一种用于闭环数据辨识的对偶系统级参数化方法
最优化与控制
2023-04-06 v1
摘要
本文提出了一种用于闭环系统辨识的对偶系统级参数化（D-SLP）方法。近期的系统级综合框架通过对闭环响应函数（称为系统级参数）施加线性约束来参数化所有镇定控制器。研究表明，控制器上的若干结构、局部性与通信约束可表示为这些系统级参数上的凸约束。在当前工作中，辨识问题被视为系统级综合问题的一种{\em 对偶}。根据与受控对象相关的对偶系统级参数来辨识对象模型。与现有的闭环辨识方法（如对偶 Youla 参数化）相比，D-SLP 框架既不需要已知被已知控制器镇定的标称对象，也不依赖于标称对象与镇定控制器因式分解的选择。数值仿真表明了所提 D-SLP 方法相较于现有闭环辨识技术在辨识误差方面的有效性。
引用
@article{arxiv.2304.02379,
title = {A Dual System-Level Parameterization for Identification from Closed-Loop Data},
author = {Amber Srivastava and Mingzhou Yin and Andrea Iannelli and Roy S. Smith},
journal= {arXiv preprint arXiv:2304.02379},
year = {2023}
}