基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
研究多变量系统状态空间模型的递阶辨识问题,推广了作者提出的标量系统状态和参数联合辨识算法.当状态可量测时,利用最小二乘原理直接辨识状态空间模型的参数矩阵;当状态不可测时,利用递阶辨识原理提出了状态空间模型递阶辨识方法,使用系统输入输出数据来估计系统的未知状态和参数.状态空间模型递阶辨识方法分为两步:首先假设系统状态是已知的(即参数估计算法中的未知系统状态用其估计代替),基于状态估计和系统输入输出数据递归计算系统参数估计;然后基于系统输入输出数据和获得的参数估计,递归计算系统的状态估计.
推荐文章
关联估计的递阶多变量DMC算法
预测控制
关联估计
递阶控制
动态矩阵控制
一种闭环条件下的多变量系统辨识方法
闭环辨识
梯度算法
多变量系统
两阶段法
递阶辨识原则
类多变量方程误差类系统的递阶多新息辨识方法
参数估计
递推辨识
梯度搜索
最小二乘搜索
多新息辨识理论
递阶辨识原理
类多变量系统
数据滤波技术
有色噪声干扰下多变量系统的辅助模型辨识方法
系统辨识
多变量系统
子子模型
参数估计
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多变量系统状态空间模型的递阶辨识
来源期刊 控制与决策 学科 工学
关键词 参数估计 递阶辨识 状态空间模型 SVD分解 子空间技术
年,卷(期) 2005,(8) 所属期刊栏目 论文与报告
研究方向 页码范围 848-853,859
页数 7页 分类号 TP273
字数 4539字 语种 中文
DOI 10.3321/j.issn:1001-0920.2005.08.002
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁锋 江南大学控制科学与工程研究中心 109 1413 20.0 32.0
2 萧德云 清华大学自动化系 107 2922 26.0 52.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (32)
参考文献  (16)
节点文献
引证文献  (53)
同被引文献  (55)
二级引证文献  (531)
1992(4)
  • 参考文献(2)
  • 二级参考文献(2)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(4)
  • 参考文献(3)
  • 二级参考文献(1)
1995(2)
  • 参考文献(2)
  • 二级参考文献(0)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(3)
  • 引证文献(3)
  • 二级引证文献(0)
2008(6)
  • 引证文献(6)
  • 二级引证文献(0)
2009(4)
  • 引证文献(3)
  • 二级引证文献(1)
2010(7)
  • 引证文献(2)
  • 二级引证文献(5)
2011(35)
  • 引证文献(7)
  • 二级引证文献(28)
2012(44)
  • 引证文献(6)
  • 二级引证文献(38)
2013(50)
  • 引证文献(3)
  • 二级引证文献(47)
2014(89)
  • 引证文献(7)
  • 二级引证文献(82)
2015(96)
  • 引证文献(5)
  • 二级引证文献(91)
2016(76)
  • 引证文献(5)
  • 二级引证文献(71)
2017(71)
  • 引证文献(4)
  • 二级引证文献(67)
2018(62)
  • 引证文献(2)
  • 二级引证文献(60)
2019(37)
  • 引证文献(0)
  • 二级引证文献(37)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
参数估计
递阶辨识
状态空间模型
SVD分解
子空间技术
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制与决策
月刊
1001-0920
21-1124/TP
大16开
沈阳东北大学125信箱
1986
chi
出版文献量(篇)
7031
总下载数(次)
20
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导