Voorspellende functie

[awlandman23]

Hallo allemaal,

Ik ben bezig met het maken van een communicatie protocol voor robots. Ik gebruik het programma Simulink om te simuleren.

Op dit moment ben ik bezig met het maken van een soort van voorspellende functie.

Ik zal dit even verder toelichten:

Stel op een bepaald tijdstip (t=tk) weet je de q(positie) q.(snelheid) en q..(acceleratie) van een robot. Echter is het niet van tevoren bekend wanneer er weer gemeten wordt en wanneer er een nieuwe waarden voor de positie, snelheid en acceleratie beschikbaar worden.

Het doel is nu om met deze waarden een voorspellende continue functie te maken waar de robot zich bevind.

Heeft iemand een idee of een bestaande methode die hiervoor gebruikt zou kunnen worden?

[Xenion]

Als je weet waar de robot is en waar hij naartoe beweegt dan kan je berekenen waar hij zal zijn op elk toekomstig tijdstip. Dit is je model.

Natuurlijk zit er ruis op je metingen en is je model slechts een discrete benadering van de werkelijkheid, dus daarop alleen kan je niet vertrouwen. Je moet dus op een of andere manier je model informatie combineren met metingen.

Iets dat daarvoor veel gebruikt wordt is het Kalman filter. Het uitgewerkt voorbeeld is gelijkaardig aan wat jij wil doen.

Kijk ook misschien eens naar deze tutorial op youtube. Ik heb hem zelf nog niet bekeken, maar ik heb andere tutorials van die persoon gezien en vond die wel goed.

[awlandman23]

Dankjewel voor je reactie. In het uitgewerkte voorbeeld wordt gewerkt met een constante versnelling. Alleen in mijn situatie heb ik te maken met een varierende versnelling en ook wordt deze versnelling op bepaalde tijdstippen negatief. Is het nu nog mogelijk om een Kalman filter te gebruiken?

[Xenion]

Ik heb er zelf maar beperkte ervaring mee, maar je kan verschillende dingen proberen:

1) Je kan het voorbeeld met positie en snelheid nemen en de parameter met de constante versnelling aanpassen bij elke meting.

2) Je kan de versnelling toevoegen in de state space en de verandering van de versnelling modelleren zoals in het voorbeeld de snelheid gemodelleerd werd (linear) of zelfs gewoon random. Het Kalman filter kan normaal wel omgaan met modelfouten aangezien het zowel het model als je observaties benut.

3) Je kan nog andere dingen bedenken of opzoeken.

[Xenion]

Heb je trouwens de youtube tutorial bekeken die ik vermelde? In totaal zijn het 3 filmpjes en het laatste is een mooie MATLAB demo waar je mogelijk inspiratie kan uithalen.

Opmerking moderator

Aangezien het hier maar beperkt over mechanica gaat heb ik dit topic maar verplaatst naar Praktische & overige.