EunGyeongKim

목표칼만필터 파라미터 구하기 칼만필터 시스템의 상태를 예측하고 추정하는데 사용되는 재귀적인 알고리즘노이즈가 있는 센서 데이터로부터 정확하고 안정적으로 시스템의 상태를 추정하는데 활용구성예측 단계(Prediction)이전 상태와 시스템 모델을 기반으로 다음 상태를 예측또한 시스템 모델과 노이즈에 의해 발생한 불확실성을 고려하여 예측 오차를 계산업데이트 단계(Update)실제 센서 데이터를 사용하여 예측된 상태와 실제 상태 사이의 오차를 계산오차를 이용하여 상태와 오차의 가중치를 조정하고 보정합니다. 이렇게 보정된 상태를 사용하여 다음 예측을 수행 칼만필터 파라미터 A : A = 1 # 시스템 행렬, 시스템이 어떻게 움직이는 지 나타냄. 즉 시스템의 운동방정식 (n*n)H = 1 # 출력 행렬, 측정값과 상..

필터링원 데이터 → 노이즈 제거 및 신호 분석을 위해 필터링 사용 합성곱을 이용한 필터가우시안 필터링 (Gaussian filterinf)가우시안을 이용한 필터링가중치를 [0.25, 0.5, 0.25]으로 설정하여 이용.3점이동평균 필터 (3 point moving average filter) 시계열 데이터에서 사용되는 필터링 방법인접한 3개의 데이터 포인트를 이용하여 이동 평균값을 구하는 방법작은 시간 간격으로 일어나는 빠른 변화를 캡처하지 못함# 필요한 컬럼 선택하기 column_name = 'column1' # 분석하고자 하는 컬럼 이름 data = df[column_name].values # 선택한 컬럼의 값만 NumPy 배열로 가져오기 # 필터링할 윈도우 사이즈와 가중치 설정 window_siz..

💡마찰계수 추정 시, 가속도센서 데이터 공압 트레일 변수를 입력으로, tire forces and pneumatic trail을 출력(Fy, Fz, t)으로 하고 layer 모델을 이용하여 예측Abstract마찰 추정 방법공압 트레일의 높은 감도와 선형 영역에서의 마찰 계수에 대한 거의 선형 관계를 활용피봇 정도를 나타내는 지표를 공압 트레일 정보를 사용하여 제안하고, 이는 흥분 상태가 마찰 계수 추정에 충분한지 여부를 결정하는 데 사용마찰 계수 정규화된 측방력의 비율과 피봇 정도의 비선형 적응으로 추정타이어 힘과 공압 트레일 신경망을 통해 추정 Introduction기존 마찰 추정 방법효과기반타이어에 가해지는 자극, 슬립각도와 같은 기저관계를 통해 마찰계수 추정차량 동적모델을 통해 탑재된 센서에 의해 ..