Desarrollo de estimadores de estado empleando la librería de simulación física Simbody

RESUMEN: La evolución de la computadora ha hecho posible la simulación de sistemas multicuerpo en tiempo real y el uso de estimadores de estado para inferir parámetros ocultos del estado del sistema. Entre estos estimadores de estado, se encuentran los filtros de Kalman, una opción eficiente y ampli...

Full description

Bibliographic Details
Main Author: Aguilera López, Raúl
Other Authors: Blanco Claraco, José Luis
Format: info:eu-repo/semantics/doctoralThesis
Language:Spanish / Castilian
Published: 2021
Subjects:
Online Access:http://hdl.handle.net/10835/9839
Description
Summary:RESUMEN: La evolución de la computadora ha hecho posible la simulación de sistemas multicuerpo en tiempo real y el uso de estimadores de estado para inferir parámetros ocultos del estado del sistema. Entre estos estimadores de estado, se encuentran los filtros de Kalman, una opción eficiente y ampliamente usada, pero que no fueron formuladas para sistemas de segundo orden, no lineales y con restricciones, como suelen ser los sistemas multicuerpo. En dichos casos, se suelen utilizar distribuciones no paramétricas, como es el filtro de partículas. En este trabajo se pretende desarrollar una librería en C++ para la implementación de estimadores de estado, utilizando la técnica de filtro de partículas y la librería de simulación física Simbody. ABSTRACT: The evolution of the computer has made possible to achieve real-time simulation of multibody systems and using state observers to infer hidden state variables of them. Kalman filters are an efficient and vastly used option among these states observers, originally not formulated for second-order, non-linear and restricted systems though, such as multibody systems. In those cases, non-parametric distributions are often used, particle filters as an example. The aim of this work is developing a C++ library to implement a state observer, using the particle filter technique and Simbody, a multibody physics library.