ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

SEMINARIO DE CONTROL Y REGULACION INDUSTRIAL

FILTRO KALMAN EN APLICACIONES INDUSTRIALES

1 INTRODUCCION.Rudolf Emil Kalman naci en Budapest, Hungra, el 19 de mayo de 1930. l tuvo

la idea del filtro de Kalman, por primera vez en el ao 1958. En 1960 y 1961
public sus trabajos y con ello revoluciono el campo de la estimacin.
El filtro de Kalman es un filtro recursivo de prediccin que se basa en el uso de
tcnicas de espacio de estado y los algoritmos recursivos. Se estima que el estado
de un sistema dinmico. Este sistema dinmico puede ser perturbado por algn
ruido, en su mayora asume como ruido blanco. Para mejorar el estado que estima
el filtro de Kalman se utilizan mediciones que se relacionan con el Estado, sino
perturbados tambin. As, el filtro de Kalman consiste en dos pasos: la prediccin y
la correccin.
En el primer paso el estado predicho por el modelo dinmico. En el segundo paso
se corrige con el modelo de observacin, de modo que la covarianza del estimador
de error se minimiza. En este sentido, es un estimador ptimo. Este procedimiento
se repite para cada intervalo de tiempo con el estado del paso de tiempo anterior
como valor inicial. Por lo tanto el filtro de Kalman se llama un filtro recursivo.
La estabilidad de un sistema permite juzgar cuan ptimo y confiable es, siendo la
caracterstica ms importante de un sistema de control, ya que permite que ste
funcione correctamente. Un mtodo eficaz para la estabilizacin de sistemas
dinmicos es el filtro de Kalman, en esencia este filtro es un algoritmo que
pronostica el nuevo estado a partir de su estimacin previa aadiendo un trmino
de correccin proporcional al error de prediccin, de tal forma que este ltimo es
minimizado estadsticamente.
Las reas de aplicacin abarcan desde el sector aeroespacial, a la navegacin
martima, la modelacin demogrfica, la ciencia meteorolgica, la fabricacin y
1

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

muchos otros. Debido a que el filtro de Kalman es muy eficaz y til para una gran
clase de problemas, ha sido objeto de numerosas investigaciones.
Viendo la efectividad de ste algoritmo, en el presente proyecto se disear un
sistema de estabilizacin de vuelo haciendo uso de la teora del mismo,
analizando previamente las necesidades que abastecera y la utilidad que implica,
pudiendo aplicar este sistema en todo tipo de vehculo areo.
Siendo especialmente til en un autmata que puede tener distintas utilidades
como en el combate, de vigilancia de seguridad, en sembrados, entre otros, en
los cuales se busca un ptimo funcionamiento. Se ha diseado el programa luego
de una ardua investigacin con conocimientos de las materias de control y
microcontroladores.
El filtro de Kalman es un filtro recursivo de prediccin que se basa en el uso de
tcnicas de espacio de estado y los algoritmos recursivos. Se estima que el estado
de un sistema dinmico. Este sistema dinmico puede ser perturbado por algn
ruido, en su mayora asume como ruido blanco. Para mejorar el estado que estima
el filtro de Kalman se utilizan mediciones que se relacionan con el Estado, sino
perturbados tambin. As, el filtro de Kalman consiste en dos pasos:
2 MARCO TERICO.1. La prediccin
Calculamos una prediccin del estado x(k+1), lo notaremos como x(k+1). El
valor de la prediccin es calculado a partir del valor ms actualizado del estado
(posteriormente veremos que es el estado corregido en la parte final del
algoritmo)
x(k+1) = A(k) + Bu (k)

(23)

Predecimos el valor de la matriz de covarianza del error previo a la medida

P(k+1) (recordamos que estamos haciendo una previsin del estado).El error
estar definido por:
e(k+1) = x(k+1) x(k+1)
2

(24)

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

Por tanto e(k+1) en esta etapa de prediccin vale:

e (k+1) = Ax(k) + Bu(k) + v(k) - A(k) Bu(k)

{[ A ( x ( k ) (k )) + v( k )] [ A ( x ( k ) ( k )) + v (k )] }
T

P(k+1) = E
Operando:

{[ A ( x ( k ) ) (k )][ A ( x ( k ) ) (k )] }+ E { v (k ) v (k ) }
T

P(k+1) = E
T
E {( k ) v (k ) }

Se define como la matriz de covarianza asociada al proceso: Q(k)

Queda por tanto:

P(k+1) = AP(k)A T + Q(k)

(25)

2. La correccin
Decamos antes que el valor del estado se va a calcular a travs del estado
anterior y de una correccin que es funcin del error. Esto es:
(k+1) = x(k+1) + K(k+1)

[ y ( k +1 )Cx (k +1)]

(26)

Siendo el factor de correccin:

K(k+1)

[ y ( k +1 )Cx (k +1)]

y:
y(k+1) es el ltimo valor observado.
x(k+1) es el valor ms actualizado disponible del estado (calculado en la fase de
prediccin).
Buscaremos el valor de K(k+1) para conseguir un valor ptimo de (k+1) tal que
la matriz de covarianza del error sea mnima.
e(k+1)= x(k+1) - (k+1)
Substituyendo:
3

ESCUELA MILITAR DE INGENIERIA

CONTROL
e(k+1) = x(k+1) x(k+1) K

SEMINARIO DE

[ y ( k +1 )Cx (k +1)]

La observacin y(k+1) tiene el valor

y(k+1) = Cx(k+1) + w(k+1)
Por tanto:
e(k+1) = x(k+1) x(k+1) Kw(k+1) + KCx(k+1)
Agrupando:
e(k+1) = [ I KC ]

(x(k+1) x(k+1)) Kw(k+1)

As pues:
P(k+1) = E

{ [ I KC ] ( x ( k +1 )x ( k +1 ) )Kw ( k +1) [ I KC ] ( x ( k +1 ) x ( k +1 ))Kw (k +1) }

T

P(k+1) = E

{ [ I KC ] (x ( k +1 )x (k +1)) [ I KC ]( x ( k +1 ) x (k +1)) }
T

+E

{kw (k +1) w( k +1)T k }

T
E {kw (k +1)w( k +1) k } : Matriz de covarianza asociada a la medida: R(k+1)

P(k+1) = [ I KC ]

*E

{ X ( k +1 ) x (k +1) x ( k +1 ) x (k +1) }

* [ I KC ]

KR (k+1)KT
Anteriormente ya calculamos que:
P(k+1) = E

{ x ( k +1 )x (k + 1) x ( k +1 )x (k + 1) }
T

Por lo que:

ESCUELA MILITAR DE INGENIERIA

CONTROL
P(k+1) = [ I KC ]

P(k+1) [ I KC ]

SEMINARIO DE
T

KRK T

Si Llamamos P1 a P(k+1) y P(k+1) = P:

P = P1 + KCP +

PC K

+ KCPCTKT + KRKT

TrP = TrP1 + 2TrKCP + TrK(CPCT) + TrKRKT

Diferenciamos respecto a K para obtener el mnimo de la expresin e igualamos a
cero:
TrP
K

= - 2TrCP + 2TrCPCT + 2KR = 0

K = CP *

[ CPC T + R ]

Es decir:
1

T
K(k+1) = CP(k+1)* [ CP ( k + 1 ) C + R(k +1) ]

P(K+1) =

[ I KC ] P(k+1)

Para iniciar el algoritmo es necesario conocer las siguientes condiciones de

contorno:
Un valor inicial del estado: x(0). El valor de la matriz de covarianza del error, que
para P(0). Podemos asumir que P(0) = Q. Y los valores de las matrices
de covarianza asociadas al sistema y a la medida: Q y R.
Resumiendo, el algoritmo tiene los siguientes pasos:
En la iteracin k:
1 Prediccin
x(k+1) = A(k) + Bu(k)
P(k+1) = AP(k) AT + Q
5

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

2 Correccin
1

K(k+1) = CP(k+1) *

[ CP ( k + 1 ) C T + R(k +1) ]

(27)

Observacin, y(k+1)
(k+1) = x(k+1) + K(k+1)
P(K + 1) =

[ y ( k +1 )Cx (k +1)]

[ I KC ] P(k+1)

(28)
En el primer paso el estado predicho por el modelo dinmico. En el segundo paso
se corrige con el modelo de observacin, de modo que la covarianza del estimador
de error se minimiza. En este sentido, es un estimador ptimo. Este procedimiento
se repite para cada intervalo de tiempo con el estado del paso de tiempo anterior
como valor inicial. Por lo tanto el filtro de Kalman se llama un filtro recursivo.

Valores iniciales para (k) y P(k)

Etapa de Prediccin
1 Prediccin del estado
X(k+1) = A (k) + Bu (k)
1 Prediccin de la matriz de covarianza
P(k+1) = AP(k) AT +Q

Etapa de Correccin
6

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

1 Calculo del vector de ganancias

1

T
K (k+1) = CP(k+1)* [ CP ( k + 1 ) C + R( K +1) ]

2 Actualizacin del estado

(k+1) = x(k+1) + K(k+1)

[ y ( k +1 )Cx (k +1)]

3 Actualizacin de la matriz de covarianza

P(k+1) = [ I KC ] P ( k +1)

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

3 APLICACIONES EN LA INDUSTRIA.Algunos ejemplos de la utilizacin de aviones no tripulados podemos ver a

continuacin:
3.1 FILTRO DE KALMAN EN NAVEGACIN.Un filtro de Kalman es esencialmente una versin recursiva y en tiempo real de un
algoritmo de estimacin. Un ejemplo tpico de aplicacin de estos filtros es en
navegacin. Dado nuestro conocimiento de las ecuaciones dinmicas de p.e. un
avin o un satlite y dada una serie de medidas ruidosas de su posicin ir
determinando en tiempo real (es decir, actualizndose con cada nueva medida, en
vez de esperar a tenerlas todas).
La grfica siguiente refleja el resultado de aplicar nuestro filtro de Kalman a la
estimacin de la altura de un avin a partir de unos datos (ms o menos errneos)
de un acelermetro y un altmetro. La lnea discontinua muestra la verdadera
altura, mientras que las cruces indican las mediciones del altmetro, que como se
observa forman una banda de unos 100 mt alrededor de la verdadera posicin. La
lnea continua nos d la estimacin del filtro de Kalman. Vemos que en un
aterrizaje es mucho mejor que nuestro piloto haga caso al Dr. Kalman y no al
altmetro.
3.2 GPS.Desde su introduccin en 1,960 el Filtro Kalman ha llegado a ser un componente
integral dentro de miles de Sistemas de navegacin tanto militares como civiles.
Este algoritmo digital recursivo aparentemente simple, ha sido el favorito desde
antes para integrar convenientemente (o fusionar) los datos de los sensores de
navegacin para alcanzar un rendimiento ptimo de todo el sistema. Para proveer
estimados corrientes de las variables del sistema tales como coordenadas de
posicin el filtro usa modelos estadsticos para ponderar apropiadamente cada
una de las mediciones nuevas relativas a la informacin pasada. Tambin
determinar incertidumbres actualizadas de los estimados, para evaluaciones
8

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

cualitativas en tiempo real para estudios de los sistemas de clculos no

convencionales. A causa de que ste da un ptimo rendimiento, versatilidad y fcil
implementacin, el Filtro Kalman ha sido popular especialmente en los GPS.
En sta columna del mes, Larry Levy nos va a introducir en lo que respecta al
Filtro Kalman y nos dar una explicacin breve sobre su aplicacin en la
navegacin en GPS.
3.3 SISTEMA DE SEGUIMIENTO DE MISILES.El doctor Levy es el cientfico principal (investigador) del Departamento de
Sistemas Estratgicos de la Universidad John Hopkins del laboratorio de Fsica
Aplicada. El recibi su doctorado en Ingeniera Elctrica en la Universidad del
Estado de Iowa en 1,971. Levy ha trabajado en la aplicacin del Filtro Kalman por
ms de 30 aos, ha ayudado a desarrollar el concepto del traductor GPS en
SATRACK (un GPS basado en un sistema de seguimiento de misiles), y fue un
instrumento importantsimo en el desarrollo de la metodologa de Fin a Fin, para
evaluar la precisin del TRIDENT II. El conduce los cursos para graduados sobre
el Filtro Kalman y la justificacin del sistema en la universidad John Hopkins, de la
facultad Whiting de ingeniera, adems ensea un seminario corto de NAVTECH
sobre el Filtro Kalman.
3.4 LUNA X 200.La Universidad de Crdoba, a travs del Departamento de Geomtica y el Grupo
de Investigacin "ERSAF" del Departamento de Ingeniera Forestal de la Escuela
Tcnica Superior de Ingeniera Agronmica y de Montes ha organizado un curso
online titulado "Aplicacin de Aviones no tripulados (UAV) en el mbito
agroforestal", con una duracin lectiva de 75 horas, a celebrar del 4 de marzo al
10 de abril de 2014. :
Accidente en planeador en Santiago de Chile, inestabilidad precordillerana?

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

El 21 de Enero de 2009, un trgico accidente ensombreci el desarrollo del

Qualifying Grand Prix Internacional de Planeadores, ya que uno de sus
competidores perdi el control de su planeador, precipitndose a tierra en el
cordn Los Espaoles, a 22 kilmetros al norte de Santiago.
3.5 VIGILANCIA.En una base area, en territorio de los Estados Unidos, un veterano piloto pasa su
jornada de trabajo vigilando a la familia de un insurgente afgano. Cuando recibe la
orden, aprieta el gatillo y un insurgente muere a ms de once mil kilmetros de
distancia. Luego, se levanta de su cabina virtual, sube a su coche y se dirige a su
casa para llevar a su hijo de diez aos al entrenamiento de bisbol.

Esta escena que puede parecernos de ciencia ficcin, podra estar perfectamente
sucediendo en estos momentos, ya que cada vez se recurre ms a los Vehculos
Areos No Tripulados (Unmanned Aerial Vehicles -UAV-) o drones para llevar a
cabo operaciones militares areas. De hecho, en los aos 90 del siglo XX se
10

ESCUELA MILITAR DE INGENIERIA

CONTROL

SEMINARIO DE

predijo que la guerra de Yugoslavia sera la ltima en la que se usaran aviones

tripulados y no parece que las predicciones estuvieran muy equivocadas.

3.6 APLICACIN DE AVIONES NO TRIPULADOS (UAV) EN EL MBITO

AGROFORESTAL.La Universidad de Crdoba, a travs del Departamento de Geomtica y el Grupo
de Investigacin "ERSAF" del Departamento de Ingeniera Forestal de la Escuela
Tcnica Superior de Ingeniera Agronmica y de Montes ha organizado un curso
online titulado "Aplicacin de Aviones no tripulados (UAV) en el mbito
agroforestal", con una duracin lectiva de 75 horas, a celebrar del 4 de marzo al
10 de abril de 2014.

11