Data informativity for the open-loop identification of MIMO systems in the prediction error framework
Data informativity for the open-loop identification of MIMO systems in the prediction error framework
复制标题
预测误差框架中 MIMO 系统开环识别的数据信息量
DOI：
10.1016/j.automatica.2020.109000
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Federico Morelli
中科院分区：
文献类型：
--
作者：
Kévin Colin;X. Bombois;L. Bako;Federico Morelli
在预测误差识别中，为了获得真实系统的一致估计，输入激励产生关于所选模型结构的信息数据是至关重要的。在本文中，我们认为在开环的多输入多输出系统的识别数据的信息性属性，我们推导出的条件来检查是否一个给定的输入向量将产生关于所选择的模型结构的信息数据。我们对预测误差识别中使用的经典模型结构和经典类型的输入向量（即，其元素是多线或滤波后的白色噪声的输入向量。
In Prediction Error identification, to obtain a consistent estimate of the true system, it is crucial that the input excitation yields informative data with respect to the chosen model structure. We consider in this paper the data informativity property for the identification of a Multiple-Input Multiple-Output system in open-loop and we derive conditions to check whether a given input vector will yield informative data with respect to the chosen model structure. We do that for the classical model structures used in prediction error identification and for the classical types of input vectors, i.e., input vectors whose elements are either multisines or filtered white noises.