В том виде о котором шла речь это будет ФНЧ с оптимальной постоянной времени для заданного шума. Скалярный случай это только для упрощения объяснения.
Я бы не прочь хоть так обкатать ФК на практике, только вот в голове пока не очень всё устаканилось для написания хоть чего-нибудь.
Ещё нужна какая-то хотя бы упрощенная газодинамика винта,
Вот уж не согласен я! Параметры двигателей, винтов, да и регулей тоже, нужно выбирать по принципу простой избыточности. Нет нужды обсчитывать работу каждого отдельного исполнительного узла. Достаточно оценочных характеристик. Иначе можно скатиться к учёту трения в подшипниках.
Другое дело, если бы нужно было бы работать в условиях когда узлы нагружены на грани возможностей. Тогда вышеупомянутый подход имел бы смысл. Однако, к счастью, нынешний уровень модельных комплектующих позволяет практически любые выкрутасы моделиста.
В своё время я спорил на тему замены вертолётного гироскопа (стабилизирующего ЛА относительно вертикальной оси) на контроллер обсчитывающий реактивный момент несущего ротора и компенсацию рулевого винта. Так вот мне сказали простую мысль, которая меня убедила: гироскоп — ИНТЕГРАЛЬНЫЙ датчик, который учитывает все (почти) возмущения положения ЛА относительно рабочей оси: изменение оборотов НВ, угла атаки лопасти, изменение циклического шага, порывы ветра, восходящие потоки и т.п. Так вот, я это к тому, что нужно просто правильно выбрать подобный ИНТЕГРАЛЬНЫЙ датчик(и) и работать в направлении максимальной достоверности его показаний. Остальное обсчитается как угодно в соответствии с фантазией моделиста.
ФК будет работать больше не на учет шума а на учет зависимостей переменных (например коррекция каких-то коэффициентов зависимости тяги винта от давления на основе ошибки по ориентации).
А разве это не общая постановка задачи, которую решает любая из систем управления — измерив отклонение от заданного параметра произвести управляющее воздействие, которое нивелирует это отклонение.
Хочу ещё вот что сказать: мне кажется, что в нашем случае, когда относительные данные с гироскопа корректируются абсолютными данными с акселерометра, нужно фильтровать Калманом только показания акселерометра. Это, так сказать, минимально необходимая фильтрация. Если иметь достоверные данные абсолютной величины, то относительные величины связанные с этой абсолютной величиной могут быть откорректированы простой линейной функцией типа f(w)=k*f(a).
Да, только если дисперсия нормально распределенной сл. величины равна Q это не значит, что её реализации (значения) не могут превысить Q.
А слово «Да» в начале поста означает согласие с моей попыткой симуляции или оно здесь выступает как междометие?
если дисперсия нормально распределенной сл. величины равна Q это не значит, что её реализации (значения) не могут превысить Q.
Ну, Вы мне совсем не доверяете! Я намедни освежил своё представление о тервере после 25 лет перерыва. Я взял такие конкретные значения Q и q чтобы было что подставить в приведёные Вами формулы.
Если хотите сделать статистический тест,
Я хочу не статистический тест, я хочу работу фильтра понять и реализовать. Вы, господа, мне, надеюсь, в этом поможете. Ведь Вы сами над тем же трудитесь.
Ник комбинация транслитированных букв настоящего имени
Таинственно, однако, получилось!
У меня так не выходит, мой ник по-моему весьма прозрачен.
Вы оперируете q, но ведь мы не знаем значение q и не можем узнать.
А отчего по-простому не взять «от балды»? Величина ведь случайная. Просто, чтобы проверить как влияет я взял так.
О том, что состояние системы изменилось, мы можем узнать только через измерение r.
Но это только одна, хоть и основная, компонента влияющая на формирование управляющего воздействия.
За ссылку по Калману большое спасибо, но на данный момент я (прошу не судить строго) уже так свыкся с теми обозначениями и определениями, которые мы здесь обсуждаем, что просто не воспринимаю по-другому.
Вот это понятно. Тогда ещё конкретнее можно? Применительно к показаниям акселерометра и гироскопа.
По предложению amaora (кстати, очень любопытно имеет ли этот ник какой-то смысл?) задаём начальные значения х, Р, Q, R: если я правильно понимаю, хo=0 (объект неподвижен) и Рo=0, Q можно взять для начала произвольно, а R из основываясь на выборке полученной при калибровке датчика. Так?
1.Экстраполируем х: поскольку никаких других данных о системе, кроме предыдущего состояния нет, то думаю, что x'(n+1)=x(n) + q = 0+q = q;
Экстраполируем Р: P'(n+1) = P(n) + Q = P'(n+1) = Q + 0 = Q;
2.Считаем К: K = P' / (P'+R)= Q / (Q+R). Допустим мы приняли Q=0,1g; R=0,05g. Тогда К=0,1/0,15=0,67.
3. Считаем х: x(n)= x'(n)+(r(n) — x'(n))K = q+(r(n)-q))*0,67 для примера предположим, что q=0 (ведь это не исключено и весьма вероятно?), а тоже r=0 (почему нет?), тогда: x(n)=q+(r(n)-q))*0,67=0.
Пока всё сходится — прогноз для неподвижного объекта соответствует реалности.
Возмём другие значения q=0,1g; r=0,05g(вроде укладываются в дисперсии?). x(n)=q+(r(n)-q))*0,67=0,1+(0,05-0,1)*0,67= -0,1335g получается довольно много, но есть P = P' (1 — K)=Q(1-K)=0,33Q=0.033g,
которая на следующем шаге даст уменьшение К и соответствующее уменьшение изменения x(n)=x'(n)+(r(n)—x'(n))K. И вроде бы так должно происходить пока x(n) не приблизится к истинной величине.
Я смысл понял или опять накосячил?
x'(n) — это промежуточный результат, уже экстраполирован на новый n+1-йшаг но не поправлен.
Тогда выходит x'(n+1) — это х+2?
1. Модель системы, в данном случае предполагается неизменность x.
x'(n+1) = x(n)
Может быть нужно как то по-другому сформулировать, поскольку из равенства выходит, что х не меняется со временем? Может так: x'(n+1) = f(x), т.е. следующий не скорректированный результат измерений зависит от предыдущего(cov(x(n);x'(n+1))?
Более логичным выглядит вот это выражение: x'(n+1) = x(n) + q. И для дисперсии утверждение P'(n+1) = P(n) + Q выглядит логичным.
Последняя фраза поста
Если положить Q=0 и иметь только начальную неопределенность в P то получим рекурсивный МНК.
вносит для меня путаницу, поскольку, если нет Q, то зачем фильтр?
Я процесса вывода конечной формулы, честно сказать, так и не понял, но сама конечная формула подкупает своей простотой. Получается, что к-т коррекции равен соотношению дисперсии входного параметра к общей дисперсии измерений. Эдакая «относительная дисперсия».
Остаётся понять как эти дисперсии счиаются? Это опять выборка? Или они просто подбираются?
Я, если позволите, немного поспрашиваю, но попрошу не судить строго за уровень вопросов.
Имеем ошибку: e = r — x
Я правильно понял, что r-реальное значение параметра, а x-измеренное значение того же параметра? Тогда получается, что r=x+Re? Или х'-это скорректированное значение измеренного параметра, но ещё, как бы, не истинное?
Я решил сделать коэффициент комплементарного фильтра не константой, а функцией от некоторого состояния системы (текущее значение модуля g, дифференциал ошибки и т. д.)
Мне кажется, что функционирование самих ПИДов, на которые потом поступают обсчитанные значения с датчиков, будет осуществлять гибкое регулирование. Текущее значение модуля g — пропорциональная компонента, дифференциал — говорит сам за себя, ну и до кучи, скорость, как интегральная компонента.
Получается некое подобие адаптивного фильтра, чем более «идеальные» условия, тем «активнее» вноситься поправка, и наоборот.
Получается система с положительной обратной связью, а это (насколько я помню из теории регулирования) чревато автоколебаниями.
У меня сейчас вылезла другая фишка: при статичном положении гироскопа выходной сигнал также статичен. В динамике же, при возврате в исходное положение, возникает существенное отклонение от исходного положения. Мне сейчас очень наглядно видно, поскольку угол отклонения отображается у меня в абсолютном виде посредством отклонения качалки на сервомашинке.
Если принять это предположение как верное, то остаётся скомпенсировать паразитные вибрационные составляющие ускорений по трём осям и получится весьма близкая к реальности модель.
Под модулем, если я правильно понял, понимается истинная длина суммарного вектора ускорений?
Думаю, что при условиях, в которых вы тестировали, присутствует дисбаланс ротора мотора. Он и дает подобное смещение. Проверить можно перевернув плату на 180гр. Если вектор сместится симметрично в другую сторону, то это точно дисбаланс ротора мотора.
Вот уж не согласен я! Параметры двигателей, винтов, да и регулей тоже, нужно выбирать по принципу простой избыточности. Нет нужды обсчитывать работу каждого отдельного исполнительного узла. Достаточно оценочных характеристик. Иначе можно скатиться к учёту трения в подшипниках.
Другое дело, если бы нужно было бы работать в условиях когда узлы нагружены на грани возможностей. Тогда вышеупомянутый подход имел бы смысл. Однако, к счастью, нынешний уровень модельных комплектующих позволяет практически любые выкрутасы моделиста.
В своё время я спорил на тему замены вертолётного гироскопа (стабилизирующего ЛА относительно вертикальной оси) на контроллер обсчитывающий реактивный момент несущего ротора и компенсацию рулевого винта. Так вот мне сказали простую мысль, которая меня убедила: гироскоп — ИНТЕГРАЛЬНЫЙ датчик, который учитывает все (почти) возмущения положения ЛА относительно рабочей оси: изменение оборотов НВ, угла атаки лопасти, изменение циклического шага, порывы ветра, восходящие потоки и т.п. Так вот, я это к тому, что нужно просто правильно выбрать подобный ИНТЕГРАЛЬНЫЙ датчик(и) и работать в направлении максимальной достоверности его показаний. Остальное обсчитается как угодно в соответствии с фантазией моделиста.
А разве это не общая постановка задачи, которую решает любая из систем управления — измерив отклонение от заданного параметра произвести управляющее воздействие, которое нивелирует это отклонение.
Ну, Вы мне совсем не доверяете! Я намедни освежил своё представление о тервере после 25 лет перерыва. Я взял такие конкретные значения Q и q чтобы было что подставить в приведёные Вами формулы.
Я хочу не статистический тест, я хочу работу фильтра понять и реализовать. Вы, господа, мне, надеюсь, в этом поможете. Ведь Вы сами над тем же трудитесь.
Таинственно, однако, получилось!
У меня так не выходит, мой ник по-моему весьма прозрачен.
Но это только одна, хоть и основная, компонента влияющая на формирование управляющего воздействия.
За ссылку по Калману большое спасибо, но на данный момент я (прошу не судить строго) уже так свыкся с теми обозначениями и определениями, которые мы здесь обсуждаем, что просто не воспринимаю по-другому.
По предложению amaora (кстати, очень любопытно имеет ли этот ник какой-то смысл?) задаём начальные значения х, Р, Q, R: если я правильно понимаю, хo=0 (объект неподвижен) и Рo=0, Q можно взять для начала произвольно, а R из основываясь на выборке полученной при калибровке датчика. Так?
1.Экстраполируем х: поскольку никаких других данных о системе, кроме предыдущего состояния нет, то думаю, что x'(n+1)=x(n) + q = 0+q = q;
Экстраполируем Р: P'(n+1) = P(n) + Q = P'(n+1) = Q + 0 = Q;
2.Считаем К: K = P' / (P'+R)= Q / (Q+R). Допустим мы приняли Q=0,1g; R=0,05g. Тогда К=0,1/0,15=0,67.
3. Считаем х: x(n)= x'(n)+(r(n) — x'(n))K = q+(r(n)-q))*0,67 для примера предположим, что q=0 (ведь это не исключено и весьма вероятно?), а тоже r=0 (почему нет?), тогда: x(n)=q+(r(n)-q))*0,67=0.
Пока всё сходится — прогноз для неподвижного объекта соответствует реалности.
Возмём другие значения q=0,1g; r=0,05g(вроде укладываются в дисперсии?). x(n)=q+(r(n)-q))*0,67=0,1+(0,05-0,1)*0,67= -0,1335g получается довольно много, но есть P = P' (1 — K)=Q(1-K)=0,33Q=0.033g,
которая на следующем шаге даст уменьшение К и соответствующее уменьшение изменения x(n)=x'(n)+(r(n)—x'(n))K. И вроде бы так должно происходить пока x(n) не приблизится к истинной величине.
Я смысл понял или опять накосячил?
Может быть нужно как то по-другому сформулировать, поскольку из равенства выходит, что х не меняется со временем? Может так: x'(n+1) = f(x), т.е. следующий не скорректированный результат измерений зависит от предыдущего(cov(x(n);x'(n+1))?
Более логичным выглядит вот это выражение: x'(n+1) = x(n) + q. И для дисперсии утверждение P'(n+1) = P(n) + Q выглядит логичным.
Последняя фраза поста вносит для меня путаницу, поскольку, если нет Q, то зачем фильтр?
Остаётся понять как эти дисперсии счиаются? Это опять выборка? Или они просто подбираются?
Я правильно понял, что r-реальное значение параметра, а x-измеренное значение того же параметра? Тогда получается, что r=x+Re? Или х'-это скорректированное значение измеренного параметра, но ещё, как бы, не истинное?
Получается система с положительной обратной связью, а это (насколько я помню из теории регулирования) чревато автоколебаниями.
У меня сейчас вылезла другая фишка: при статичном положении гироскопа выходной сигнал также статичен. В динамике же, при возврате в исходное положение, возникает существенное отклонение от исходного положения. Мне сейчас очень наглядно видно, поскольку угол отклонения отображается у меня в абсолютном виде посредством отклонения качалки на сервомашинке.
Думаю, что при условиях, в которых вы тестировали, присутствует дисбаланс ротора мотора. Он и дает подобное смещение. Проверить можно перевернув плату на 180гр. Если вектор сместится симметрично в другую сторону, то это точно дисбаланс ротора мотора.