具有保证仿真精度的线性系统集员辨识
最优化与控制
2020-01-31 v2
摘要
本文考虑线性系统的模型辨识问题，所用有限采样数据受有界测量噪声影响且噪声界未知。目标是辨识一步超前模型及其在最坏情况仿真误差界意义上的精度。为此，利用了集员（Set Membership）辨识框架。推导了理论结果，使得能够估计噪声界和系统衰减率。随后，利用这些量和数据来定义可行参数集（FPS），其包含与可用信息兼容的所有可能模型。此处，估计的衰减率用于改进标准FPS表述，通过添加约束以强制模型脉冲响应的期望收敛行为。此外，推导了无限未来时域上的保证仿真误差界，改进了近期仅涉及有限仿真时域的结果。这些界是关于保证辨识模型渐近稳定性的一个结果和方法的基础。最后，通过数值优化辨识出期望的一步超前模型，并评估相关的仿真误差界。同时讨论了输入输出和状态空间模型结构。该方法在一个数值例子和自主滑翔机滚转速率动力学的真实实验数据上进行了展示。
引用
@article{arxiv.2001.07628,
title = {Set Membership identification of linear systems with guaranteed simulation accuracy},
author = {Marco Lauricella and Lorenzo Fagiano},
journal= {arXiv preprint arXiv:2001.07628},
year = {2020}
}
备注
This is a preprint of an article published on the IEEE Transactions on Automatic Control