Adquiriendo señal…
Adquiriendo señal…
Lección 2 de 9· Control y estimación
0 de 9 lecciones · 0 %
Para saber dónde estará una sonda dentro de diez segundos no basta con su posición: dos sondas que salen del mismo punto con velocidades distintas acaban en sitios distintos. El estado es el conjunto mínimo de números que resume el pasado y basta, con el modelo, para predecir el futuro. Para un objeto que se mueve por una línea es , un punto del plano de fases.
La dinámica lineal en tiempo continuo se escribe
es la dinámica propia; , una entrada que conoces, como el empuje de un propulsor; , una perturbación que no conoces y de la que solo describes el tamaño. Con velocidad constante,
En el video 2.1 un propulsor de m/s² encendido durante 8 s cambia la velocidad en m/s; con la perturbación, cuatro realizaciones se abren alrededor de la marcha libre. La misma forma sirve para un masa-resorte amortiguado —el del curso Señales y sistemas—, cuyos autovalores son y cuya trayectoria espira hacia el origen.
El ejemplo aeroespacial de este módulo es un satélite visto desde un marco local que acompaña a una órbita circular de referencia. Cerca de esa referencia, el movimiento relativo obedece ecuaciones lineales (las de Clohessy-Wiltshire, que se ven en Mecánica orbital) con cuatro estados —dos posiciones y dos velocidades— y una sola constante, el movimiento medio
A 550 km de altura, km y rad/s: una vuelta cada min, y en ella el satélite dibuja una elipse relativa de proporción 2 a 1. Es un modelo local: solo vale cerca de la referencia.
El filtro trabaja a saltos de segundos. Necesitamos la regla que lleva a .
Deducción. Sin entradas, la solución de es , donde la exponencial de matriz se define por su serie,
Basta comprobar que esa serie cumple la ecuación: derivando término a término, , y en vale . Por unicidad de la solución, con .
Para velocidad constante, y la serie se corta en dos términos:
Con s y el estado del video, 12 km y 0.30 km/s, un paso da : la posición avanza, la velocidad sigue igual. Si la sonda en realidad acelera (0.04 km/s² en el video 2.2), el modelo de velocidad constante predice diez pasos y se separa 2 km; el de aceleración constante, con tres estados y el término , cae exacto. El modelo debe tener la dinámica de la sonda.
es exacta para cualquier , pero el filtro solo «ve» el mundo cada . Si una sonda gira en una órbita de 100 km de radio con periodo de 120 s ( rad/s) y la predices con un paso recto, el hueco tras un paso es
que vale 0.03 km con s, 3.42 km con 5 s y 53.18 km con 20 s. La regla práctica: , aquí unos 19 s.
El sensor rara vez mide todo el estado. La ecuación de medida es
Con : mide la posición, 26.90; mide la velocidad, como un Doppler, 0.54; la identidad mide las dos. es la varianza del ruido: una de 2 km da km². A veces la da el fabricante y a veces se estima: en el video, 200 medidas de un objeto quieto a 20 km dan km², cerca del 4.00 verdadero.
El modelo de velocidad constante no es exacto: hay aceleraciones que no conoce. Se modelan como una aceleración blanca de densidad que entra en la velocidad. Integrándola durante un paso aparece la covarianza del ruido de proceso discreto:
Deducción del término . Con aceleración blanca , la velocidad acumula y la posición . Para ruido blanco, , así que
Las otras dos entradas salen igual: y .
Con s y km²/s³, . Partiendo de un estado conocido () y propagando , la varianza de la posición tras pasos resulta exactamente : km tras un paso, 4.08 km tras diez y km tras treinta. Es el abanico de ocho verdades del video 2.3.
y corrigen dos mentiras distintas: dice cuánto se equivoca el sensor, cuánto se equivoca el modelo. En el video 2.3.4, un filtro sin cree el modelo perfecto y deja de escuchar a las medidas; uno sin cree el sensor perfecto y copia su ruido. El filtro de Kalman aprende a pesarlas.
En Modelo discreto arrastras el estado inicial sobre el plano de fases y ves la cadena de estados sobre la trayectoria continua, junto con la aproximación de Euler . Con el oscilador y s, Euler sale en espiral aunque el sistema esté amortiguado. Debajo, el ruido de proceso abre un abanico de verdades y la banda que predice ; la lectura compara esa con la de 300 realizaciones.
Partiendo de un estado conocido, con y s, ¿cómo crece la de la posición con el número de pasos si no hay medidas?
Tenemos un estado de dos componentes, incierto, y una regla para avanzarlo. Para hablar de su incertidumbre necesitamos la gaussiana de varias dimensiones: su matriz de covarianza, su elipse, cómo se propaga con y cómo se fusionan dos de ellas. Es la lección 3.
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Estimación y filtro de Kalman: seguir un objeto con medidas ruidosas».