项目名称: 系统辨识的渐进法

项目编号: No.61273191

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 朱豫才

作者单位: 浙江大学

项目金额: 80万元

中文摘要: 系统辨识是研究用实验数据建立动态系统数学模型的学科,在多个领域特别是自动控制领域有广泛的应用。系统辨识的渐进法以L.Ljung的渐进理论为基础,能够全面解决系统辨识的四个基本问题:实验设计、模型阶的确定、参数估计和模型校验。渐进法已在国外石油化工工业及其他流程工业有广泛应用。本项目拟将渐进法向两个方向扩展: 1. Errors-in-variables (EIV)系统辨识。该模型的输入信号含有测量噪声,现有的辨识方法还不成熟。本项目首先将渐进理论推广到EIV模型,然后应用该理论导出渐进法。新方法将突破现有方法局限,更准确,可进行闭环辨识。 2. Wiener-Hammerstein模型的辨识。该模型是一种块结构的非线性模型,参数估计中数值计算很困难,没有成熟的方法。本工作将研究使用渐进法的数值计算技巧解决该模型的参数估问题

中文关键词: 系统辨识;渐近理论;渐近法;EIV系统;快采样系统

英文摘要: System identification is the field of building mathematical models using test data which has wide application in many diciplines especially in automatic control. The so-called asymptotic method (ASYM) was developed based on the asymptotic theory of L. Ljung. The ASYM can systematically solve the four problems of identification and has been applied in the petrochecmical industry and other process industries. In this project, we will extend the ASYM for two model types. 1. Errors-invariable model identification. In this model, the input signals contain measurement noises and existing methods are not yet mature. This work will first extend the asymptotic theory to the errors-in-variables models and then develop the ASYM method for the model class. The new method will be more accurate than existing methods and can be used in closed-loop identificatio. 2. Wiener-Hammestein model identification. This is a block roiented nonlinear model and the parameter estimation is very difficult due to its compex structure. In this work, the numeric techniques of the ASYM method will be applied to solve the parameter estimation problem for the Wiener-hammerstein model.

英文关键词: system identification;asymptotic theory;asymptotic method;EIV systems;Over-sampling systems

成为VIP会员查看完整内容
0

相关内容

「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
114+阅读 · 2022年1月14日
专知会员服务
22+阅读 · 2021年9月20日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
32+阅读 · 2021年7月1日
专知会员服务
34+阅读 · 2020年11月26日
少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
斯坦福EE364a《凸优化》课件,301页ppt
专知会员服务
95+阅读 · 2020年7月14日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
为什么回归问题用MSE?
夕小瑶的卖萌屋
2+阅读 · 2022年2月15日
我用Transformer修复代码bug
夕小瑶的卖萌屋
1+阅读 · 2021年9月9日
GAN的原理和数学推导
专知
0+阅读 · 2021年5月5日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
已删除
将门创投
12+阅读 · 2018年6月25日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
深度学习人脸识别系统DFace
深度学习
17+阅读 · 2018年2月14日
【GAN】生成式对抗网络GAN的研究进展与展望
产业智能官
12+阅读 · 2017年8月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
23+阅读 · 2020年9月16日
小贴士
相关VIP内容
「大规模图神经网络系统」最新2022综述:从算法到系统
专知会员服务
114+阅读 · 2022年1月14日
专知会员服务
22+阅读 · 2021年9月20日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
32+阅读 · 2021年7月1日
专知会员服务
34+阅读 · 2020年11月26日
少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
斯坦福EE364a《凸优化》课件,301页ppt
专知会员服务
95+阅读 · 2020年7月14日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
相关资讯
为什么回归问题用MSE?
夕小瑶的卖萌屋
2+阅读 · 2022年2月15日
我用Transformer修复代码bug
夕小瑶的卖萌屋
1+阅读 · 2021年9月9日
GAN的原理和数学推导
专知
0+阅读 · 2021年5月5日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
已删除
将门创投
12+阅读 · 2018年6月25日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
深度学习人脸识别系统DFace
深度学习
17+阅读 · 2018年2月14日
【GAN】生成式对抗网络GAN的研究进展与展望
产业智能官
12+阅读 · 2017年8月31日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员