• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >A Non-Parametric LPV Approach to the Indentification of Linear Periodic Systems ?
【24h】

A Non-Parametric LPV Approach to the Indentification of Linear Periodic Systems ?

机译：一种非参数LPV方法来识别线性周期性系统 ？

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

摘要

A non-parametric identification algorithm is proposed to identify Linear Time Periodic (LTP) systems. The period is unknown and can be any real positive number. The system is modelled as an ARX Linear Parameter Varying (LPV) system with a virtual scheduling signal consisting of two orthogonal sinusoids (a sine and a cosine) with a period equal to the system period. Hence, the system parameters are polynomial functions of the scheduling vector. As these polynomials may have infinite degree, a non-parametric model is adopted to describe the LPV system. This model is identified by a Gaussian Process Regression (GPR) algorithm where the system period is a hyperparameter. The performance of the proposed identification algorithm is illustrated through the identification of a simulated LTP continuous system described by a state-space model. The ARX-LTP discrete-time model estimated in the noiseless case was taken as thetruemodel.
机译：提出了非参数识别算法来识别线性时间周期性（LTP）系统。 该期未知，并且可以是任何真正的正数。 该系统以ARX线性参数变化（LPV）系统为模型，具有由两个正交正弦波（正弦和余弦）组成的虚拟调度信号，其周期等于系统时段。 因此，系统参数是调度向量的多项式函数。 由于这些多项式可能具有无限度，因此采用非参数模型来描述LPV系统。 该模型由高斯进程回归（GPR）算法识别，其中系统周期是一种超参数。 通过识别由状态空间模型描述的模拟LTP连续系统来说明所提出的识别算法的性能。 无噪声案例中估计的ARX-LTP离散时间模型被视为第四型模型。

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