状态估计技术可以让您在具有过程噪声和测量噪声的系统中估计状态值。控制系统工具箱™工具可以让您设计线性稳态和时变卡尔曼滤波器。你也可以使用扩展卡尔曼滤波器、无迹卡尔曼滤波器或粒子滤波器来估计非线性系统的状态。
在线状态估计算法在有新数据可用时更新系统的状态估计。您可以使用实时数据和线性和非线性卡尔曼滤波算法来估计系统的状态。您可以使用Simulink执行在线状态估计万博1manbetx®块,生成C/ c++代码,使用万博1manbetx仿真软件编码器™,并将此代码部署到嵌入式目标。您还可以在命令行执行在线状态估计,并使用MATLAB®编译器™或MATLAB编码器.
用无迹卡尔曼滤波算法估计范德堡尔振荡器的非线性状态。
验证使用扩展和无迹卡尔曼滤波算法进行的在线状态估计。
使用扩展或无迹卡尔曼滤波器或粒子滤波器MATLAB编码器软件
描述非线性系统状态估计的基本算法。
这个例子展示了如何在Simulink中使用时变卡尔曼滤波器估计线性系统的状态。万博1manbetx
使用一个扩展卡尔曼滤波器块来估计具有多个以不同采样率工作的传感器的系统状态。
基于粒子滤波块的Simulink参数和状态估计万博1manbetx
这个例子演示了在控制系统工具箱™中粒子过滤器块的使用。
这个例子展示了如何在Simulink™中使用Unscented卡尔曼滤波器估计非线性系统的状态。万博1manbetx
验证使用扩展卡尔曼滤波器和无味卡尔曼滤波块。
故障诊断在线状态估计使用扩展和unscented卡尔曼滤波算法。