Estimation ensembliste ellisoïdale : formulation factorisée

Slides:



Advertisements
Présentations similaires
Reconstitution de l’état d’un micro drone par fusion de données
Advertisements

Eléments d'algèbre linéaire
Application au suivi des paramètres de problèmes de vision
Une introduction aux modèles factoriels
III. IDENTIFICATION PARAMETRIQUE DES SYSTEMES LINEAIRES
IDENTIFICATION DE FONCTIONS DE TRANSFERT DANS LE DOMAINE FREQUENTIEL
Un exemple de système EDA d'index supérieur distillation réactive avec réactions chimiques instantanément équilibrées Dr. Karim Alloula (ingénieur informatique.
D B C A commande optimale (critère quadratique) et filtrage de kalman
Nouvelles méthodes en filtrage particulaire Application au recalage de navigation inertielle par mesures radio-altimétriques K. DAHIA Doctorant.
Colloque GRETSI, Paris, 8-11 septembre 2003 Sur la Décomposition Modale Empirique P. Flandrin (Cnrs - Éns Lyon) et P. Gonçalvès (Inrialpes)
1. Représentation du mouvement dans le plan - image
Xialong Dai, Siamak Khorram
M. EL Adel & M. Ouladsine LSIS – UMR-CNRS 6168 Marseille - France
Sûreté et validation des calculs numériques
1 Intégration numérique garantie de systèmes décrits par des équations différentielles non-linéaires Application à l'estimation garantie d'état et de paramètres.
Estimation ellipsoïdale des paramètres dynamiques d'un robot
Modélisation des systèmes non linéaires par des SIFs
Sylvain Mondon Météo-France
Chapitre VII :Commande par retour d’état
Programmes du cycle terminal
Méthodes d‘optimisation en finance
Le filtrage au cours des âges Du filtre de Kalman au filtrage particulaire André Monin.
Les système linéaires Stéphane Paris.
Apports des méthodes d’homogénéisation
Mirta B. Gordon Laboratoire Leibniz-IMAG Grenoble
Cours DÉTERMINANT. Au dernier cours nous avons vus Linverse dune matrice. Quelques théorèmes qui encadrent son existence. Les matrices élémentaires.
ASI 3 Méthodes numériques pour l’ingénieur
ASI 3 Méthodes numériques pour l’ingénieur
Approche statistique semi-paramétrique du recalage iconique d’images
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Régression linéaire simple
DataLab® Toute la connaissance client en quelques minutes
Techniques d’optimisation
Forcalquier, 2-6 Septembre 2002 Ecole dété du GRGS – Analyse de covariances Analyses de covariances des nouvelles missions dédiées au géopotentiel Felix.
Introduction aux plans dexpériences P. Lambert Daprès J.-M. Fuerbringer, Design of Experiments, Mai 2006.
La fonction quadratique
Chapitre 2 section 1.1 Les sommations
Inversion de données par lAdjoint Application à lacoustique sous marine M. Berrada UPMC-LOCEAN
Réaction aux collisions dans les animations physiques François Faure, Olivier Galizzi GRAVIR Projet commun CNRS,INRIA,INPG,UJF 1 1.
Les analyses multivariées
Régression linéaire (STT-2400)
STT-3220 Méthodes de prévision
Filtrage de Kalman et aperçu probabiliste
Filtre de Kalman – Préliminaires (1)
Régression linéaire (STT-2400)
Vincent Gramoli Advisor : Alexander A. Shvartsman
I MAGIS est un projet commun CNRS - INPG - INRIA - UJF iMAGIS-GRAVIR / IMAG Optimisation à base de flot de graphe pour l'acquisition d'informations 3D.
Fonctions du second degré
La décomposition en valeurs singulières: un outil fort utile
Optimiser l’anisotropie: une approche globale pour les stratifiés
10 février 2006GDR ISIS Journée Localisation et Navigation Projet EGNOS-BUS (Eurêka) André Monin, Wael Suleiman LAAS-CNRS.
01/09/2009 CalculmatricielCalculmatriciel. I. Matrices.
ASI 3 Méthodes numériques pour l’ingénieur
Institut de sciences et technologies Département d’informatique
Probabilités et Statistiques Année 2010/2011
Équations de plans.
Approximation d’un contrôle optimal par un circuit électronique
Chapitre 1 - Introduction.
TNS et Analyse Spectrale
Dorina Surcel et René Laprise
ASI 3 Méthodes numériques pour l’ingénieur
Suivi de trajectoires par vision Y. Goyat, T. Chateau, L. Trassoudaine 1.
Méthode des moindres carrés (1)
Evaluation des performances des tests diagnostiques en absence de Gold Standard Christophe Combescure Laboratoire de Biostatistique, IURC.
La grande combinaison: problèmes et solutions Pourquoi les combinaisons ? Comment combiner ? Les problèmes techniques ? Les solutions possibles Prospectives.
Présentation du système
Chapitre 2 Calcul littéral Identités remarquables.
Observateurs et filtre de Kalman
GdR MoMaS Novembre 2003 Conditions d’interface optimales algébriques pour la vibro-élasticité. François-Xavier Roux (ONERA) Laurent Sériès (ONERA) Yacine.
Optimisation de protocoles pour l’étude des cinétiques virales dans la grippe Laetitia Canini 1, Fabrice Carrat 1,2 Marseille, 5 mai UPMC – Paris.
Transcription de la présentation:

Estimation ensembliste ellisoïdale : formulation factorisée Groupe Calcul Ensembliste 01/02/2002 Paris Suzanne Lesecq Laboratoire d’Automatique de Grenoble suzanne.lesecq@inpg.fr

Moindres carrés et forme factorisée Moindres carrés récursifs Plan Introduction Moindres carrés et forme factorisée Moindres carrés récursifs Ellipsoïde englobant Reformulation Problème d’optimisation quadratique Mise sous forme factorisée Extension aux équations d’état Exemple numérique Remarques et conclusion S. Lesecq, 01/02/2002, groupe ensembliste

Diagnostic de la machine asynchrone Différentes techniques explorées Introduction Diagnostic de la machine asynchrone Différentes techniques explorées Thèse C. Combastel (2000) Identification paramètres modèle de Park Méthodes « classiques » PNL Méthodes ellipsoïdales Thèse Th. Clément (1987) Bibliographie + récente Formulation factorisée de ces algorithmes S. Lesecq, 01/02/2002, groupe ensembliste

Moindres carrés et forme factorisée Prérequis Factorisation orthogonale A H = U S. Lesecq, 01/02/2002, groupe ensembliste

Moindres carrés et forme factorisée Factorisation d’un produit de matrices Problème de moindres carrés M L LT = S. Lesecq, 01/02/2002, groupe ensembliste

Moindres carrés et forme factorisée Factorisation d’une somme de matrices Démonstration S. Lesecq, 01/02/2002, groupe ensembliste

Moindres carrés et forme factorisée Analyse de sensibilité Équations normales Forme factorisée S. Lesecq, 01/02/2002, groupe ensembliste

Moindres carrés récursifs Avec mise à jour de la matrice d’information I Forme standard Forme factorisée H = Xt+1 Xt S. Lesecq, 01/02/2002, groupe ensembliste

Moindres carrés récursifs Avec mise à jour de la matrice de Covariance P Forme standard Forme factorisée P = XTX gain des moindres carrés : g/e S. Lesecq, 01/02/2002, groupe ensembliste

Algorithme de Fogel et Huang Forme standard Ellipsoïdes 1 Algorithme de Fogel et Huang Forme standard Forme factorisée P = XTX, Z = YTY S. Lesecq, 01/02/2002, groupe ensembliste

Notations et Hypothèses yt ,et scalaires Estimation courante Ellipsoïdes 2 Notations et Hypothèses yt ,et scalaires Estimation courante Nouvelle mesure yt+1 mesure cohérente Paramètre Critère : Trace (pas d’incidence sur la formulation factorisée) t+1 t S. Lesecq, 01/02/2002, groupe ensembliste

Ellipsoïdes : reformulation 3 Algorithmes de mise à jour des ellipsoïdes Formes factorisées Stabilité numérique Démonstrations simples des propriétés théoriques Garantie numérique des propriétés théoriques Détermination de t+1 Problème d’optimisation quadratique Connaissance a priori Moindres carrés pondérés Nouvelle mesure S. Lesecq, 01/02/2002, groupe ensembliste

Forme standard (Durieux & Al., 1996) Ellipsoïdes 4 Algorithme Forme standard (Durieux & Al., 1996) Ellipsoïde englobant S. Lesecq, 01/02/2002, groupe ensembliste

Ellipsoïdes : forme factorisée 5 alors = = Problème de moindres carrés S. Lesecq, 01/02/2002, groupe ensembliste

Ellipsoïdes : forme factorisée 6 D’où … Algorithme …On peut démontrer ct+1 et Mt+1 obtenus indépendamment S. Lesecq, 01/02/2002, groupe ensembliste

Ellipsoïdes : forme factorisée 7 Amélioration de l’algorithme Indépendance de c et M S. Lesecq, 01/02/2002, groupe ensembliste

Ellipsoïdes Extension aux équations d’état 1 Forme « Information » factorisée PREDICTION S. Lesecq, 01/02/2002, groupe ensembliste CORRECTION

Ellipsoïdes Extension aux équations d’état 2 Forme « Covariance » factorisée P Formulation factorisée pour P = M-1 Résultat à paraître (JESA) Exemple S. Lesecq, 01/02/2002, groupe ensembliste

Remarques et Conclusion Réécriture du problème Optimisation quadratique Factorisation Garantie numérique de propriétés théoriques Stabilité numérique Choix libre P ou M Intersection ou sommation d’ellipsoïdes Pas d’inversion Approche applicable à toute démarche similaire Filtre de Kalman classique et étendu S. Lesecq, 01/02/2002, groupe ensembliste