谢、李；黄嘉诚；陶洪峰；杨惠忠 具有时滞的双速率采样变量误差系统的辨识。 （英语） Zbl 1531.93422号 最佳方案。控制应用程序。方法 44，第5期，2316-2337（2023）. 摘要：为了识别具有时滞的变量系统中的双速率采样误差，本文利用多项式变换技术和冗余规则推导了增广的双速率模型，并提出了一种基于偏差补偿的最小二乘法。其基本思想是使用LS算法获得有偏参数估计，然后用估计的噪声方差补偿噪声引起的偏差，最后根据无偏参数估计和给定的阈值估计时延。考虑到合适的阈值选择对BC-LS高噪声辨识算法的性能有很大影响，引入广义正交匹配追踪（GOMP）算法同时估计有偏参数和时延，并引入基于偏差补偿的GOMP算法进一步提出了识别具有时滞的双速率采样EIV系统的算法。仿真实例表明了所提两种算法的有效性，特别是在建模数据集较小的情况下，BC-GOMP算法表现得更好。©2023 John Wiley&Sons有限公司。 MSC公司： 93E12号机组 随机控制理论中的辨识 93E24型 随机控制系统的最小二乘法及其相关方法 93立方厘米 延迟控制/观测系统 关键词：偏置补偿；双速率采样；可变误差系统；参数识别；延时 PDF格式BibTeX公司 XML格式引用 \textit{L.Xie}等人，Optim。控制应用程序。方法44，No.5，2316--2337（2023；Zbl 1531.93422） 全文： 内政部 参考文献： [1] 徐乐。基于随数据长度增加的动态离散测量的系统响应可分离牛顿递推估计方法。国际J控制自动化系统。2022;20(2):432‐443. [2] 陈·丁芙。使用辅助模型对双速率系统的参数和输出进行组合估计。自动化。2004;40(10):1739‐1748. ·Zbl 1162.93376号 [3] 康Z、吉Y、刘XM。Hammerstein非线性自回归输出误差系统的递阶递推最小二乘算法。国际J自适应控制信号处理。2021年；35(11):2276‐2295. [4] 王JW，JiY，Zhang C。分数阶非线性有限脉冲响应系统的迭代参数和阶次辨识。国际J自适应控制信号处理。2021年；35(8):1562‐1577. [5] 陈·丁芙。用输出误差法估计双速率随机系统的参数。IEEE自动变速器控制。2005;50(9):1436‐1441. ·Zbl 1365.93480号 [6] SöderströmT。用户对系统识别中变量误差方法的看法。控制工程实践。2019年；89:56‐69. [7] De NadaiM，LewbelA（莱贝拉）。变量模型中的非参数误差与方程两侧的测量误差。《经济学杂志》。2016;191(1):19‐32. ·兹比尔1390.62116 [8] WeiZB、DongGZ、ZhangXN、PouJ、QuanZY、HeHW。使用双线性参数化进行锂离子电池的噪声免疫模型识别和荷电状态估计。IEEE Trans Ind Electron公司。2021年；68(1):312‐323. [9] 徐乐。基于滑动测量窗口的多频信号分离多创新牛顿迭代建模算法。电路系统信号处理。2022;41(2):805‐830. ·Zbl 1509.94036号 [10] JiY、KangZ、LiuXM。Hammerstein非线性系统基于数据滤波的多阶段Levenberg‐Marquardt算法。国际J鲁棒非线性控制。2021年；31(15):7007‐7025. [11] 夏海飞、徐斯、周C、陈凤。基于最大似然原理的多变量系统多新息梯度参数估计。最优控制应用方法。2022;43（1）：106‐122·Zbl 1531.93404号 [12] LiMH、LiuXM。利用粒子滤波技术对一类双线性系统进行迭代辨识。国际J自适应控制信号处理。2021年；35(10):2056‐2074. [13] FanYM、LiuXM。具有可变增益非线性的输入非线性控制自回归滑动平均系统的基于辅助模型的多新息递推辨识算法。国际J自适应控制信号处理。2022;36(3):521‐540. [14] 丁芙、刘义杰、鲍勃。多输入多输出系统的基于梯度和基于最小二乘的迭代估计算法。2012年《过程仪表机械工程Pt I J系统控制工程》；226(1):43‐55. [15] JiY、KangZ。一类非线性系统的三阶段遗忘因子随机梯度参数估计方法。国际J鲁棒非线性控制。2021年；31(3):971‐987. ·Zbl 1525.93438号 [16] 徐乐、宋国良。用于建模多频率信号的递归参数估计算法。电路系统信号处理。2020;39(8):4198‐4224. ·Zbl 1452.94026号 [17] 丁芙、ShiY、ChenT。非平稳ARMA过程估计算法的性能分析。IEEE传输信号处理。2006;54（3）：1041‐1053·Zbl 1373.94569号 [18] SöderströmT。系统识别中的变量误差法。自动化。2007;43(6):939‐958. ·Zbl 1193.93090号 [19] SöderströmT，Diverir，SoveriniU。当测量噪声相互关联时，EIV识别方法的统一框架。自动化。2014;50(12):3216‐3223. ·Zbl 1309.93162号 [20] 分流器。偏差消除了具有相互关联噪声的变量误差模型的最小二乘辨识。国际J自适应控制信号处理。2013年；27(10):915‐924. ·Zbl 1278.93280号 [21] 丁芙、陈特、邱力。MISO系统基于偏差补偿的递推最小二乘辨识算法。IEEE跨电路系统II实验简报。2006;53(5):349‐353. [22] MossbergM，SöderströmT。协方差匹配方法的近似加权，用于识别变量误差系统。国际J自适应控制信号处理。2011;25(6):535‐543. ·Zbl 1225.93114号 [23] SöderströmT，KreibergD，MossbergM。用于识别变量误差系统的协方差匹配方法的扩展精度分析。自动化。2014;50(10):2597‐2605. ·Zbl 1301.93166号 [24] GuoF、WuOY、DingYS、HuangB。基于EM算法的线性变量误差系统基于数据的增广模型辨识方法。IEEE Trans Ind Electron公司。2017;64(11):8657‐8665. [25] ArabloueiR、DoançayK、WernerS。基于逆幂法和二分法坐标下降迭代的递归总最小二乘算法。IEEE传输信号处理。2015;63（8）：1941年至1949年·Zbl 1394.94046号 [26] 刘X、朱一科。变量误差系统的识别：一种渐近方法。国际J自适应控制信号处理。2017;31(8):1126‐1138. ·Zbl 1373.93325号 [27] PintelonR，Zhang E。具有准平稳输入和有色噪声的动态变量误差系统的识别。自动化。2021年；123:109344. ·Zbl 1461.93525号 [28] 宋QJ，黄ZY。具有一般非线性输出观测值和ARMA观测噪声的变量误差系统的辨识。系统科学综合杂志。2020;33(1):1‐14. ·Zbl 1437.93020号 [29] 康华、古吉祥、郑伟祥。一种基于变量误差系统模型的图子空间系统辨识方法。自动化。2019年；109:108535. ·Zbl 1429.93399号 [30] 丁芙、刘XP、杨赫。双速率系统的参数识别和样本间输出估计。IEEE Trans-Syst Man Cybern Pt A Syst Humans公司。2008;38(4):966‐975. [31] GanJW，ParulekarSJ。乳酸发酵参数识别和预测的多速率数据驱动模型。2019年计算机化学工程；128:405‐416。 [32] 陈杰、刘玉杰、徐乐。双速率ARX模型的一种新的基于滤波器的随机梯度算法。国际J自适应控制信号处理。2018;32(11):1557‐1568. ·Zbl 1405.93211号 [33] LiMH、LiuXM。双速率随机系统的最大似然分层最小二乘迭代辨识。国际J自适应控制信号处理。2021年；35(2):240‐261. [34] 陈杰、张毅、朱琦、刘毅杰。双速率非线性模型的基于Aitken的修正卡尔曼滤波随机梯度算法。2019年富兰克林研究所J Franklin Inst；356(8):4732‐4746. ·Zbl 1412.93089号 [35] 谢莉，杨赫，黄波。使用EM算法对具有随机延迟的多速率过程进行FIR模型辨识。AIChE J.2013；59(11):4124‐4132. [36] 郭义夫，黄波。包含不频繁、延迟和积分测量的状态估计。自动化。2015;58:32‐38. ·Zbl 1330.93219号 [37] LuX，ZhangQY，LiangX，等。具有同时输入延迟和状态/控制相关噪声的离散时变系统的最优线性二次高斯控制。最优控制应用方法。2020;41（3）：882‐897·Zbl 1467.93204号 [38] 刘毅、刘敏、徐芳。通过自适应非抖振控制实现具有马尔可夫跳变和混合时滞的随机复杂网络的定时同步。最优控制应用方法。2022;43(2):339‐353. ·兹比尔1531.93373 [39] JiY、KangZ、ZhangX、XuL。基于压缩传感恢复理论的多输入信号输出非线性系统的模型恢复。J Franklin Inst.2022；359(5):2317‐2339. ·Zbl 1485.93281号 [40] 杨XQ，Yin S。具有随机输出时滞的LPV双速率系统的鲁棒全局辨识和输出估计。IEEE Trans Ind信息。2017;13(6):2876‐2885. [41] HuJ、WangZD、LiuGP、ZhangHX、NavaratneR。一种基于预测的方法，用于通过传感器网络对缺失测量值和通信延迟进行分布式滤波。IEEE Trans-Syst Man-Cybern系统。2021年；51(11):7063‐7074. [42] 刘乐夫、傅立杰、吉福、肖小霞、吴斌。贪婪追求——从压缩感知到稳健状态估计的有效方法。2018年IET Gener Transm发行；12(9):2140‐2147. [43] 王德强、李伟、吉英、杨毅。使用基于辅助模型的正交匹配追踪方法恢复Hammerstein系统的模型。应用数学模型。2018;54:537‐550. ·Zbl 1480.93431号 [44] WangJ、KwonS、ShimB。广义正交匹配追踪。IEEE传输信号处理。2012;60(12):6202‐6216. ·Zbl 1393.94479号 [45] LiLJ、DongTT、ZhangS、Zhang XX、YangSP。通过相关分析识别具有扰动的动态过程中的时滞。控制工程实践。2017;62:92‐101. [46] 陈X、赵SY、刘飞。用递归期望最大化算法在线辨识时滞跳跃马尔可夫自回归外生系统。国际J自适应控制信号处理。2020;34(3):407‐426. ·Zbl 1469.93109号 [47] 刘西。使用Rauch‐Tung‐Striebel平滑器实现双线性系统的期望最大化算法。自动化。2022;142:110365. ·Zbl 1494.93030号 [48] 金QB、王志勇、蔡伟、张颖。随机机构和时滞下输出数据完全缺失的维纳有限脉冲响应系统的参数辨识。国际J自适应控制信号处理。2021年；35(5):811‐827. [49] 陈杰。基于冗余规则的时滞系统辨识方法。信号处理。2017;137:192‐198. [50] 董四杰、刘特、王庆国。负载扰动下具有时滞的双速率采样系统的识别。IET控制理论应用。2017;11(9):1404‐1413. [51] YangXQ、YangXB。具有随机测量延迟的LPV双速率系统的本地识别。IEEE Trans Ind Electron公司。2018;65(2):1499‐1507. [52] MaH、PanJ、DingW。多变量类输出误差自回归滑动平均系统基于部分耦合最小二乘的迭代参数估计。IET控制理论应用。2019年；13(18):3040‐3051. [53] 丁芙、刘刚、刘XP。非均匀采样系统的部分耦合随机梯度识别方法。IEEE自动变速器控制。2010;55(8):1976‐1981. ·Zbl 1368.93121号 [54] 潘杰、蒋X、万世凯、丁伟。一种用于多变量控制系统的基于滤波的多创新扩展随机梯度算法。国际J控制自动化系统。2017;15(3):1189‐1197. [55] PanJ，MaH，ZhangX，等。有色噪声多变量类输出误差系统的递归耦合投影算法。IET信号处理。2020;14(7):455‐466. [56] 丁福。多变量系统的耦合最小二乘辨识。IET控制理论应用。2013年；7(1):68‐79. [57] 潘杰（PanJ）、刘世德（Liu SD）、舒杰（ShuJ）、万世凯（WanXK）。二阶Volterra非线性系统的递阶递推最小二乘估计算法。国际J控制自动化系统。2022;20(12):3940‐3950. [58] XiongJX，PanJ，ChengGY，等。四旋翼机的滑模双通道干扰抑制姿态控制。IEEE Trans Ind Electron公司。2022;69(10):10489‐10499. [59] 潘杰、刘玉强、舒杰。使用多重创新对指数非线性自回归时间序列模型进行基于梯度的参数估计。国际J控制自动化系统。2023;21(1):140‐150. [60] 王JW，JiY，ZhangX，XuL。分数阶非线性系统的两阶段基于梯度的迭代算法，采用层次辨识原理。国际J自适应控制信号处理。2022;36(7):1778‐1796. [61] 丁芙、刘旭、楚杰。使用分层识别原理的Hammerstein系统的基于梯度和基于最小二乘的迭代算法。IET控制理论应用。2013年；7(2):176‐184. [62] JiY、ZhangC、KangZ、YuT。基于关键项分离的面向块的非线性系统参数估计。国际J鲁棒非线性控制。2020;30(9):3727‐3752. ·Zbl 1466.93161号 [63] 徐乐。在线测量的可分离同步多创新梯度迭代信号建模。IEEE Trans Instrumd测量。2022;第71:6501313页。 [64] 王勇杰、唐仕、古晓波。基于多新息辨识理论和张量分解的非线性Volterra系统参数估计。J Franklin Inst.2022；359(2):1782‐1802. ·Zbl 1481.93022号 [65] 王勇杰，杨莉。基于张量分解的多线性系统递推辨识算法。国际J鲁棒非线性控制。2021年；31(11):7920‐7936. [66] 潘杰、刘伟、张惠普。基于改进双指数趋近律滑模控制的磁悬浮系统控制算法。国际J控制自动化系统。2018;16(6):2878‐2887. [67] 潘杰、陈奎、熊杰、陈刚。一种新型四升压九电平开关电容逆变器。电子工程技术杂志。2023;18(1):467‐480. [68] 丁杰。具有双速率采样数据的线性SISO系统的分层最小二乘辨识。IEEE自动变速器控制。2011;56(11):2677‐2683. ·Zbl 1368.93744号 [69] LiMH、LiuXM。针对一类带有自回归滑动平均噪声的特殊非线性系统，利用分层辨识原理，提出了基于滤波的最大似然迭代估计算法。国际J自适应控制信号处理。2019年；33(7):1189‐1211. ·兹比尔1425.93284 [70] 徐乐。非线性夹层系统的辅助模型多新息随机梯度参数估计方法。国际J鲁棒非线性控制。2021年；31(1):148‐165. ·Zbl 1525.93043号 [71] 王勇杰。使用张量网络B样条和多创新识别理论对非线性系统进行建模。国际J鲁棒非线性控制。2022;32(13):7304‐7318. [72] 王勇杰。多元输出误差系统的递归参数估计算法。《J Franklin Inst.2018》；355(12):5163‐5181. ·Zbl 1395.93288号 [73] 徐乐。基于离散测量数据的多频信号分层递归信号建模。国际J自适应控制信号处理。2021年；35（5）：676‐693。 [74] DingF，LvL，PanJ，et al.使用测量数据的受控自回归系统的两阶段基于梯度的迭代估计方法。国际J控制自动化系统。2020;18(4):886‐896. [75] 刘锡。基于分层原理的双频信号迭代参数估计算法。电路系统信号处理。2019年；38(7):3251‐3268. [76] 张X。双线性系统的分层参数和状态估计。国际系统科学杂志。2020;51(2):275‐290. ·Zbl 1483.93677号 [77] WanLJ公司。使用多创新理论的多变量系统基于分解和梯度的迭代辨识算法。电路系统信号处理。2019年；38(7):2971‐2991. [78] 王欣。脉冲噪声干扰下网络控制系统基于改进粒子滤波的鲁棒估计。国际J鲁棒非线性控制。2022;32(2):830‐850. [79] 利杰姆。一种新的非线性优化方法，用于拟合噪声高斯激活函数。国际J自适应控制信号处理。2022;36(3):690‐707. [80] 张X。通过最小化状态估计误差的协方差矩阵对双线性系统进行状态估计。国际J自适应控制信号处理。2019年；33（7）：1157-1173·Zbl 1425.93278号 [81] MauryaD、TangiralaAK、NarasimhanS。使用动态迭代主成分分析识别变量误差模型。2018年工业工程化学研究；57(35):11939‐11954. [82] HuJ，Zhang HX，YuXY，LiuHJ，Chen DY。不确定丢失概率下具有混合延迟和包丢失的非线性系统的滑模控制设计。IEEE Trans-Syst Man-Cybern系统。2021年；51(5):3217‐3228. [83] 胡杰、王志德、刘鹏。具有不完全观测和动态偏差的时变复杂网络基于延迟补偿的状态估计。IEEE Trans Cybern公司。2022;52(11):12071‐12083. [84] ShiZW、YangHD、DaiM。有色噪声多输入单输出系统基于数据滤波的偏差补偿递推最小二乘辨识。《弗兰克尔研究所杂志》2023；360https://doi.org/10.1016/j.jfranklin.2023.01.040 ·Zbl 1516.93122号 ·doi:10.1016/j.jfranklin.2023.01.040 [85] 丁芙、刘克美、陈海波、姚国。CARARMA系统基于层次梯度和基于层次最小二乘的迭代参数辨识。信号处理。2014;97:31‐39. [86] 耿福中，吴晓霞。一种新的求解脉冲边值问题的核函数算法。应用数学函件。2022;134:108318. ·Zbl 1503.65151号 [87] WuBY LiXY。基于函数数据识别一阶微分方程的核回归方法。应用数学函件。2022;127:107832. ·Zbl 1490.34021号 [88] WangH、FanH、PanJ。创造了一个真正的三涡卷混沌吸引子。Disc Contin Dyn Syst Ser B.2022；27(5):2891‐2915. ·Zbl 1495.34025号 [89] 胡杰。Hammerstein型系统的灰盒简约子空间识别。IEEE Trans Ind Electron公司。2021年；68(10):9941‐9951. [90] 陈永福。前馈神经网络用于心房颤动检测；42(1):63‐73. [91] LiY、YangG、SuZ、LiS、WangY。基于多环境传感器数据的人类活动识别。信息融合。2023;91分47秒-63秒。 [92] 王毅、杨格、李斯、李毅、赫尔、刘德。基于多头部自我注意机制的心律失常分类算法。生物识别信号处理控制。2023;79:104206. 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。