×
尹、乐;高慧

具有加性输出噪声的ARMAX过程的移动时域估计。 （英语） Zbl 1409.93065号

J.富兰克林研究所。 356，第4号，2090-2110（2019）.
摘要：带有外部输入的自回归移动平均（ARMAX）模型在描述实际系统的控制工程中发挥着重要作用。然而，ARMAX模型在许多实际环境中可能是不现实的，因为它们没有考虑过程输出的测量误差。由于ARMAX过程的自回归性质，测量误差可能会影响多个数据条目，这使得估计问题非常具有挑战性。这个问题可以通过在输出上增加附加误差项来增强ARMAX模型来解决，本文针对这种扩展的ARMAX模式开发了一种移动时域估计器。在该方法中，测量误差被建模为干扰变量，并与状态同时估计。可辨识性是通过用妨害变量的（ell_2）范数正则化最小二乘成本来实现的，这导致了一个具有解析解的优化问题。对于所提出的估计量，建立了收敛性结果，并证明了其无偏性。提供了有关如何在成本函数中选择调整参数的详细信息。由于输出噪声的显式建模，可以估计和减少测量误差对多个数据输入的影响。通过算例验证了该估计器在处理加性输出噪声和异常值方面的有效性。

引用于三文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93E24型 随机控制系统的最小二乘法及其相关方法
93E12号机组 随机控制理论中的辨识
93E15型 控制理论中的随机稳定性

关键词：

移动时域估计;ARMAX进程

软件：

其mr
PDF格式BibTeX公司 XML格式引用
\textit{L.Yin}和textit{H.Gao}，J.Franklin Inst.356，No.4，2090--2110（2019；Zbl 1409.93065）
全文： 内政部

参考文献：

[1] 托沙尼，H。；Farrokhi，M。；Alipouri，Y.，使用基于投影的递归神经网络的约束广义最小方差控制器设计，IET控制理论应用。，11, 2, 143-154 (2016)
[2] 奥斯特罗姆，K。；Wittenmark，B.，《计算机控制系统：理论与设计》（1997），普伦蒂斯·霍尔出版社
[3] 古德温，G.C。；Sin，K.S.，自适应滤波预测和控制（2014），Courier Corporation
[4] Jörgensen，J.B。；胡索姆，J.K。；罗林斯，J.B.，创新形式系统的有限视界MPC，第50届IEEE决策与控制会议和欧洲控制会议论文集，1896-1903（2011），IEEE
[5] Hannan，E.J。；Deistler，M.，线性系统统计理论，70（1988），SIAM·Zbl 0641.93002号
[6] Ljung，L.，《系统识别：用户理论》（1999），普伦蒂斯·霍尔
[7] Söderström，T。；Stoica，P.，《系统识别》（1988），普伦蒂斯·霍尔·Zbl 0714.93056号
[8] Diversi，R.公司。；吉多尔齐，R。；Soverini，U.，带附加输出噪声的ARMAX模型识别，IFAC Proc。第42卷，第10卷，第1574-1579页（2009年）
[9] Diversi，R。；吉多尔齐，R。；Soverini，U.，带噪声输入和输出的ARMAX模型识别，IFAC Proc。第44、13121-13126卷（2011年）
[10] 盒子，通用电气。；詹金斯，G.M。；Reinsel，G.C.，《时间序列分析：预测与控制》，734（2011），John Wiley&Sons
[11] Brockwell，P.J。；Davis，R.A.，《时间序列与预测导论》（2006），斯普林格科学与商业媒体
[12] 安德森，B.D。；Moore，J.B.，《最佳滤波》（1979），普伦蒂斯·霍尔·Zbl 0688.93058号
[13] Mendel，J.M.，《信号处理、通信和控制的估计理论课程》（1995），培生教育·Zbl 0886.62101号
[14] Sorenson，H.W.，《最小二乘估计：从高斯到卡尔曼》，IEEE Spectrum，7，7，63-68（1970）
[15] D.Zhou，K.V.Ling，W.K.Ho，J.M.Maciejowski，带t分布噪声的ARMAX过程的移动时域估计，arXiv:1706.06509；D.Zhou，K.V.Ling，W.K.Ho，J.M.Maciejowski，带t分布噪声的ARMAX过程的移动时域估计，arXiv:1706.06509
[16] 何世凯。；Ling，K.V。；Vu、H.D。；Wang，X.，广义t分布噪声下ARMAX过程的滤波：影响函数方法，工业工程化学。研究，53，17，7019-7028（2014）
[17] Mallat，S。；Yu，G.，稀疏混合估值器超分辨率，IEEE Trans。图像处理。，19, 11, 2889-2900 (2010) ·Zbl 1371.94252号
[18] Goldstein，T。；Osher，S.，《L1正则化问题的分裂Bregman方法》，SIAM J.成像科学。，2, 2, 323-343 (2009) ·Zbl 1177.65088号
[19] 坎迪斯，E.J。；J.隆伯格。；Tao，T.，《鲁棒不确定性原理：从高度不完整的频率信息重建精确信号》，IEEE Trans。《信息论》，52，2489-509（2006）·Zbl 1231.94017号
[20] Donoho，D.L.，压缩传感，IEEE Trans。《信息论》，52，4，1289-1306（2006）·Zbl 1288.94016号
[21] 福卡特，S。；Rauhut，H.，压缩传感数学导论，1（2013），Birkhä用户巴塞尔·Zbl 1315.94002号
[22] De Mol，C。；De Vito，E。；Rosasco，L.，学习理论中的弹性网络正则化，J.Complex。，25, 2, 201-230 (2009) ·Zbl 1319.62087号
[23] Ng，A.Y.，特征选择，L1与L2正则化，旋转不变性，第二十届机器学习国际会议论文集，78（2004），ACM
[24] Ohlsson，H。；Ljung，L。；Boyd，S.，使用形式和正则化分割ARX模型，Automatica，46，6，1107-1111（2010）·兹比尔1191.93139
[25] Ozay，N。；Sznaier，M。；拉戈亚，C.M。；Camps，O.I.，切换仿射系统集成员身份识别的稀疏化方法，IEEE Trans。自动化。控制，57，3，634-648（2012）·Zbl 1369.93163号
[26] 法拉赫曼德，S。；Giannakis，G.B.，使用离群稀疏性在相关噪声存在下鲁棒RLS，IEEE Trans。信号处理。，60, 6, 3308-3313 (2012) ·Zbl 1391.62084号
[27] 法拉赫曼德，S。；Angelosante，D。；Giannakis，G.B.，通过控制异常值稀疏性进行双鲁棒卡尔曼平滑，第四十四届阿西洛马信号、系统和计算机会议记录会议记录，691-695（2010），IEEE
[28] 法拉赫曼德，S。；Giannakis，G.B。；Angelosante，D.，通过离群稀疏约束实现动态过程的双稳健平滑，IEEE Trans。信号处理。，59, 10, 4529-4543 (2011) ·Zbl 1391.93281号
[29] Ohlsson，H。；Gustafsson，F。；Ljung，L。；Boyd，S.，使用形式和正则化平滑突变下的状态估计，Automatica，48，4，595-605（2012）·Zbl 1238.93105号
[30] 尹，L。；刘，S。；Gao，H.，测量值受异常值影响的ARMAX过程的正则化估计，IET控制理论应用。，12, 7, 865-874 (2018)
[31] Patterson，J。；Gibson，A.，《深度学习：从业者的方法》（2017），“O'Reilly Media，Inc.”
[32] 何登仁，J.D。；Eaton，A.N.，《工业动态系统估算方法概述》，Optim。工程师，18，1，155-178（2017）·Zbl 1364.62290号
[33] Alessandri，A。；巴格里托，M。；Battistelli，G.，离散时间线性系统的Receding-horizon估计，IEEE Trans。自动化。控制，48，3，473-478（2003）·Zbl 1364.93758号
[34] Alessandri，A。；Awawdeh，M.，测量值受异常值影响的离散线性系统的移动时域估计，第53届IEEE决策与控制会议论文集，2591-2596（2014），IEEE
[35] Alessandri，A。；Awawdeh，M.，《离散线性系统和测量值受异常值影响时具有保证鲁棒性的移动时域估计》，Automatica，67，85-93（2016）·兹比尔1335.93123
[36] Rao，C.V。；罗林斯，J.B。；Lee，J.H.，约束线性状态估计——一种移动地平线方法，Automatica，37，10，1619-1628（2001）·Zbl 0998.93039号
[37] Boulkroune，B。；Darouach，M。；Zasadzinski，M.，线性离散广义系统的移动时域状态估计，IET控制理论应用。，4, 3, 339-350 (2010)
[38] 高，C。；赵，G。；卢，J。；Pan，S.，一类具有随机参数不确定性和通信链路故障的网络化空间导航系统的分散移动时域状态估计，IET控制理论应用。，9, 18, 2666-2677 (2015)
[39] Zheng，W.X.，关于ARMAX模型的最小二乘辨识，IFAC Proc。卷，35，1，391-396（2002）
[40] Diversi，R.公司。；Grivel，E。；Merchan，F.，基于两步误差-变量方法从噪声观测中识别ARMA模型，IFAC PapersOnLine，50，1，14143-14149（2017）
[41] 霍兰，S.H。；伦德，R。；Davis，G.，《ARMA字母汤：ARMA模型变体之旅》，Stat.Surv。，4, 232-274 (2010) ·Zbl 1274.62594号
[42] Gibbs，B.P.，《高级卡尔曼滤波、最小二乘法和建模：实用手册》（2011），John Wiley&Sons:John Willey&Sons New Jersey
[43] Milanese，M。；Novara，C.，非线性系统的集成员身份识别，Automatica，40，6，957-975（2004）·Zbl 1109.93020号
[44] Milanese，M。；Novara，C.，非线性时间序列的集成员预测，IEEE Trans。自动化。控制，50，11，1655-1669（2005）·Zbl 1365.62357号
[45] Alessandri，A。；巴格利托，M。；Battistelli，G.，不确定离散线性系统的最小移动时域估计，SIAM J.控制优化。，50, 3, 1439-1465 (2012) ·Zbl 1250.90110号
[46] Alessandri，A。；巴格里托，M。；Battistelli，G.，非线性离散时间系统的移动时域状态估计：新的稳定性结果和近似方案，Automatica，44，7，1753-1765（2008）·Zbl 1149.93034号
[47] 马斯克，K.R。；罗林斯，J.B。；Lee，J.H.，衰退期递归状态估计，美国控制会议论文集，1993，900-904（1993），IEEE
[48] 法耶兹，美国。；Piatetsky-Shapiro，G。；Smyth，P.，《从数据挖掘到数据库中的知识发现》，AI Mag.，17，3，37-54（1996）
[49] Y.Koshiba。；Abe，S.，《L1和L2支持向量机的比较》，《国际神经网络联合会议论文集》，2003，3，2054-2059（2003），IEEE
[50] Fernández，R.，支持向量机权重作为正则化参数C的函数的行为，ICANN论文集98，917-922（1998），Springer
[51] 库勒，E。；De Iorio，M.，《预测问题中的岭回归：岭参数的自动选择》，Genet。流行病。，37, 7, 704-714 (2013)
[52] 霍尔，A.E。；Kennard，R.W.，岭回归：非正交问题的有偏估计，技术计量学，12，1，55-67（1970）·Zbl 0202.17205号
[53] 甘地，医学硕士。；Mili，L.，基于广义类极大值估计的鲁棒卡尔曼滤波器，IEEE Trans。信号处理。，58, 5, 2509-2520 (2010) ·Zbl 1392.94216号
[54] Sorenson，H.W.，《最小二乘估计：从高斯到卡尔曼》，IEEE规范。，第7页，第63-68页（1970年）
[55] Willner，D。；Chang，C.B。；Dunn，K.P.，《多雷达系统的卡尔曼滤波器配置》，《技术报告》（1976年），麻省理工学院林肯实验室。
[56] 肖，L。；Boyd，S.，分布式平均的快速线性迭代，系统控制快报。，53, 1, 65-78 (2004) ·Zbl 1157.90347号
[57] 肖，L。；博伊德，S。；Kim，S.-J.，具有最小均方偏差的分布式平均共识，J.并行分布计算。，67, 1, 33-46 (2007) ·Zbl 1109.68019号
[58] Chong，E.K.P。；Żak，S.H.，《优化导论》（2011），新泽西州
[59] Ku，K。；Liaw，J。；蔡，M。；Liu，T.，基于预测平均投票和节能的热舒适自动控制系统，IEEE Trans。自动化。科学。工程师，12，1，378-383（2015）
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。