Conceptos básicos de filtrado, estimación e identificación
| Autor principal: | |
|---|---|
| Otros Autores: | , |
| Formato: | Libro electrónico |
| Idioma: | Castellano |
| Publicado: |
Madrid :
Universidad Nacional de Educación a Distancia
2014.
|
| Materias: | |
| Ver en Biblioteca Universitat Ramon Llull: | https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009424737106719 |
Tabla de Contenidos:
- Conceptos básicos de filtrado, estimación e identificación; Página legal ; Índice ; Prólogo; Unidad Didáctica I. Teoría de Filtrado óptimo 1; Capítulo 1. Representación de Estado de Sistemas Lineales; 1.1. Representación de Estado en Tiempo Continuo; 1.2. Matriz de Transición; 1.2.1. Definición y Propiedades; 1.2.2. Matriz de Transición en Sistemas de Dinámica Invariante ; 1.3. Evolución del Vector de Estado en Sistemas Forzados; 1.4. Formulación Discreta; 1.4.1. Representación de Estado en Tiempo Discreto; 1.4.2. Representaciones equivalentes
- 1.5. Observabilidad y Controlabilidad de Sistemas1.5.1. Observabilidad; 1.5.2. Controlabilidad; 1.5.3. Multiplicidad de Modelos; 1.6. Matriz de Covarianza; 1.7. Propagación de errores; Capítulo 2. Filtro de Kalman; 2.1. Introducció; 2.2. Filtros Recursivos; 2.3. Formulación Discreta del Filtro de Kalman; 2.3.1. Descripción del Problema e Hipótesis; 2.3.2. Deducción de la Solución; 2.3.3. Compendio de los Resultados Obtenidos; 2.4. Ejemplo de Aplicación ; 2.5. Aplicación a la Identificación de Procesos; E I. Ejercicios de la Unidad Didáctica I
- Unidad Didáctica II. Identificación de Procesos desde la Perspectiva de la OptimizaciónCapítulo 3. Identificación por Mínimos Cuadrados; 3.1. Introducción; 3.2. Formulación General; 3.2.1. Planteamiento del problema mediante un ejemplo ilustrativo; 3.2.2. Generalización del planteamiento; 3.2.3. Solución del problema; 3.2.4. Cambio de notación; 3.2.5. Solución al ejemplo ilustrativo; 3.3. Interpretación Geométrica; 3.4. Forma Recursiva de los Mínimos Cuadrados; 3.4.1. Planteamiento; 3.4.2. Resolución general; 3.4.3. Una forma práctica para la inicialización del algoritmo
- 3.5. Implementación del Método por Computador3.6. Interpretación Estadística; 3.6.1. Condiciones para una estimación consistente; 3.6.2. Estimador de máxima verosimilitud; 3.6.3. Ejemplo ilustrativo de un estimador de máxima verosimilitud; 3.6.4. Máxima verosimilitud en el estimador por mı́nimos cuadrados; 3.7. Conexiones con el Filtro de Kalman; 3.8. Conclusiones; Capítulo 4. Problemática de la Aplicación Real; 4.1. Introducción; 4.2. Parámetros Variables con el Tiempo; 4.2.1. Naturaleza del proceso real; 4.2.2. El factor de olvido; 4.2.3. Formulación recursiva; 4.2.4. Análisis del algoritmo
- 4.3. Correlación en las Variables del Modelo4.3.1. Naturaleza de la correlación; 4.3.2. Métodos de la Respuesta Impulsional (...) ; 4.4. Identificación en Lazo Cerrado; 4.4.1. Correlación debido a la realimentación; 4.4.2. Elección de una realimentación con vistas a la identificación; 4.5. Conclusiones; E II. Ejercicios de la Unidad Didáctica II; Unidad Didáctica III. Identificación de Procesos desde la Perspectiva de la Estabilidad; Capítulo 5. Introducción a los Sistemas Adaptativos desde la Perspectiva de la Estabilidad; 5.1. Introducción; 5.2. Escenarios para el Análisis y el Diseño
- 5.3. Descripción del Sistema Adaptativo en el Caso Ideal
