×

基于鲁棒拉普拉斯模型的非线性状态空间系统辨识。 (英语) Zbl 1472.93026号

摘要:本文研究了输出被未知异常值污染的非线性状态空间模型的鲁棒辨识解。在实际行业中经常会遇到异常值问题,这可能会极大地挑战工业过程的建模。为了克服异常值带来的障碍,采用重尾拉普拉斯分布来描述输出测量过程。具体来说,拉普拉斯分布可以分解为高斯分布的比例混合,这使得它对异常值具有鲁棒性。用期望最大化算法估计未知模型参数,用粒子平滑器解决潜在状态估计问题。通过包括一个常见化工过程模型在内的数值算例验证了该算法的有效性和鲁棒性。

MSC公司:

93B30型 系统标识
93立方厘米 控制理论中的非线性系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Adeniran,A.A。;Ferik,S.,《非线性系统建模与识别:多模态方法第1部分综述》,IEEE系统、人与控制论汇刊:系统,47,7,1149-1159(2017)·doi:10.1109/TSMC.2016.2560147
[2] Barndorff-Nielsen,O.E.,正态逆高斯分布和随机波动率建模,《斯堪的纳维亚统计杂志》,24,1,1-13(1977)·Zbl 0934.62109号 ·doi:10.1111/1467-9469.00045
[3] Dempster,A。;莱尔德,N。;Rubin,D.,《通过em算法从不完整数据中获取最大似然》,《皇家统计学会杂志》,B辑,39,1,1-38(1977)·Zbl 0364.62022号
[4] Doucet,A。;Godsill,S.J。;Andrieu,C.,《贝叶斯滤波的序贯蒙特卡罗抽样方法,统计与计算》,10,3,197-208(2000)·doi:10.1023/A:1008935410038
[5] Eltoft,T。;Kim,T。;Lee,T.W.,《关于多元拉普拉斯分布》,IEEE Signal Processing Letters,13,5,300-303(2006)·doi:10.1109/LSP.2006.870353
[6] Gibson,S。;Ninness,B.,多变量动态系统的鲁棒最大似然估计,Automatica,41,10,1667-1682(2005)·Zbl 1087.93054号 ·doi:10.1016/j.automatica.2005.05.008
[7] Gibson,S。;Wills,A。;Ninness,B.,双线性系统的最大似然参数估计,IEEE自动控制汇刊,50,10,1581-1596(2005)·Zbl 1365.93482号 ·doi:10.1109/TAC.2005.856664
[8] 戈德希尔,S.J。;Doucet,A。;West,M.,非线性时间序列的蒙特卡罗平滑,美国统计协会杂志,99156-168(2004)·兹比尔1089.62517 ·doi:10.1198/016214500000151
[9] Gopaluni,R.B.,《在缺失观测下识别非线性过程的粒子滤波方法》,加拿大化学工程杂志,86,6,1081-1092(2008)·doi:10.1002/cjce.20113
[10] 郭,F。;吴欧。;丁,S。;Huang,B.,基于em算法的线性误差-变量系统的基于数据的增广模型识别方法,IEEE工业电子学报,64,11,8657-8665(2017)·doi:10.1109/TIE.2017.2703680
[11] 井上,M。;Wada,T。;池田,M。;Uezato,E.,描述系统的状态空间控制器设计,Automatica,59,164-170(2015)·Zbl 1326.93039号 ·doi:10.1016/j.automatica.2015.06.021
[12] 金,X。;Huang,B.,分段/切换自回归外生过程的稳健识别,AIChE Journal,56,7,1829-1844(2010)·doi:10.1002/aic.12112
[13] 朱恩,M。;Gouriveau,R。;希塞尔,D。;佩拉,M.C。;Zerhouni,N.,《基于粒子过滤器的预测:回顾、讨论和展望》,机械系统和信号处理,72-73,2-31(2016)·doi:10.1016/j.ymssp.2015.11.008
[14] 科达马纳,H。;黄,B。;Ranjan,R。;Zhao,Y。;Tan,R。;Sammaknejad,N.,《稳健过程识别方法:概率方法的回顾与指导》,《过程控制杂志》,66,1,68-83(2018)·doi:10.1016/j.jprocont.2018.02.011
[15] 刘,X。;杨,X。;Xiong,W.,时变时滞lpv-fir模型辨识的鲁棒全局方法,富兰克林研究所杂志,355,15,7401-7416(2018)·Zbl 1398.93082号 ·doi:10.1016/j.jfranklin.2018.07.025
[16] 卢,Y。;黄,B。;Khatibisepehr,S.,切换arx模型稳健识别的变分贝叶斯方法,IEEE控制论汇刊,46,12,3195-3208(2016)·doi:10.1109/TCYB.2015.2499771
[17] 马可纳托,A。;Sjoberg,J。;苏肯斯,J.A.K。;Schoukens,J.,《非线性状态空间建模的改进初始化》,IEEE仪器与测量学报,63,4,972-980(2014)·doi:10.1109/TIM.2013.2283553
[18] Sammaknejad,N。;Zhao,Y。;Huang,B.,《数据驱动过程识别中的期望最大化算法综述》,《过程控制杂志》,73123-136(2019)·doi:10.1016/j.jprocon.2018.12.010
[19] 施恩,T.B。;Wills,A。;Ninness,B.,最大似然非线性系统估计,第17届IFAC世界大会论文集,39,1003-1008(2006)
[20] Schön,T.B。;Wills,A。;Ninness,B.,非线性状态空间模型的系统识别,Automatica,47,1,39-49(2010)·Zbl 1209.93155号 ·doi:10.1016/j.automatica.2010.1013
[21] Wang,Y。;你,S。;郑伟。;张,H。;郑,X。;Miao,Q.,用于改善动态性能的板式换热器状态空间模型和鲁棒控制,应用热工程,128,1588-1604(2018)·doi:10.1016/j.appletheraleng.2017.09.120
[22] Wills,A。;Schön,T.S。;Ninness,B.,使用em对离散时间非线性系统进行参数估计,第17届IFAC世界大会论文集,41,2,4012-4017(2008)
[23] 杨,X。;刘,X。;Han,B.,存在缺失观测的未知调度变量Lpv模型辨识——稳健全局方法,IET控制理论与应用,12,10,1465-1473(2018)
[24] 杨,X。;Yang,X.,具有随机测量延迟的LPV双速率系统的局部识别,IEEE工业电子学报,62,2,1499-1507(2017)·doi:10.1109/TIE.2017.2733465
[25] 杨,X。;Yin,S.,随机输出时滞下lpv双状态系统的鲁棒全局辨识和输出估计,IEEE工业信息学报,13,6,2876-2885(2017)·doi:10.1109/TII.2017.2702754
[26] Zhao,Y。;Fatehi,A。;Huang,B.,使用变分贝叶斯方法对具有时变时滞的arx模型进行稳健估计,IEEE控制论汇刊,48,2,532-542(2018)·doi:10.1109/TCYB.2016.2646059
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。