论文部分内容阅读
然而，过滤技术的 Kalman 广泛地在许多应用被使用了为线性 Gaussian 系统的标准 Kalman 过滤器不能通常工作很好或甚至面对大模型无常分叉。在实际应用程序，有高费用的实验的大数字是昂贵的或对甚至不可能获得一个准确系统模型。在有限模型的适应控制上由我们的以前的开创的工作激发了，过滤的有限模型的 Kalman 的一个框架在这份报纸被介绍。这个框架想那大模型无常可以被能与对方很不同的已知的模型的一个有限集合限制。而且，在集合的已知的模型的数字能灵活地被选择以便换句话说，不明确的模型可以被已知的模