具有随机输入的Preisach滞回模型辨识的直接递归算法收敛性
混沌动力学
2015-03-09 v1
摘要
我们考虑一种用于辨识Preisach模型参数的递归迭代算法，该模型是最常用的滞回输入输出关系模型之一。由Mayergoyz提出的经典辨识算法明确定义了一系列测试输入，只要(a)此类输入时间序列能够被实现并施加，且(b)相应的输出数据能够被精确测量和记录，即可用以任意所需精度找到Preisach模型参数。最近提出了适用于若干工程应用的递归迭代辨识方案，作为经典算法的替代。这些递归方案不使用任何输入设计，而是依赖于由输入变量随机波动产生的输入输出数据流。此外，在任何时刻，方案仅能获取输入输出数据流的最近值。本工作中，我们证明了此类算法的指数收敛性，显式估计了收敛速率，并探讨了随机输入与算法的哪些性质会影响该保证收敛速率。
引用
@article{arxiv.1503.02051,
title = {Convergence of direct recursive algorithm for identification of Preisach hysteresis model with stochastic input},
author = {D. Rachinskii and M. Ruderman},
journal= {arXiv preprint arXiv:1503.02051},
year = {2015}
}
备注
19 pages, 3 figures