資源描述：
《基于多樣本數(shù)據(jù)的子空間辨識(shí)方法研究-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第9卷第1期貴陽(yáng)學(xué)院學(xué)報(bào)(自然科學(xué)版)(季刊)V01．9No．4JOURNALOFGUIYANGCOU正GE2014年3月NaturalSciences(Quarterly)Mar．2014基于多樣本數(shù)據(jù)的子空間辨識(shí)方法研究盛鴻宇(北京聯(lián)合大學(xué)，北京100101)摘要：針對(duì)多樣本數(shù)據(jù)對(duì)系統(tǒng)數(shù)據(jù)矩陣列向量的影響，通過(guò)調(diào)整子空間方法的辯識(shí)步驟，使得在分組采樣條件下，樣本數(shù)據(jù)能滿足辨識(shí)系統(tǒng)的矩陣輸刈輸出方程的要求。仿真實(shí)驗(yàn)表明，該方法可避免多數(shù)據(jù)組時(shí)統(tǒng)計(jì)上的偏差，具有較高的辨識(shí)精度。關(guān)鍵詞：子空問(wèn)；多樣本數(shù)據(jù)；模型辨識(shí)中圖分類號(hào)：Tit399文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673—6125(2
2、014)Ol一0021—04StudyonmethodofsubspaceidentificationbasedonMulti——sampleDataSHENGHong—vu(BeijingUnionUniversity，Beijing100101，China)Abstract：Theproblemwasdiscussedaboutamet}lodofsubspaceidentificationbasedonMulti—sampleData．Wit}lmodulatingidentificationstepsofSubspaceinpacketsampling，thismethod
3、Callreduceinfluencethatsamplemuti—DataimpactonColumnVectorsystemdatamatrix．Withthemethod，sampleDatacanmeetrequirementthatEquationofdatamatrixInput／Outputinidentificationsystem．Thesimulationexperimentdemonstratesthatthismethodcanaviodstatisti-tallydeviationofmuti—data，andhaveupperidentification
4、precision．Keywords：subspace；samplemuti—Data；identificationModels20引言YfL。Wp+LuUfy，的最小均方預(yù)測(cè)y，能夠由求解以下最dx--隨著工業(yè)、社會(huì)和經(jīng)濟(jì)的發(fā)展，許多系統(tǒng)變量乘問(wèn)題得到：增多、非線性程度化增強(qiáng)、結(jié)構(gòu)日益復(fù)雜。如果仍采用經(jīng)典的單變量辨識(shí)方法，已經(jīng)不能達(dá)到復(fù)雜系min統(tǒng)的要求。20世紀(jì)末提出的子空間法是一種新的lJ弓m一“唰卜狀態(tài)空間模型辨識(shí)方法，在辨識(shí)和控制領(lǐng)域被廣泛再根據(jù)行空間的匕在睨和U張成的行空間關(guān)注，這種方法在辨識(shí)中對(duì)模型結(jié)構(gòu)先驗(yàn)知識(shí)要求上正交投影求得：較少，在數(shù)值計(jì)算中具有一定的魯棒性，可
5、廣泛適用于多變量系統(tǒng)。諺=y㈦1子空間辨識(shí)理論再采用斜向投影，可分別得到￡。％和￡。％：、一b孓，=L圓口、一口pf=L山f一般的子空間辨識(shí)的三個(gè)主要的運(yùn)算過(guò)程。再采用LQ分鷦的方法去實(shí)現(xiàn)該投影的魯棒性。第一步：已知與過(guò)去有關(guān)的睨，將來(lái)的輸入第二步：進(jìn)行該正交投影的奇異值分解計(jì)算，哆，找出將來(lái)輸出弓的最優(yōu)預(yù)測(cè)¨：從而直接得到可觀測(cè)矩陣Fi(下標(biāo)i表示塊的行收稿日期：2013—11—30作者簡(jiǎn)介：盛鴻宇(1973一)，男，滿族，黑龍江牡丹江人，北京聯(lián)合大學(xué)高級(jí)工程師。主要研究向：電子信息。一21—數(shù))；識(shí)方法，可能會(huì)使這些列向量不滿足辨識(shí)系統(tǒng)的矩C陣輸入／輸出方程，同時(shí)，如果系統(tǒng)動(dòng)態(tài)
6、特性中含有CA這些沒(méi)有實(shí)際物理意義的列向量，會(huì)嚴(yán)重影響對(duì)辨Fi=CA2識(shí)結(jié)果的精度。針對(duì)上述不足，可按以下方法對(duì)子●：空間辨識(shí)作調(diào)整：CAi一1首先需要分別對(duì)每一組輸Ⅳ輸出Hankle矩定義投影0i：陣進(jìn)行LQ分解，即計(jì)算：Yj咐=Lp既0i=芳睇=Ft母然后確定每一組輸入／輸出數(shù)據(jù)的Lp矩陣，假設(shè)￡。是一個(gè)秩為n的矩陣，n是該矩陣的最后再用這些Lp組成整個(gè)系統(tǒng)的￡。矩陣：階數(shù)，分塊Hankel數(shù)據(jù)陣的列數(shù)-『一∞是無(wú)窮大。L。=(Ll。L2。?L^。)但現(xiàn)實(shí)中由于受噪聲和有限長(zhǎng)數(shù)據(jù)量的影響，￡。與單組數(shù)據(jù)子空間辨識(shí)算法類似：本算法先對(duì)不一定是滿秩矩陣。可選擇一個(gè)秩為n的矩陣的L。
7、矩陣做奇異值分解，再求解可觀矩陣f和狀態(tài)^奇異值分解來(lái)近似代替它。選擇滿秩為阢和耽序列x，的卡爾曼濾波的估計(jì)墨。最后根據(jù)可觀的矩陣，進(jìn)行下式的奇異值分解計(jì)算：^性矩陣f和／或估計(jì)的狀態(tài)序列分墨確定系統(tǒng)參形。L職=c阢吹，(君蘭)(舅)數(shù)矩陣A、曰、C、D。從以上的過(guò)程可分析：當(dāng)前算法與單數(shù)據(jù)組算一u。
8、s。W法的不同點(diǎn)在于第一步，但也正是這個(gè)不同點(diǎn)可減由SVD分解可以得到可觀測(cè)性矩陣和系統(tǒng)狀少單變量辨識(shí)算法在估計(jì)多數(shù)據(jù)組時(shí)的統(tǒng)計(jì)偏差，態(tài)序列：保證了系統(tǒng)的實(shí)際動(dòng)態(tài)特性，
