结构未知系统降维辨识方法-----变量消去算法
CSTR:
作者:
作者单位:

1. 江南大学 理学院,江苏 无锡 214122;2. 南通大学 电气工程学院,江苏 南通 226019;3. 西英格兰大学 工业设计和数学系,英国 布里斯托 BS161QY

作者简介:

通讯作者:

E-mail: chenjing1981929@126.com.

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61973137);近地面探测技术重点实验室基金项目(61424140207,61424140202);江苏省自然科学基金项目(BK20201339).


A reduced-dimension identification algorithm for systems with unknown structures: Variable elimination algorithm
Author:
Affiliation:

1. School of Science,Jiangnan University,Wuxi 214122,China;2. School of Electrical Engineering,Nantong University,Nantong 226019, China;3. Department of Engineering Design and Mathematics,University of the West of England,Bristol BS16 1QY,UK

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对结构未知的系统提出一种新的降维辨识方法.借助核函数方法,利用一个高维Volterra模型逼近未知系统.由于Volterra模型未知参数维数较高,为避免高阶矩阵求逆和求特征值,提出变量消去算法,将高维系统的辨识问题转化为两个低维系统辨识问题.通过理论证明采用降维算法后降维系统信息矩阵条件数变小,参数收敛速度得到提高.进一步引入Aitken 加速方法提高算法收敛速度,增强算法对步长的鲁棒特性.最后通过仿真例子验证所提出方法的有效性.

    Abstract:

    This study proposes a reduced-dimension identification algorithm for systems with unknown structures. By using the kernel method, the unknown structure systems are approximated by a Volterra model with a high-dimension. To avoid high-order matrix inverse and eigenvalue calculations, a variable elimination algorithm is developed, which decomposes the high-dimension model into two sub-models. The theoretical analysis shows that the variable elimination algorithm has a faster convergence rate than that of the traditional gradient descent algorithm. In addition, an Aitken method is introduced to increase the convergence rates and to make the algorithm be robust to the step-size. The simulation results verify the effectiveness of the algorithm.

    参考文献
    相似文献
    引证文献
引用本文

陈晶,程连元,李俊红,等.结构未知系统降维辨识方法-----变量消去算法[J].控制与决策,2024,39(1):171-179

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2023-12-14
  • 出版日期: 2024-01-20
文章二维码