基于最大似然估计的LPV-SS模型高效逼近
摘要：高效地识别多输入多输出（MIMO）线性参数变化（LPV）离散时间状态空间（SS）模型以及其对调度变量的仿射依赖仍然是一个未解决的问题，因为文献中提出的识别方法在维数爆炸的问题上遭受重创，并且依赖于对测量信号行为的过度限制性近似。然而，获得目标系统的SS模型对于许多LPV控制合成方法至关重要，因为这些合成工具几乎完全针对该系统动力学表示形式进行构建。因此，在本文中，我们通过将最先进的LPV输入-输出（IO）识别方法与LPV-IO到LPV-SS实现方案和最大似然细化步骤相结合来解决这一问题。最终的模块化LPV-SS识别方法在相对较低的计算负载下实现了统计效率。该方法包括以下三个步骤：1）使用相关分析或贝叶斯冲击响应估计来估计基础系统的马尔可夫系数序列；2）通过使用基础缩减型Ho-Kalman方法对估计的系数进行LPV-SS实现；3）通过梯度或期望最大化优化方法从最大似然角度对LPV-SS模型估计进行细化。通过蒙特卡洛研究，我们对比了我们提出的方法与现有方法在识别MIMO LPV系统时的有效性。
作者：Pepijn B. Cox and Roland T''oth and Mih''aly Petreczky
论文ID：1808.01633
分类：Systems and Control
分类简称：cs.SY
提交时间：2020-05-11