子空间模型辨识方法综述

被引：44

作者：

李幼凤

苏宏业

褚健

机构：

[1] 工业控制技术国家重点实验室浙江大学先进控制研究所

来源：

化工学报 | 2006年 / 03期

基金：

国家创新研究群体科学基金;

关键词：

子空间; 系统辨识; 预测误差方法; 辅助变量方法;

D O I：

暂无

中图分类号：

N945.14 [系统辨识];

学科分类号：

摘要：

作为传统线性系统辨识方法的一个有益补充,子空间模型辨识方法(SMI)近年来获得了广泛关注.这类方法综合了系统理论,线性代数和统计学三方面的思想,其特点是直接由输入输出数据辨识系统的状态空间模型,因而非常适合多变量系统辨识.首先介绍了SMI的基本思想,然后分析了3种基本算法(N4SID、MOESP和CVA)的异同点、算法实现、统计特性和模型稳定性等方面.随后探讨了其他一些SMI算法,包括连续时间系统SMI算法、频域SMI算法、闭环SMI算法和非线性系统SMI算法.为说明SMI方法的特性,通过一个工厂实际例子研究对比了3种SMI基本算法和一种传统辨识算法———预测误差方法(PEM).最后阐述了理论方面有待进一步研究的主要问题.

引用

页码：473 / 479

页数：7

共 34 条

[1] A unifying theorem for threesubspace system identification algorithms. Van Overschee P,De Moor B. Automatica . 1995
[2] Subspaceidentification for continuous-time stochastic systems viadistribution-based approach. Ohsumi A,Kameyama K,Yamaguchi K-I. Automatica . 2002
[3] Subspace-basedmultivariable system identification from frequency responsedata. McKelvey T,Akcay H,Ljung L. IEEE Transactions on Audio . 1996
[4] A linear regression approach tostate-space subspace system identification. Jansson M,Wahlberg B. Signal Processing . 1996
[5] Identifying MIMO Wienersystems using subspace model identification methods. Westwick D,Verhaegen M. Signal Processing . 1996
[6] Subspace identification ofmultivariable linear-varying systems. Verdult V,Verhaegen M. Automatica . 2002
[7] Order estimation for subspace methods. Bauer D. Automatica . 2001
[8] N4SID:subspace algorithmsfor the identification of combined deterministic-stochasticsystems. Van Overschee P,De Moor B. Automatica . 1994
[9] Subspace identification withguaranteed stability using constrained optimization. Lacy S L,Bernstein D S. IEEETrans.on Automatic Control . 2003
[10] Frequency domain subspaceidentification with the aid of the w-operator. Yang Z J,Sanada S. ElectricalEngineering in Japan . 2000

← 1 2 3 4 →