خوارزمية الانصهار المستشعر

مرشح كالمان

مرشح Kalman نموذجي.

جوهر الخوارزمية هو تعيين مجموعة من عوامل "الاعتقاد" لكل مستشعر. في كل لحظة ، سيتم استخدام بيانات المستشعر من اللحظة الأخيرة للإحصاءات لتحسين التخمين (الذاتي) ، وسيتم الحكم على جودة المستشعر. في المقارنة بين القيمة المتوقعة والقيمة المقاسة للمستشعر ، سيتم تقدير قيمة ممتازة وإخراجها.

هذا يعني أنه إذا كان المستشعر يعطي دائمًا قيمة جيدة ومتسقة ويبدأ في إخبارك بشيء غير مرجح ، فإن مستوى مصداقية المستشعر سينخفض ​​في بضع مللي ثانية حتى يبدأ في الإحساس مرة أخرى.

هذا أفضل من المتوسط ​​البسيط أو التصويت ، لأن مرشح Kalman يمكن أن يتعامل مع الموقف الذي أن معظم أجهزة الاستشعار خارج النظام مؤقتًا. طالما يمكن للمرء أن يحافظ على سبب وجيه ، يمكن أن يجعل الروبوت خلال اللحظة المظلمة.

Kalman Filter هو تطبيق لمفاهيم أكثر عمومية لسلسلة ماركوف والتفكير البايزي ، وهو نظام رياضي يحسن تخميناتها بشكل متكرر باستخدام الأدلة. هذه الأدوات هي الأدوات المستخدمة لمساعدة العلوم نفسها على اختبار الأفكار (والتي هي أيضًا أساس ما نسميه "الأهمية الإحصائية").

لذلك ، يمكن القول شعرية أن بعض أنظمة دمج المستشعرات تعبر عن جوهر العلم بسرعة 1000 مرة في الثانية.

تم استخدام مرشحات Kalman في المحطات المدارية من الأقمار الصناعية الفضائية لعقود. نظرًا لأن المتحكمين الحديثين يمكنهم تشغيل الخوارزمية في الوقت الفعلي ، فإنهم أصبحوا أكثر وأكثر شعبية في الروبوتات.