2017
DOI: 10.1007/s12530-017-9181-0
|View full text |Cite
|
Sign up to set email alerts
|

Discrete-time Kalman filter for Takagi–Sugeno fuzzy models

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1
1

Citation Types

0
18
0
2

Year Published

2018
2018
2021
2021

Publication Types

Select...
8
1
1

Relationship

0
10

Authors

Journals

citations
Cited by 31 publications
(20 citation statements)
references
References 17 publications
0
18
0
2
Order By: Relevance
“…Nesta seção, um exemplo computacional de rastreamento dos estados de um sistema dinâmico não-linear com comportamento caótico, em ambiente ruidoso, será apresentado. Para ilustrar a eficiência da metodologia proposta, será realizada uma análise comparativa com um Filtro de Kalman Fuzzy baseado na metodologia proposta por (PÁRAMO-CARRANZA et al, 2017) Observa-se que, com a metodologia proposta neste artigo, a dinâmica das variáveis de estado do atrator caótico de Lorenz foram rastreadas de forma eficiente, apresentando um desempenho superior quando comparado à metodologia proposta em (PÁRAMO-CARRANZA et al, 2017), para diferentes níveis de ruído.…”
Section: Resultados Computacionaisunclassified
“…Nesta seção, um exemplo computacional de rastreamento dos estados de um sistema dinâmico não-linear com comportamento caótico, em ambiente ruidoso, será apresentado. Para ilustrar a eficiência da metodologia proposta, será realizada uma análise comparativa com um Filtro de Kalman Fuzzy baseado na metodologia proposta por (PÁRAMO-CARRANZA et al, 2017) Observa-se que, com a metodologia proposta neste artigo, a dinâmica das variáveis de estado do atrator caótico de Lorenz foram rastreadas de forma eficiente, apresentando um desempenho superior quando comparado à metodologia proposta em (PÁRAMO-CARRANZA et al, 2017), para diferentes níveis de ruído.…”
Section: Resultados Computacionaisunclassified
“…3 The MSE comparative analysis for filtering and tracking, based on 100 realizations, the state variable of Lorenz’s chaotic attractor: a Approach in (Páramo-Carranza et al. 2017 ); b interval type-2 fuzzy Kalman filter based on proposed methodology
Fig. 4 The computational data set of state variable from Lorenz’s chaotic attractor corrupted by noise with
Fig.
…”
Section: Interval Type-2 Fuzzy Computational Modelmentioning
confidence: 99%
“…In general, fuzzy control can be classified into model-free approach and model-based approach [2], [8]- [12]. Among various types of model-based fuzzy control approaches, Takagi-Sugeno (T-S) fuzzy models have attracted plenty of research interests and a great deal of research effort has been devoted to the problem of stability analysis and controller synthesis based on T-S fuzzy models in recent years [13]- [17].…”
Section: Introductionmentioning
confidence: 99%