基于集员多步预测器的线性系统数据驱动滤波
最优化与控制
2020-08-28 v1
摘要
本文针对受未知但有界测量噪声影响的未知线性时不变系统，提出一种新颖的数据驱动直接滤波方法。所提技术结合独立的多步预测模型（借助集员（Set Membership）框架辨识得到），以精炼一个保证包含真实系统输出的集合。随后将滤波输出计算为该集合的中心值。由此，该方法实现了精确的输出滤波，并相对于真实系统输出给出了紧致且最小的误差界。为取得这些结果，需要在线求解线性规划。我们还给出了一种在线计算成本更低的改进滤波方法，通过将优化问题的求解移至离线预备阶段获得，代价是更大的精度界。所提方法的性能在一个数值例子中得到评估，并与标准基于模型的滤波技术进行比较。
引用
@article{arxiv.2008.11994,
title = {Data-driven filtering for linear systems using Set Membership multistep predictors},
author = {Marco Lauricella and Lorenzo Fagiano},
journal= {arXiv preprint arXiv:2008.11994},
year = {2020}
}