制御理論に関するほとんどの入門書は、通常、Luenbergerオブザーバーを紹介することで状態観測の部分を開始し、その後、カルマンフィルターを紹介することで続行する場合があります。学術雑誌の論文を読んでいると、あらゆる種類の派手な非線形推定方法（スライディングモードオブザーバー、パッシブオブザーバーなど）にも出くわしました。
しかし、私の短い経験からは、学外で使用される状態推定方法には、カルマンフィルターという1つのタイプしかありません。
私の観察は正しいですか、それとも他のタイプも使用されていますか？もしそうなら、なぜカルマンフィルターは他の状態オブザーバーよりも主に使用されているのですか？実装がかなり簡単だからですか？
私が話せるのは、私が働いた業界（重機）だけです。オブザーバーとして実際に使用されているカルマンフィルターを見ただけです。
重機のデータソースのほとんどは、非常にノイズが多い傾向があります（圧力センサーまたは加速度センサー）。カルマンフィルター（単純なLuenbergerオブザーバーと比較して）は、高いノイズレベルに直面したときに優れた復元力を提供します。私はそれらが全体的にLuenbergerオブザーバーよりも頑強に振る舞うのを見てきました。非線形システムでのセンサーフュージョンに使用される拡張カルマンフィルターも見ました。
さまざまなより洗練された方法により、コンピューティング要件が増加し、組み込みマイクロプロセッサーでの実装が困難になることがよくあります。さらに、カルマンフィルターの一般的な人気は、管理領域外のマネージャーやエンジニアが少なくとも以前にそれらについて聞いたことがある可能性が高いことを意味します。この種の「ブランド認知」は、コントロールに重点を置いていない大企業の社内でソリューションを販売する場合に役立ちます。これに加えて、さまざまなライブラリまたはSimulink / Matlabなどのパッケージでのサポートはかなり古く、すでにかなりのストレステストが行われています。
永久磁石同期機（PMSM）のローター位置と速度を推定するために、フィールド指向制御アルゴリズムでLuenbergerとスライディングモードオブザーバーが使用されていることを知っています。 これはTIによるホワイトペーパーで、スライディングモードオブザーバーについて言及しています。そして、これはフリースケールによるホワイトペーパーで、Luenbergerのオブザーバーについて言及しています。 これはフリースケールからの別のものですスライディングモードオブザーバーについて話します。