Made available in DSpace on 2016-08-17T14:52:45Z (GMT). No. of bitstreams: 1
Jose Alano Peres Abreu.pdf: 632239 bytes, checksum: 326cfda664cdb5244eb2f9f6331fb1fe (MD5)
Previous issue date: 2002-12-13 / In this work, a new methodology of filtering data of paths of space vehicles is proposed H2
and H∞ saw state estimates and discreet. In that new methodology, it is obtained, initially,
the solution of the problem of filtering of data of paths of space vehicles saw state estimate
through the equations of the filter of Kalman for Predicted Estimators and Filtered Estimators.
The problem is solved through the mathematical development of the equations of the filter of
Kalman that has as main function, to find a state estimate that minimizes the least-squares
error. The equations mathematics are used for the development of the algorithm of the filter of
Kalman. The algorithm of filtering of Kalman has two basic functions: prediction and
correction. In the prediction phase the initial estimates and updating of the time of sampling
are given, while, in the correction phase they are updated the measures. It is applied, also, the
new methodology proposed in the project of filtering of data of path of space vehicles H∞
saw state estimate through equations of robust filter. The robust filtering has as function to
esteem a linear combination that minimizes the norm, that has the interpretation of the
existence of earnings of maximum energy of the entrance for the exit. In addition, it is
obtained a new algorithm for filtering of data of paths of space vehicles, now through state
estimate. All the project procedures are cultured through some applied examples to systems of
tracking of space vehicles. The results are compared and discussed. / Neste trabalho, é proposta uma metodologia de filtragem de dados de trajetórias de veículos
espaciais via estimações de estado H2 e H∞ , discretos. Nessa metodologia, obtém-se,
inicialmente, a solução do problema de filtragem de dados de trajetórias de veículos espaciais
via estimação de estado H2 através das equações do filtro de Kalman para Estimadores
Filtrados. O problema é resolvido através do desenvolvimento matemático das equações do
filtro de Kalman que tem como objetivo principal encontrar uma estimação de estado que
minimize o erro quadrático médio. As equações matemáticas são utilizadas para o
desenvolvimento do algoritmo computacional do filtro de Kalman. O algoritmo de filtragem
de Kalman tem duas funções básicas: predição e correção. Na fase de predição são dadas as
estimativas iniciais e atualização do tempo de amostragem, enquanto que, na fase de correção
são atualizadas as medidas. Aplica-se, também, a nova metodologia proposta no projeto de
filtragem de dados de trajetória de veículos espaciais via estimação de estado H∞ através de
equações do filtro de Kalman robusto. A filtragem robusta tem como objetivo principal
estimar uma combinação linear que minimize a norma H∞ , que tem a interpretação da
existência de ganho de energia máxima da entrada para a saída. Como contribuição, obtém-se
um novo algoritmo computacional para filtragem de dados de trajetórias de veículos
espaciais, agora através de estimação de estado H∞ . Todos os procedimentos de projeto são
ilustrados através de alguns exemplos aplicados a sistemas de rastreamento de veículos
espaciais. Os resultados são comparados e discutidos.
Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/320 |
Date | 13 December 2002 |
Creators | Abreu, José Alano Péres de |
Contributors | COSTA FILHO, José Tarcisio |
Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, BR, Engenharia |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0049 seconds