• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >State-Space Kernelized Closed-Loop Identification of Nonlinear Systems
【24h】

State-Space Kernelized Closed-Loop Identification of Nonlinear Systems

机译：非线性系统的状态空间内嵌闭环识别

获取原文
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we propose a non-parametric state-space identification approach for open-loop and closed-loop discrete-time nonlinear systems with multiple inputs and multiple outputs. Employing a least squares support vector machine (LS-SVM) approach in a reproducing kernel Hilbert space framework, a nonlinear auto-regressive model with exogenous terms is identified to provide a non-parametric estimate of the innovation noise sequence. Subsequently, this estimate is used to obtain a compatible non-parametric estimate of the state sequence in an unknown basis using kernel canonical correlation analysis. Finally, the estimate of the state sequence is used together with the estimated innovation noise sequence to find a non-parametric state-space model, again using a LS-SVM approach. The performance of the approach is analyzed in a simulation study with a nonlinear system operating both in open loop and closed loop. The identification approach can be viewed as a nonlinear counterpart of consistent subspace identification techniques for linear time-invariant systems operating in closed loop.
机译：在本文中，我们提出了具有多个输入和多个输出的开环和闭环离散时间非线性系统的非参数状态空间识别方法。使用最小二乘支持向量机（LS-SVM）方法在再现内核HILBERT空间框架中，识别出具有外源性术语的非线性自动回归模型，以提供创新噪声序列的非参数估计。随后，使用内核规范相关分析，使用该估计以未知基础获得状态序列的兼容性非参数估计。最后，状态序列的估计与估计的创新噪声序列一起使用，以找到非参数状态空间模型，再次使用LS-SVM方法。在仿真研究中分析了该方法的性能，其中非线性系统在开环和闭环中操作。识别方法可以被视为在闭环中操作的线性时间不变系统的一致子空间识别技术的非线性对应物。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号