Рекуррентная параметрическая идентификация многомерных линейных динамических систем с локально автокоррелированными помехами во входных и выходных сигналах


Цитировать

Полный текст

Аннотация

Предложен рекуррентный алгоритм, позволяющий получать сильно состоятельные оценки параметров многомерных по входу линейных динамических систем при наличии автокоррелированных помех наблюдения во входных и выходных сигналах. Проведенные численные эксперименты подтвердили высокую эффективность предложенного метода идентификации.

Об авторах

Дмитрий Владимирович Ивано

Самарский государственный университет путей сообщения

Email: dvi85@list.ru
(к.ф.-м.н.), ст. преподаватель, каф. мехатроники в автоматизированных производствах; Самарский государственный университет путей сообщения

Олег Алексеевич Кацюба

Самарский государственный университет путей сообщения

Email: katsuba.samgups@mail.ru
(д.т.н., проф.), зав. кафедрой, каф. мехатроники в автоматизированных производствах; Самарский государственный университет путей сообщения

Список литературы

  1. Söderström T., Mahata K. On instrumental variable and total least squares approaches for identification of noisy systems // Int. J. Control, 2002. Vol. 75, no. 6. Pp. 381-389.
  2. Thil S., Söderström T., Garnier H. On instrumental variable-based methods for errors-inovariables model identification / In: Proc. 17th IFAC World Congress, Seoul, Korea / World Congress, 17 (Part 1), 2008. Pp. 426-431.
  3. Ikenoue M., Kanae Z.-J., Wada K. Identification of noisy input-output system using biascompensated least squares method / In: Proc. 16th IFAC World Congress on Automatic Control, Prague, Czech Republic / World Congress, 16 (Part 1), 2005. Pp. 803-808.
  4. Ekman M., Hong M., Wada K., Söderström T. A separable nonlinear least-squares approach for identification of linear systems with errors in variables / In: Proc. 14th IFAC Symposium on System Identification, Newcastle, Australia / World Congress, 14 (Part 1), 2006. Pp. 173-183.
  5. Кацюба О. А. Теория идентификации стохастических динамических систем в условиях неопределённости. Самара: СамГУПС, 2008. 119 с.
  6. Деревицкий Д. П., Фрадков А. Л. Прикладная теория дискретных адаптивных систем управления. M.: Наука, 1991. 215 с.
  7. Chen H. F. Stochastic Approximation and Its Applications. Dordrecht: Kluwer, 2002. 357 pp.
  8. Chen H. F. A Unified Approach to Recursive System Identification / In: Proc. 17th IFAC Symposium on System Identification, Saint-Malo, France / World Congress, 17 (Part 1), 2009. Pp. 420-425.
  9. Беллман Р. Введение в теорию матриц. М.: Наука, 1989. 376 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Самарский государственный технический университет, 2011

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».