SUBSPACE IDENTIFICATION FROM CLOSED LOOP DATA[专业论文].pdfVIP

Signal Processing 52 ( 1996) 209-2 15 Subspace identification from closed loop data Lennart Ljung*, Tomas McKelvey Department of Electrical Engineering, LinkGping University, LinkGping, Sweden Received 3 April 1995; revised 27 February 1996 Abstract The so-called subspace methods for direct identification of linear models in state space form have drawn considerable interest recently. They have been found to work well in many cases but have one drawback - they do not yield consistent estimates for data collected under output feedback. The present paper points to the reasons for this. We stress how the basic idea is to focus on the estimation of the state-variable candidates - the k-step ahead output predictors. By recomputing these from a ‘non-parametric’ (or, rather, high order ARX) one-step ahead predictor model, closed loop data can be handled. Zusanuuenfassung In letzter Zeit haben sogenannte Unterraumtechniken zur direkten ldentifikationen linearer Modelle im Zustandsraum be- trachtliches lnteresse auf sich gezogen. Man hat festgestellt, da8 sie in vielen Fillen gut limktionieren, aber einen Nachteil aufweisen - sie liefem keine konsistenten Schgtzungen fir Daten, die bei Ausgangsriickfihrung gewonnen werden. lm fol- genden Beitrag zeigen wir die Griinde hierflir auf. Wir betonen, da13die Grundidee darin besteht, sich auf die Schatzung der Zustandsvariablen zu ko