从非线性辨识到线性参数变化模型：基准示例
摘要：线性参数变化（LPV）模型是分析和控制感兴趣的（非线性）系统的强大模型类别。由于在没有基于一阶原理的系统理解的情况下，选择调度变量是非常困难的，因此识别非线性系统的LPV模型可能具有挑战性。 本文提出了一种系统的LPV嵌入方法，从非线性分数表示模型开始。首先使用非线性块导向线性分数表示（LFR）模型来识别非线性系统。通过对模型中存在的静态非线性块进行分解，将这一非线性LFR模型类嵌入到LPV模型类中。由于分解的结果，生成了一个具有关联依赖性的LPV-LFR模型或LPV状态空间模型。这种方法从数据驱动的角度便于选择调度变量。此外，该估计不受调度变量的测量噪声的影响，而LPV模型识别方法通常不对此进行处理。 所提出的方法在两个公认的非线性建模基准示例上进行了说明。
作者：Maarten Schoukens and Roland T''oth
论文ID：1809.05000
分类：Systems and Control
分类简称：cs.SY
提交时间：2020-05-11