基于鲁棒优化的系统辨识算法研究
自动化学报(2014)
Abstract
输入-输出数据是解决系统辨识问题的关键要素,传统的辨识理论除了假定影响输入-输出数据干扰的密度函数已知外,还要假定输入-输出数据能够精确获得,完全忽略了所用数据的质量.本文突破了传统理论的两个假设,首先用工程上易于获得的干扰的有界集合代替干扰的密度函数,并在特定数据不确定性结构下,考虑了数据质量问题,然后,以半定规划为基础,导出了鲁棒对等式,从而将系统辨识转化为对数据质量具有鲁棒性的优化问题,通过求解该优化问题,得到了一种新的鲁棒优化辨识方法,仿真结果表明了新方法的可行性和有效性.
MoreTranslated text
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined