东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

一种新的基于遗忘因子的递推子空间辨识算法

期刊名称：控制理论与应用
时间：0
页码：69-72
语言：中文
分类：TP273[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
作者机构：[1]中国海洋大学信息科学与工程学院,山东青岛266100, [2]上海交通大学自动化研究所,上海200240
相关基金：国家自然科学基金资助项目（60774015,60604018,60534020）;国家863计划资助项目（2006AA04z173）;高校博士点基金资助项目（20060248001）.
相关项目：基于子空间方法的多变量系统双重模型预测控制

作者：李少远|

关键词：递推算法, 子空间方法, 在线辨识, 收敛性, recursive identification, subspace method, online identification, convergence analysis

中文摘要：

针对工业系统中广泛存在的时变特性，提出一种新的递推子空间辨识算法，实现对系统状态空间模型的在线递推估计．为更好地跟踪系统时变特性，研究基于遗忘因子的输入输出数据矩阵构造机制，以提高递推算法的收敛速度；针对算法中奇异值分解的求解问题，将梯度型算法引入基于遗忘因子的状态子空间跟踪中，实现对广义能观测矩阵的估计，避免了子空间近似带来的估计有偏性；该算法计算简单有效，且对初值具有更高的鲁棒性；最后给出该递推算法的性能分析，理论证明其收敛性，并通过仿真实例验证算法的有效性．

英文摘要：

A new recursive subspace identification algorithm is proposed for the recursive estimation of state space model of linear time-varying systems. A forgetting factor is introduced in the Hankel matrices of the input-output data to increase the convergent rate and improve the performance in tracking the time-varying information. In solving the singular value decomposition （SVD） problem, a gradient-type subspace tracking method is employed to update the state-space subspace based on forgetting factor, realizing the unbiased estimation of the extended observability matrix and improving the robustness to the uncertainty in initial values. The proposed method is simple and highly accurate in numerical computation, The convergence of the proposed method is also proved theoretically, Finally, the efficiency of this method is illustrated with a simulation example.