• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >On recursive Markov parameters estimation for MIMO systems
【24h】

On recursive Markov parameters estimation for MIMO systems

机译：关于MIMO系统的递归Markov参数估计

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

摘要

This work develops a recursive algorithm to estimate a given size sequence of Markov parameters for linear discrete-time systems, which is related to FIR models estimation. The discussion on FIR models in identification literature tends to be brief due to its poor prediction error for low order models, although Markov parameter sequence of shorter length can be used, e.g., as the input for data-driven MPC based on FIR models and for system identification combined with realization theory. Estimation of Markov parameters sequence of larger length can also be used in applications in which the prediction itself is not relevant, such as stability assessment or norm computations. The formulation is derived for SISO systems and then we extended it to the MIMO case. An analysis of the overall truncation and bias errors is also developed and illustrative examples are given to highlight the method’s performance. In the examples we also further illustrate the difference in estimation results for different inputs, since the input choice is affected by the identification method utilised.
机译：这项工作开发了一种递归算法来估计用于线性离散时间系统的Markov参数的给定大小序列，这与FIR模型估计有关。由于其对低阶模型的预测误差差，但是，尽管可以使用较短长度的Markov参数序列，但是，可以使用较短长度的Markov参数序列，例如，作为基于FIR模型的数据驱动MPC的输入，讨论概况系统识别与实现理论相结合。大长度的Markov参数序列的估计也可以用于预测本身不相关的应用中，例如稳定性评估或规范计算。制剂用于SISO系统，然后我们将其扩展到MIMO案例。还开发了对整体截断和偏差误差的分析，并提供了说明性示例来突出显示该方法的性能。在示例中，我们还进一步示出了不同输入的估计结果的差异，因为输入选择受所用识别方法的影响。

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