在这个视频中,我们将讨论为什么你会使用卡尔曼滤波器。如果你不熟悉的话题,你可能会问自己,什么是卡尔曼滤波器?这是一个新品牌的咖啡过滤器产生smoothest-tasting咖啡吗?不,它不是。
卡尔曼滤波器是最优估计算法。今天,我们将讨论两个例子证明卡尔曼滤波器的共同使用。在第一个示例中,我们将看到如何可以使用卡尔曼滤波器来估计系统的状态的时候不能直接测量。
为了说明这一点,让我们去火星之前任何人。如果你的飞船的引擎可以燃烧燃料在足够高的温度下,它可以创建推力,会让你飞向火星。顺便说一下,根据美国国家航空航天局,液氢是一个光和强大的火箭推进剂燃烧极限强度在5500华氏度。
但是要小心,因为在过高的温度下它可以把发动机的机械部件的风险,这可能导致失败的一些机械零件。如果发生这种情况,你可能会卡在你的小飞船,你必须吃管。为了防止这种情况,你应该密切关注燃烧室的内部温度。这不是一项容易的任务,因为传感器放置在室会融化。
相反,它需要被放置在冷却器表面接近室。你面临的问题是,你想测量室的内部温度,但是你不能。相反,你必须衡量外部温度。在这种情况下,您可以使用一个卡尔曼滤波器的最佳估计的内部温度间接测量。这种方式提取什么信息你不能从你所能衡量。
现在你知道解决一个问题,你可以继续你的火星之旅。但你害怕在太空旅行吗?让我告诉你:在火星上,你要增重比你少62%。还不相信吗?好吧,那么让我们回过头来看看另一个场景发生在地球上的。
在这个例子中,我们将看到如何可以使用卡尔曼滤波器来估计系统的状态相结合的测量可能受到来自不同来源的噪音。你有来自海外的客人访问,你需要从机场接他们。你用你的车的导航系统。让我们看看机上的传感器,帮助你找到自己的位置和导航你去机场。
惯性测量单元使用加速度计和陀螺仪测量汽车的加速度和角速度。汽车的里程表措施相对距离。GPS接收器接收来自卫星的信号来定位地球表面上的汽车。
如果你住在波士顿,我做的,你必须穿过大挖一个非常非常长的隧道。隧道,就越难以估计你的位置通过GPS接收机以来的视线受阻和GPS卫星信号弱。在这种情况下,您可能想要相信IMU的读数,它给你一个加速度。
然而,加速度本身并不能告诉你很多关于汽车的位置。你需要的加速度积分的两倍。不幸的是,这个操作容易漂移是由于小错误积累。获得更好的位置估计,您可以使用IMU测量随着里程表读数。但是注意里程表的测量可能会影响到轮胎压力和路况。
总而言之,你的传感器测量你的车的相对位置给你快速更新,但它们很容易漂移。GPS接收器提供你的绝对位置,但更新频率较低,可能是吵了。在这个场景中,可以使用卡尔曼滤波融合这三个测量发现汽车的确切位置的最优估计。
让我们看一些关于卡尔曼滤波器。卡尔曼滤波是鲁道夫·卡尔曼的名字命名,这个理论的主要开发人员。最优估计算法,预测一个参数等利益的位置、速度和方向的存在噪声和测量。
常见的卡尔曼滤波器的应用包括指导、导航和控制系统,计算机视觉系统和信号处理。第一个卡尔曼滤波器的应用是在1960年代。你有什么猜测什么帮助吗?工程师在阿波罗计划使用它,使用卡尔曼滤波器来估计轨迹的载人飞船到月球并返回。
让我们总结一下我们看过这个视频。卡尔曼滤波器用于最优估计利益时的变量不能直接测量,而是一种间接测量。他们也被用来找到最好的估计的状态通过各种传感器测量噪声的存在。
在下周的视频,我们将介绍卡尔曼滤波器是什么以及它们是如何工作的。卡尔曼滤波方法来设计最优状态观测器。因此,下一节我们将学习国家观察员,然后我们会继续我们的讨论与最优状态估计。
