فایل ورد کامل کوچکترین مربعات بازگشتی با صرف نظر از تخمین لحظه ای جرم وسیله نقلیه و شیب جاده ای: نظریه و آزمایشات

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل کوچکترین مربعات بازگشتی با صرف نظر از تخمین لحظه ای جرم وسیله نقلیه و شیب جاده ای: نظریه و آزمایشات،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۸ صفحه

۶ نتیجه گیری ها
تخمین همزمان جرم یک وسیله نقلیه و شیب جاده، یک مسئله ی چالش برانگیز است.کار قبلی بر روی تخمین فقط یک یا وجود فرضی سنسورهای اضافی روی وسیله نقلیه متمرکز بود که میتوانست برای تخمین زدن یکی از مجهولها بکار رود.در این مقاله، یک طرح حداقل مربع بازگشتی با صرف نظر کردن، برای تخمین لحظه ای همزمان جرم و شیب ارائه شده است.ما در شبیه سازی ها نشان میدهیم ،یک فاکتور صرف نظر واحد، نمیتواند پارامترها را با مقادیر مختلف تغییر، تخمین بزند. راه های همراه نمودن بیش از یک فاکتور صرف نظر کردن برای تخمین پارامترهای متعدد با مقادیر مختلف تغییر، مورد بحث قرار میگیرند و اثر بخشی الگوریتم با صرف نظر متعدد در تخمین یک جرم ثابت و شیب متغیر زمان، با شبیه سازی ها نشان داده شده است.

عنوان انگلیسی:Recursive least squares with forgetting for online estimation of vehicle mass and road grade: theory and experiments~~en~~

۶ Conclusions

The simultaneous estimation of a vehicle’s mass and road grade is a challenging problem. Previous work concentrated on either estimating only one or assumed existence of additional sensors on the vehicle which could be used to estimate one of the unknowns. In this paper, a recursive least square scheme with forgetting is proposed for simultaneous online estimation of mass and grade. We show in simulations that a single forgetting factor could not estimate parameters with different rates of variation. Ways to incorporate more than one forgetting factor for estimation of multiple parameters with different rates of variation are discussed and the effectiveness of the algorithm with multiple forgetting in estimating a constant mass and time-varying grade is shown with simulations.

$$en!!