"Optimal State Estimation" - книга, которая предлагает лучшие математические подходы к оценке состояния общей системы. Автор ясно и строго представляет теорию оценки состояния, предоставляя достаточное количество продвинутого материала, последних исследовательских результатов и ссылок, чтобы читатель мог уверенно применять техники оценки состояния в различных областях науки и инженерии. Эта книга предлагает прямой и понятный подход, начиная с основных концепций и постепенно переходя к более продвинутым темам для ясного понимания оценки состояния. Простые примеры и задачи, которые можно решить только на бумаге и карандаше, помогают получить интуитивное понимание того, как работает теория на практике. Наличие исходного кода на MATLAB, соответствующего примерам в книге, на сайте автора, позволяет читателям воссоздать результаты и экспериментировать с другими параметрами и настройками симуляции.
Книга содержит как базовые, так и продвинутые темы, включая фильтрацию без запаха, фильтрацию высокого порядка нелинейности, частицы фильтрации, ограниченную оценку состояния, фильтрацию сниженного порядка, устойчивую фильтрацию Калмана и смешанную фильтрацию Калмана/Хинфа. Задачи в конце каждой главы включают как письменные, так и компьютерные упражнения. Письменные упражнения направлены на улучшение понимания теории и ключевых концепций, а компьютерные упражнения помогают читателям применять теорию к проблемам, похожим на те, с которыми они, вероятно, столкнутся в индустрии.
Благодаря своему экспертному сочетанию теории и практики, а также представлению последних исследовательских результатов, "Optimal State Estimation" настоятельно рекомендуется для студентов бакалавриата и магистратуры в области оптимального управления и теории оценки состояния. Она также служит справочником для инженеров и научных специалистов в различных отраслях промышленности.
Электронная Книга «Optimal State Estimation» написана автором Dan Simon в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9780470045336
Описание книги от Dan Simon
A bottom-up approach that enables readers to master and apply the latest techniques in state estimation This book offers the best mathematical approaches to estimating the state of a general system. The author presents state estimation theory clearly and rigorously, providing the right amount of advanced material, recent research results, and references to enable the reader to apply state estimation techniques confidently across a variety of fields in science and engineering. While there are other textbooks that treat state estimation, this one offers special features and a unique perspective and pedagogical approach that speed learning: * Straightforward, bottom-up approach begins with basic concepts and then builds step by step to more advanced topics for a clear understanding of state estimation * Simple examples and problems that require only paper and pen to solve lead to an intuitive understanding of how theory works in practice * MATLAB(r)-based source code that corresponds to examples in the book, available on the author's Web site, enables readers to recreate results and experiment with other simulation setups and parameters Armed with a solid foundation in the basics, readers are presented with a careful treatment of advanced topics, including unscented filtering, high order nonlinear filtering, particle filtering, constrained state estimation, reduced order filtering, robust Kalman filtering, and mixed Kalman/H? filtering. Problems at the end of each chapter include both written exercises and computer exercises. Written exercises focus on improving the reader's understanding of theory and key concepts, whereas computer exercises help readers apply theory to problems similar to ones they are likely to encounter in industry. With its expert blend of theory and practice, coupled with its presentation of recent research results, Optimal State Estimation is strongly recommended for undergraduate and graduate-level courses in optimal control and state estimation theory. It also serves as a reference for engineers and science professionals across a wide array of industries.
