~カルマンフィルタを自由自在に使いこなす~
1口(1社3名まで受講可能)でのお申込は 受講料66,000円(税込)/1口 が格安となります。
☆☆☆ Web配信セミナー ☆☆☆
☆☆☆ 本セミナーは、Zoomを使用して、行います。☆☆☆
テキストとして、「カルマンフィルタの基礎」(東京電機大学出版局/3190円(税込))を使用しますので、入手をご希望の方はお知らせください。受講料、テキスト代(実費)を合わせて請求させていただきます。
トリケップスセミナー
開催日時:2024年4月25日(木)10:00~17:00
参 加 費:お1人様受講の場合 53,900円(税込/1名)
1口(1社3名まで受講可能)でお申し込みの場合 66,000円(税込/1口)
★ 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング(http://zoom.us/test)にアクセスできることをご確認下さい。
★ インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
★ 受講中の録音・撮影等は固くお断りいたします。
講 師
足立 修一(あだちしゅういち)氏 慶應義塾大学 名誉教授(工学博士)
<経歴>
1981年 慶應義塾大学 工学部 電気工学科卒業
1986年 慶應義塾大学大学院 工学研究科 博士課程 電気工学専攻修了(工学博士)
1986年 株式会社東芝入社 総合研究所 勤務
1990年 宇都宮大学 工学部 電気電子工学科 助教授
1993年 ~1996年 科学技術庁 航空宇宙技術研究所(現JAXA)客員研究官 兼務
2002年 宇都宮大学 工学部 電気電子工学科 教授
2003年 ~2004年 ケンブリッジ大学 工学部(制御グループ) 客員研究員(Gonville and Caius College)
2006年 慶應義塾大学 理工学部 物理情報工学科 教授
2023年 慶應義塾大学 名誉教授
<研究テーマ>
1 システム同定理論と時系列解析…実用的なシステム同定理論の開発
2 非線形・非ガウシアン最適フィルタリング理論(状態推定問題)…Unscented Kalman filter (UKF) / カルマンフィルタ理論の実用化検討
3 制御系設計理論…モデル予測制御(Model Predictive Control)
<主な著書>
「続 制御のこころ~モデルベースト制御編」(2023)、「制御工学のこころ~古典制御編」(2021)、「制御工学の基礎」(2016)、「バッテリマネジメント工学~電池の仕組みから状態推定まで~」(2015)、「カルマンフィルタの基礎」(2012)、「システム同定の基礎」(2009)、「電気自動車の制御システム~電池,モータ,エコ技術~」(2009)など…以上、東京電機大学出版局。
「信号・システム理論の基礎~フーリエ解析,ラプラス変換,z変換を系統的に学ぶ~」(2014)など…コロナ社
セミナーの概要
自動車産業をはじめとして、さまざまな産業界でモデルベース開発の重要性が認識されてきました。本セミナーでは,究極のモデルベースアプローチであり,センシング,制御,あるいは機械学習などのAI の分野と密接な関係をもつカルマンフィルタについて述べます。特に,カルマンフィルタの実践を目指すユーザを対象として,カルマンフィルタを利用する上で有益な情報を提供することを目的とします。
本セミナーでは,カルマンフィルタの基礎理論について,一度は勉強したことがある方を対象にします,したがって,時系列データの状態空間表現や線形カルマンフィルタのアルゴリズムについてはある程度の知識があることを前提とします。
本セミナーでは,まず,線形カルマンフィルタのアルゴリズムを紹介し、数値例を通してカルマンフィルタの仕組みについて学習します。続いて,代表的な非線形カルマンフィルタである拡張カルマンフィルタ(EKF)と無香料カルマンフィルタ(UKF)のアルゴリズムを説明し,非線形カルマンフィルタを用いた状態とパラメータの同時推定を導入します。また,カルマンフィルタの数値的不安定性について述べ,その問題点に対処するUD分解フィルタを導入します。さらに,カルマンフィルタの2つの応用例を紹介します。時間があれば,ロバストフィルタの考え方について紹介したいと思います。
講義項目
2 線形カルマンフィルタ
2.1 時系列とシステム
2.2 線形カルマンフィルタのアルゴリズム
2.3 カルマンフィルタの数値的な側面
3 非線形カルマンフィルタ
3.1 EKF(拡張カルマンフィルタ)
3.2 UKF(無香料カルマンフィルタ)
3.3 数値例を通したEKFとUKFの比較
3.4 状態とパラメータの同時推定
4 ロバストフィルタ~H∞フィルタ~
5 応用例
5.1 カルマンフィルタを用いたセンサフュージョン
5.2 電池の充電率の推定
6 まとめ