• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Cascade affine constant recursive algorithm for model-based control
【24h】

Cascade affine constant recursive algorithm for model-based control

机译：基于模型控制的级联仿射常数递归算法

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

摘要

Paper tackles the trade-off between slow parameter adaptation and parameter variance of recursive least square estimation (rLSE) after a system change in the identification of a time-variant system. This paper proposes cascade affine constant (CAC) estimation for linear systems, which uses rLSE estimated parameters as an apriori knowledge for affine constant estimation, which can be estimated faster with lower variance because of its simple structure. In this configuration, rLSE uses a slower forgetting rate for more accurate dynamics estimation, while affine constant is used to react faster to changes in the system. The comparison is done in the setting with predictive functional control as its performance is impacted greatly by the quality of model parameters and highly correlated with the quality of model parameters. The metrics of the developed method are overall better than other methods.
机译：纸张在系统变化识别时变量系统的识别后递归最小二乘估计（RLSE）之间的慢参数适应和参数方差之间的折衷。 本文提出了线性系统的级联仿现常量（CAC）估计，其使用RLSE估计参数作为仿射恒定估计的APRIORI知识，因为其结构简单，可以更快地估计较低的方差。 在此配置中，RLSE使用较慢的遗忘速率进行更准确的动态估计，而仿射常量用于更快地对系统的变化进行反应。 比较在具有预测功能控制的设置中完成，因为其性能受模型参数的质量影响，并且与模型参数的质量高度相关。 开发方法的指标总体优于其他方法。

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