×
Ko、Sangho;埃里克·韦耶;马克·克劳迪奥·坎皮

多频点传递函数的非症状模型质量评估。 （英语） Zbl 1331.93210号

Automatica公司 60, 65-78 (2015).
摘要：在本文中，我们开发了基于有限多个输入输出数据点评估动力系统频率响应不确定性的方法。我们扩展了“Leave-out Sign-dominant Correlation Regions”（LSCR）算法，以保证在多个频率下的频率响应概率来提供置信区域，并且我们引入了一种计算效率高的方案，可以逐频率构造置信区域。给出了仿真实例，说明了所开发算法的有效性。

MSC公司：

93E12号机组 随机控制理论中的辨识
93C80号 控制理论中的频率响应方法
93元57 采样数据控制/观测系统

关键词：

系统标识;频率响应;置信区间;模型质量;有限样本属性

软件：

TOMLAB公司;系统标识工具箱;优化工具箱
PDF格式BibTeX公司 XML格式引用
\textit{S.Ko}等人，Automatica 60，65--78（2015；Zbl 1331.93210）
全文： DOI程序

参考文献：

[1] Bayard，D.S.，使用Schroeder相位多正弦波输入设计的统计植物集估计，应用数学与计算，58169-198（1993）·Zbl 0783.93030号
[2] 坎皮，M.C。；Weyer，E.，系统识别中的保证非渐近置信区域，Automatica，41，10，1751-1764（2005）·Zbl 1090.93047号
[3] 坎皮，M.C。；Weyer，E.，《有限多个数据点的识别：LSCR方法》，（第14届IFAC系统识别研讨会论文集（2006年）），46-64，网址：网址：http://www.ing.unibs.it/campi/LSCR网站
[4] 坎皮，M.C。；Weyer，E.，线性传递函数参数的非症状置信集，IEEE自动控制汇刊，55，12，2708-2720（2010）·Zbl 1368.93673号
[5] 坎皮，M.C。；Ko，S.等人。；Weyer，E.，存在未建模动力学时模型参数的非症状置信区，Automatica，45，10，2175-2186（2009）·Zbl 1179.93166号
[6] de Vries，D.K。；Van den Hof，P.M.J.，传递函数估计中不确定性的量化：混合概率-最坏情况方法，Automatica，31，4，543-557（1995）·Zbl 0822.93022号
[7] den Dekker，A.J。；Bombois，X。；Van den Hof，P.M.J.，使用输出误差模型进行预测误差识别时参数的有限样本置信区间，（第17届国际会计师联合会世界大会（2008年）会议记录）
[8] 加拉蒂，S。；坎皮，M.C。；Bittanti，S.，通过渐近理论评估已识别模型的质量-何时结果可靠？，Automatica，40，8，1319-1332（2004）·兹比尔1073.93013
[9] 古德温，G.C。；Gevers，M。；Ninnes，B.，量化估计传递函数中的误差并应用于模型订单选择，IEEE自动控制汇刊，37，7，913-928（1992）·Zbl 0767.93022号
[10] Hjalmarsson，H。；Ninness，B.，一类频率函数的最小二乘估计：有限样本方差表达式，Automatica，42，4，589-600（2006）·Zbl 1102.93012号
[11] Holmström，K。；戈兰，A.O。；Edvall，M.M.，《TOMLAB 7用户指南》（2010），TOMLAB Optimization Inc。
[12] Ko，S。；Weyer，E。；Campi，M.C.，使用LSCR方法对频率响应进行非症状不确定性评估，（2007年控制、自动化和系统国际会议论文集）
[13] Ko，S。；Weyer，E。；Campi，M.C.，《多频点传递函数的非症状模型质量评估》（第17届国际会计师联合会世界大会会议记录（2008年））
[14] Ljung，Lennart，《系统识别：用户理论》（1999），普伦蒂斯·霍尔：新泽西州普伦蒂斯霍尔上鞍河·Zbl 0949.93509号
[16] Pintelon，R。；Schoukens，J.，《系统识别：频域方法》（2001），IEEE出版社：IEEE出版社，美国纽约·Zbl 0970.93514号
[17] Shiryaev，A.N.，《概率论》（1995），斯普林格·弗拉格：美国纽约斯普林格尔·弗拉格·兹比尔08356.0002
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。