erroneous estimations especially for highly nonlinear dynamic systems due to its crude linearization scheme. To overcome the weak points of the EKF, the UKF was recently developed as a state estimator. Numerical simulation studies have been carried out on nonlinear SDOF system and nonlinear MDOF system. The results from a series of numerical simulations indicate that the UKF is superior to the EKF in the system identification of nonlinear dynamic systems especially highly nonlinear systems.

• 전기학회논문지P
• /
• 제57권2호
• /
• pp.115-120
• /
• 2008

The EKF(Extended Kalman filter) method which is the state estimation algorithm of nonlinear stochastic system depends on the initial error and the estimated states. Therefore, the divergence of the estimated state can be caused if the initial values of the estimated states are not chosen as approximate real state values. In this paper, the demerit of the existing EKF method is improved using the EKF algorithm transformated by STWS(Single Term Walsh Series). This method linearizes each sampling interval of continous-time system through the derivation of an algebraic iterative equation without discretizing continuous system by the characteristic of STWS, the convergence of the estimated states can be improved. The validity of the proposed method is checked through comparison with the existing EKF method in simulation.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권7_8호
• /
• pp.744-751
• /
• 2003

본 논문에서는 최근 뛰어난 예측력으로 각광받는 최소제곱 Support Vector Machine(Least Square Support Vector Machine: LS-SVM)과 First Principle(FP)을 결합한 하이브리드 최소제곱ㆍSupport Vector Machine 모델, HLS-SVM(Hybrid Least Square-Super Vector Machine)을 제안한다. 제안한 모델인 하이브리드 최소제곱 Support Vector Machine을 기존의 방법인 하이브리드 신경망(Hybrid Neural Network:HNN), 비선형 칼만필터와 하이브리드 신경망을 결합한 HNN-EKF (Hybrid Neural Network with Extended Kalman Filter) 모델과 비교해 보았다. HLS-SVM 모델은 학습 및 validation 과정에서는 HNN-EKF와 근사한 성능을 보였고, HNN 보다는 우수한 결과를 보였고, 일반화 성능에서는 HNN-EKF에 비해 3배, HNN보다 100배정도 우수한 결과를 보였다.

• 한국항공우주학회지
• /
• 제40권1호
• /
• pp.23-34
• /
• 2012

우주 발사체는 치밀한 비행 계획에 따라 사전에 결정된 경로를 비행하도록 설계된다. 그러나 비정상으로 추력이 종료되거나 계획된 비행경로를 이탈한 경우, 또는 자유 낙하 중인 대기권 재진입 발사체에 대한 추적 과정에서 추적 센서의 측정이 불가하게 된 경우 등에는 별도의 추적 장비를 이용한 추적 또는 신속한 낙하지점 추정이 필요하다. 본 논문에서는 클러터 환경에서 무추력 탄도 비행 중인 발사체에 대한 위치 정보를 획득하고 트랙을 생성 및 유지하기 위하여 Integrated Track Splitting(ITS) 알고리듬과 Extended Kalman Filter(EKF)를 결합한 ITS-EKF 알고리듬 적용을 제안한다. 따라서 대기권 재진입 발사체에 대하여 ITS-EKF 알고리듬을 적용한 시뮬레이션을 통해 추적 성능 확인 및 지상 낙하지점을 추정한다. ITS-EKF 알고리듬 적용 결과의 적절성을 확인하기 위하여 ITS와 Particle Filter를 결합한 ITS-PF 알고리듬을 적용하여 구한 추적 성능 및 낙하지점 분포 결과와 비교하여 제시된 알고리듬이 효과적인 실시간 On-line 낙하지점 추정에 사용이 가능함을 확인한다.

• 대한기계학회논문집A
• /
• 제37권4호
• /
• pp.447-459
• /
• 2013

실제 산업현장에서 비젼 시스템을 적용하기에는 로봇 비젼 제어알고리즘의 기구학모델의 정확도, 로봇이 움직이는 동안 카메라 초점거리와 방위에 대한 보정, 3 차원 물리적 좌표에서 2 차원 카메라 좌표로의 매핑에 대한 이해 등 해결해야 할 많은 문제점들이 있다. 본 논문에 제안된 비젼 시스템 모델은 카메라와 로봇 사이의 상대적인 위치가 알려지지 않아도 제어가 가능하고, 카메라 보정 문제를 해결하기 위해 6 개의 카메라 매개변수를 가지는 비젼 시스템 모델을 제시하였으며, 이를 이용하여 로봇 비젼 제어알고리즘 개발에 N-R 방법과 EKF 방법을 적용하였다. 최종적으로 N-R 과 EKF 방법에 의하여 개발된 로봇 비젼 제어 알고리즘의 위치 정밀도와 데이터 처리 시간을 얇은 막대 배치작업을 수행하여 비교하였다.

• Journal of Positioning, Navigation, and Timing
• /
• 제6권3호
• /
• pp.105-116
• /
• 2017

Several wireless localization algorithms are evaluated for the IR-UWB-based indoor location with the assumption that the ranging measurements contain the channelwise Non-Calibration Error (NCE). The localization algorithms can be divided into the Model-free Localization (MfL) methods and Model-based Kalman Filtering (MbKF). The algorithms covered in this paper include Iterative Least Squares (ILS), Direct Solution (DS), Difference of Squared Ranging Measurements (DSRM), and ILS-Common (ILS-C) methods for the MfL methods, and Extended Kalman Filter (EKF), EKF-Each Channel (EKF-EC), EKF-C, Cubature Kalman Filter (CKF), and CKF-C for the MbKF. Experimental results show that the DSRM method has better accuracy than the other MfL methods. Also, it demands smallest computation time. On the other hand, the EKF-C and CKF-C require some more computation time than the DSRM method. The accuracy of the EKF-C and CKF-C is, however, best among the 9 methods. When comparing the EKF-C and CKF-C, the CKF-C can be easily used. Finally, it is concluded that the CKF-C can be widely used because of its ease of use as well as it accuracy.

• 전력전자학회논문지
• /
• 제16권3호
• /
• pp.266-273
• /
• 2011

본 논문에서는 매입형 영구자석 동기 전동기(IPMSM)의 확장형 역기전력(EEMF) 모델을 이용한 저감차수 병렬형 확장형 칼만 필터(EKF)를 이용한 센서리스 제어 기법을 제안한다. 제안된 센서리스 제어 기법은 간단한 수학적 구조로 매입형 영구자석 동기전동기 구동에 적합한 확장형 역기전력 모델을 이용하여 두 개의 저감 차수 형태로 표현하였다. 이러한 두 모델은 매 샘플링 시간마다 확장형 칼만 필터에 번갈아 연산된다. 행렬의 차수를 저감하여 EKF의 연산시간의 단축과 알고리즘 구현의 부담을 줄였으며 센서리스 제어의 안정적인 상태 벡터의 추정을 위해 병렬로 구동하는 두 모델에 의해 추정된 정보를 이용하였다. 제안된 기법은 실험 결과를 통하여 안정적인 위치 추정 및 속도 추정 성능을 검증 하였으며, 전 차수 EKF와의 연산 시간 비교를 통하여 우수성을 검증하였다.

• Journal of Electrical Engineering and Technology
• /
• 제8권6호
• /
• pp.1520-1529
• /
• 2013

In this paper, we propose and assess the performance of "H infinity filter ($H_{\infty}$, HIF)" and "cost reference particle filter (CRPF)" in the problem of tracking a target based on the measurements of the range and the bearing of the target. HIF and CRPF have the common advantageous feature that we do not need to know the noise statistics of the problem in their applications. The performance of the extended Kalman filter (EKF) is also compared with that of the proposed filters, but the noise information is perfectly known for the applications of the EKF. Simulation results show that CRPF outperforms HIF, and is more robust because the tracking of HIF diverges sometimes, particularly when the target track is highly nonlinear. Interestingly, when the tracking of HIF diverges, the tracking of the EKF also tends to deviate significantly from the true track for the same target track. Therefore, CRPF is very effective and appropriate approach to the problems of highly nonlinear model, especially when the noise statistics are unknown. Nonetheless, HIF also can be applied to the problem of timevarying state estimation as the EKF, particularly for the case when the noise statistcs are unknown. This paper provides a good example of how to apply CRPF and HIF to the estimation of dynamically varying and nonlinearly modeled states with unknown noise statistics.