×
托莫诺里·萨达莫托；奥萨穆·卡内科

线性系统辨识模型验证误差的数据相关分析。 （英语） Zbl 1493.93010号

欧洲药典控制 66，文章ID 100662，10 p.（2022）.
摘要：这项研究解决了如何使用有限的数据准确地学习动力系统的基本问题。首先，我们表明，通过预测误差方法构建的状态空间模型完全适合数据集，而不需要对数据本身进行任何假设。基于这个结果，我们分析了识别出的模型对任意输入的真实系统的模拟精度。我们推导了验证误差为零的充分必要条件。此外，我们从可达性和可观性的角度引入了一个近似的概念来描述这个特征。随后，对于任何单位脉冲输入和任何（l_2）范数小于1的输入信号，我们给出了验证误差（l_2范数）的两个上界。通过数值模拟研究了我们分析的合法性。

MSC公司：

93B30型 系统标识
93二氧化碳 控制理论中的线性系统
93C55美元 离散时间控制/观测系统
93个B03 可达集，可达性
93个B07 可观察性

关键词：

系统标识；预测误差法；数据相关分析；可达性和可观测性
PDF格式BibTeX公司 XML格式引用
\textit{T.Sadamoto}和\textit{O.Kaneko}，欧洲期刊控制66，文章ID 100662，10 p.（2022；Zbl 1493.93010）
全文： DOI程序

参考文献：

[1] Al-Muthairi，N。；宾古拉克，S。；Zribi，M.，使用一类可观测规范形式识别离散时间MIMO系统，IEE Proc-控制理论应用。，149, 2, 125-130 (2002)
[2] Antoulas，A.C.，《大尺度动力系统的近似》（2005），SIAM·Zbl 1112.93002号
[3] Ben-Israel，A。；Greville，T.N.，《广义逆：理论与应用》，第15卷（2003），施普林格科学与商业媒体·Zbl 1026.15004号
[4] 伯恩斯坦，D.S.，《矩阵数学：理论、事实和公式》（2009），普林斯顿大学出版社·Zbl 1183.15001号
[5] 坎皮，M.C。；Weyer，E.，系统识别方法的有限样本特性，IEEE Trans。自动。控制，47，8，1329-1334（2002）·Zbl 1364.93823号
[6] Care，A。；公元前Cáji。；坎皮，M.C。；Weyer，E.，《有限样本系统识别：概述和新的关联方法》，IEEE控制系统。莱特。，2, 1, 61-66 (2017)
[7] Chiuso，A.，向量自回归建模在基于预测的子空间识别中的作用，Automatica，43，6，1034-1048（2007）·兹比尔1282.93264
[8] Chong，M.S。；桑德伯格，H。；Teixeira，A.M.，《网络物理系统安全和隐私教程介绍》，Proc。欧洲控制会议，968-978（2019）
[9] 科林，K。；Bombois，X。；巴科，L。；Morelli，F.，预测误差框架下MIMO系统开环识别的数据信息性，Automatica，117109000（2020）·Zbl 1442.93021号
[10] 德佩西斯，C。；Tesi，P.，《数据驱动控制公式：稳定性、最佳性和鲁棒性》，IEEE Trans。自动。控制，65，3，909-924（2019）·Zbl 07256221号
[11] Gevers，M。；Bazanella，A.S。；Bombois，X。；Miskovic，L.，《识别与信息矩阵：如何获得足够的财富？》？，IEEE传输。自动。控制，54，12，2828-2840（2009）·Zbl 1367.93671号
[12] Hardt，M。；马，T。；Recht，B.，梯度下降学习线性动力系统，J.马赫。学习。第19、29、1-44号决议（2018年）·Zbl 1461.62150号
[13] 姜瑜。；Jiang，Z.P.，鲁棒自适应动态规划（2017），John Wiley&Sons·Zbl 1406.90003号
[14] Katayama，T.，系统识别的子空间方法（2006），Springer Science&Business Media
[15] 马可夫斯基，I。；Rapisarda，P.，《数据驱动模拟与控制》，《国际控制杂志》，第81、12、1946-1959页（2008年）·Zbl 1151.93325号
[16] 马可夫斯基，I。；Usevich，K.，低阶近似（2019），施普林格
[17] McKelvey，T。；Helmersson，A。；Ribarits，T.，多变量线性系统的数据驱动局部坐标及其在系统识别中的应用，Automatica，40，9，1629-1635（2004）·Zbl 1055.93019号
[18] Oymak，S。；Ozay，N.，从单个轨迹非症状性识别LTI系统，Proc。美国控制会议，5655-5661（2019）
[19] T.Sarkar，A.Rakhlin，M.A.Dahleh，非参数有限时间LTI系统识别，arXiv预印本arXiv:1902.01848（2019）·Zbl 07370543号
[20] 佐藤，H。；Sato，K.，线性MIMO系统的黎曼最优系统辨识算法，IEEE控制系统。莱特。，1, 2, 376-381 (2017)
[21] Simchowitz，M。；Boczar，R。；Recht，B.，用半参数最小二乘法学习线性动力系统，学习理论会议，2714-2802（2019），PMLR
[22] Simchowitz，M。；马尼亚，H。；图，S。；约旦医学院。；Recht，B.，《不混合的学习：线性系统识别的尖锐分析》，学习理论会议，439-473（2018），PMLR
[23] Söderström，T.，关于计算线性状态空间模型中PEM估计的Cramer-Rao界和协方差矩阵，IFAC Proc。卷，39，1，600-605（2006）
[24] Sontag，E.，关于识别确定性线性系统所需的输入长度，IEEE Trans。自动。控制，25,1120-121（1980）·Zbl 0426.93031号
[25] Teixeira，A。；羞耻，I。；桑德伯格，H。；Johansson，K.H.，《资源受限对手的安全控制框架》，Automatica，51，135-148（2015）·Zbl 1309.93020号
[26] Teranishi，K。；Sadamoto，T。；Chakrabortty，A。；Kogiso，K.，《基于样本识别复杂性和解密时间为加密控制系统设计最佳密钥长度和控制律》，arXiv（2021）
[27] Tsiamis，A。；Pappas，G.J.，随机系统识别的有限样本分析，Proc。决策与控制会议，3648-3654（2019），IEEE
[28] Van Overschee，P.（Van Overschee，P.）。；De Moor，B.，N4SID:识别组合确定性随机系统的子空间算法，Automatica，30，1，75-93（1994）·Zbl 0787.93097号
[29] Van Waarde，H.J。；艾辛，J。；特伦特曼，H.L。；Camlibel，M.K.，《数据信息性：数据驱动分析和控制的新视角》，IEEE Trans。自动。控制，65，11，4753-4768（2020）·Zbl 07320049号
[30] 维迪亚萨加，M。；Karandikar，R.L.，《系统辨识和随机自适应控制的学习理论方法》，《过程控制杂志》，第18期，第421-430页（2008年）
[31] Weyer，E。；威廉姆森共和国。；Mareels，I.M.，杉木模型最小二乘辨识的样本复杂性，IFAC Proc。卷，29，1，4664-4669（1996）
[32] Weyer，E。；威廉姆森共和国。；Mareels，I.M.，线性模型识别的有限样本特性，IEEE Trans。自动。对照，44，7，1370-1383（1999）·Zbl 0962.93092号
[33] Willems，J.C。；Rapisarda，P。；马尔科夫斯基，I。；De Moor，B.L.，关于激励持续性的注释，系统。控制信函。，54, 4, 325-329 (2005) ·Zbl 1129.93362号
[34] Wills，A。；Ninness，B.，《基于梯度的多变量系统估计搜索》，IEEE Trans。自动。控制，53，1，298-306（2008）·Zbl 1367.93683号
[35] Y.Yu，S.Talebi，H.J.van Waarde，U.Topcu，M.Mesbahi，B.Açcon kmeše，《关于数据驱动控制中激发的可控性和持续性：Willems基本引理的扩展》，arXiv预印本arXiv:2102.02953（2021）。
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。