0312002 20240111140705.920081015235959.9 1 s. www cav_un_epca*031200149-49PaviaUniversity of Pavia2008MagniLaloRaimondoDavide MartinoAllgowerFrank state model uniform innovations parameter estimation state filtration cav_un_auth*0101175 Pavelková Lenka UTIA-B Department of Adaptive Systems Ústav teorie informace a automatizace AV ČR, v. v. i. pdf http://library.utia.cas.cz/separaty/2008/AS/pavelkova-approximate%20on-line%20estimation%20of%20uniform%20state%20model%20with%20application%20on%20traffic%20data-abstract.pdf 1M0572 GA MŠk cav_un_auth*0001814 CEZ:AV0Z10750506 The state model with uniform innovations (SU model) proposes an alternative to the standardly used linear state-space model with normal innovations that leads to the Kalman filter. By the SU model, the system states and parameters are estimated on-line with fixed memory on the sliding window. The MAP estimation of the SU model reduces to the linear eventually convex programming. The main advantages of the proposed model are the simplicity of the estimation algorithm and the possibility to estimate both the parameters and states including the innovation boundaries. The contribution will be concerned with the problem of the approximative solution of the on-line joint state and parameter estimation. An example with the traffic data illustrates the submitted approach. Here, the length of the car queue on the signalized intersection is estimated. Stavový model s rovnoměrně rozloženými inovacemi (SU model) nabízí alternativu ke standardně použivanému stavovému modelu s normálně rozloženými inovacemi, který vede na Kalmanův filtr. V případě SU modelu jsou parametry a stavy modelu odhadovány průběžně na posuvném okénku s pevnou délkou paměti. MAP odhad je redukován na řešení problému lineárního ev. konvexního programování. Příspěvek je zaměřen na úlohu přibližného řešení sdruženého odhadu stavu a parametrů včetně mezí inovací. Popsaný přístup je ilustrován příkladem s dopravními daty. cav_un_auth*0242225 International Workshop on Assessment and Future Directions of Nonlinear Model Predictive Control Pavia 05.09.2008-09.09.2008 IT 2009 BC 4 O 4o 20231122133735.2 http://hdl.handle.net/11104/0163179 2008 Soubory v repozitáři: 0312002.pdf pdf cav_un_epca*0312001 International Workshop on Assessment and Future Directions of Nonlinear Model Predictive Control - Program - Abstracts - Participants 49 49 Pavia University of Pavia 2008 Magni Lalo 340 Raimondo Davide Martino 340 Allgower Frank 340