Identification of Feedback and Nonlinear Systems by using Subspace Methods

使用子空间方法识别反馈和非线性系统

• 批准号: 20560428
• 负责人: KATAYAMA Tohru
• 金额: $ 2.75万
• 依托单位: Doshisha University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2008
• 资助国家: 日本
• 起止时间: 2008 至 2010
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20560428/
• 关键词: システム同定; フィードバックシステム; 非線形システム; 部分空間同定法カルマンフィルタ; 非線形フィルタリング; 制御工学; ウィーナーモデル; 部分空間同定法; カルマンフィルタ; LQ分解; 状態空間モデル; 部分空間法; 分離最小2乗法; 基底関数

Based on the orthogonal decomposition (ORT) method 1996, we have developed a new closed loop subspace identification algorithm under the assumption that measurable disturbances are available, and obtained successful numerical results for both simulated and industrial data. We have also considered an LQ decomposition based subspace identification method for identifying the stochastic part of a combined deterministic stochastic system, showing that the stochastic part is derived by using a single LQ decomposition under the assumption that the past horizon is sufficiently large. This result complements the well-known MOESP method, for which the identification of stochastic part has been ignored for many years. Concerning the identification of nonlinear dynamical systems, a method of identifying Wiener-Hammerstein systems, in which a static nonlinearity is sandwiched by two linear systems, is derived by using a method of alternately identifying Hammerstein system and a linear system, where the data driven local coordinate-based gradient method is used for minimizing output errors. The algorithm and numerical results for the benchmark problem are presented at the special session of SYSID 2009, Saint-Malo.

在1996年正交分解(ORT)方法的基础上，在存在可测量扰动的假设下，提出了一种新的闭环子空间辨识算法，并对仿真数据和工业数据进行了成功的数值计算。我们还考虑了一种基于LQ分解的子空间辨识方法，用于识别组合确定性随机系统的随机部分，表明在过去水平足够大的假设下，随机部分是通过使用单个LQ分解而得到的。这一结果补充了著名的MOESP方法，该方法多年来忽略了随机部分的识别。对于非线性动态系统的辨识，采用Hammerstein系统和线性系统交替辨识的方法，导出了一种将静态非线性夹在两个线性系统之间的Wiener-Hammerstein系统辨识方法，其中数据驱动的基于局部坐标的梯度法用于最小化输出误差。基准问题的算法和数值结果在2009年圣马洛SYSID特别会议上公布。

项目成果

A State-Space Approach to Identification of Wiener-Hammerstein Benchmark Model

• DOI: 10.3182/20090706-3-fr-2004.00181
• 发表时间: 2009
• 期刊: IFAC Proceedings Volumes
• 作者: H. Ase;T. Katayama;Hideyuki Tanaka

Stochastic Subspace Identification by ARMAX modeling

ARMAX 建模的随机子空间识别

• 发表时间: 2009
• 作者: M.Takeno;T.Katayama;M.Takeno;T.Katayama;T.Katayama;T.Katayama;T.Katayama
• 通讯作者: T.Katayama

Identification of Wiener models by separable least-squares

通过可分离最小二乘法辨识维纳模型

• 发表时间: 2008
• 作者: M.Takeno;T.Katayama;M.Takeno;T.Katayama;T.Katayama;T.Katayama;T.Katayama;H.Tanaka;H.Tanaka;H.Tanaka;T.Katayama
• 通讯作者: T.Katayama

部分空間同定法の発展

子空间识别方法的发展

• 发表时间: 2008
• 期刊: 計測と制御 Vol.47, No.2
• 作者: H.Ase;T.Katayama;田中秀幸,葉末俊介;Hajime Ase;片山徹
• 通讯作者: 片山徹

A numerical method for continuous-discrete unscented Kalman filtering

连续离散无迹卡尔曼滤波的数值方法

• 发表时间: 2010
• 作者: M.Takeno;T.Katayama
• 通讯作者: T.Katayama