工业过程的子空间模型辨识.pdfVIP

下载本文档

6
0
约1.41万字
约 4页
2017-09-01 发布于河北
举报
版权申诉

工业过程的子空间模型辨识.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

维普资讯第24卷第5期控制理论与应用 V0l1．24NO．5 2007年 10月 ControlTheory Applications 0ct．2007 文章编号：1000--8152(2007)05--0803--04 工业过程的子空间模型辨识李幼凤，苏宏业，褚健 (工业控制技术国家重点实验室，浙江大学先进控制研究所，浙江杭州310027) 摘要：子空间模型辨识方法 (SM1)是一类新兴的直接估计线性状态空间模型的黑箱建模方法，近年来获得了广泛关注．和传统的线性建模方法相比，SMI的优势不仅在于算法本身的简单可靠，也在于它的状态空间表达．本文首先简要介绍了SMI的基本思想以及3种基本算法 (N4SID，MOESECVA)．然后将这类方法应用于一个实际的工业过程建模，同时对3种SMI基本算法和一种传统辨识算法一预测误差方法 (PEM)进行了研究对比．关键词：子空间；系统辨识；预测误差方法；模型预测控制中图分类号：TP13 文献标识码：A Subspacemodelidentificationforindustrialprocesses LIYou—feng，SU Hong—ye，CHUJian (NationalLaboratoryofIndustriMControlTechnology， InstituteofAdvancedProcessControl，Zh~iangUniversity，HnagzhouZhejinag310027，China) Abstract：Subspacemodelidentification(SMI)methods，anewclassofblack-boxalgorithmstosettingupalinearstate spacemodeldirectlyfrom input—OHtputdata，havedrawnmuchreserachattentionrecently．Compraedwiththeclassical linera system identificationmethods，SM Imethodsraeattractivenotonlybecauseoftheirnumericalsimplicityandstability， butalsotheiravailabilitiesforthestatespaceofrm ．Inthispaper,thebasicideaofSMImethodsnadthreebasicalgorithms， i．e．，N4SID，MOESPna dCVA，raebrieflyaddressedatfirst．ThencomparisonbetweentheSMImethodsandtheclassical system identificationmethod—PEM (predictionerrormethods)ismadebasedonthesamedatasetscollectedrfom areal industrialprocess． Keywords：subspace；system identification；predictiveerrormethod(PEM)；modelpredictiveControl(MPC) 1 引言 (Introduction) 是通过最小化某个适当的目标函数得到模型参数，模型预测控制 (MPC，modelpredictivecontro1)[1】存在着一些缺陷：1)由于目标函数