第17届IFAC系统辨识研讨会预印本：切换系统辨识方案.pdfVIP

第17届IFAC系统辨识研讨会预印本：切换系统辨识方案.pdf

第17届IFAC系统辨识研讨会预印本国际会议2015年10月

19‑21日，

切换系统的辨识?

∗∗∗和∗∗

∗复杂系统智能控制与决策国家重点，理工大学，100081，中

国

：针对一类参数不确定的不稳定离散时间多变量切换系统，本文提出了一种辨识方案。具

体而言，基于最小几何均方的思想，推导了潜在子系统的参数向量辨识算法。此外，提出了一

种神经网络分类器用于已识别子系统的划分。最后，通过数值了所辨识方案的

可行性和有效性，结果表明该方案能够保证理想的辨识性能。

Ke：多模型辨识，神经网络分类器，最小几何均值

squ，不稳定离散时间多变量切换系统。

1.引言在参数辨识后建立，并从Lai等人（2011）的方法中推导

出一个神经网络分类器，以实现子系统之间的划分。分类

近年来，关于切换系统识别和控制的问题日益受到关注。

器的训练和建立基于记录的数据离线进行。

Leith等人（2003）从多个角度强调了对切换系统和切换

控制研究的重要性，包括描述或识别具有动态切换的许多本文其余部分组织如下。第2节介绍初步工作。在第3节中，

系统、通过多模型切换控制改善具有大不确定性的系提出了一种识别算法，并引入了一个神经网络分类器用于

统的控制性能（Narendra和Balakrishnan，1994）、识别子系统的划分。第4节通过一个仿真示例验证了所提出

在故障情况下保证鲁棒性，如文献中的可重构飞行控制的识别方案的有效性和可行性。

（Boskovic等人，1999；Boskovic和Mehra，2002）以

及消除控制系统约束（Goodwin等人，2001）。2.初步工作

关于线性切换系统的识别，提出了四种不同的方法，即

首先，我们介绍本文将使用的以下符号。符号In表示一

代数过程（Vidal等人，2003）、贝叶斯过程（Juloski等人，

个n×n单位矩阵，而I有时用于表示适当大小的单位矩

2005b）、基于聚类的过程（Ferrari‑Trecate等人，2003；

阵。此外，上标T表示矩阵或向量的转置。向量x的范

Nakada等人，2005）和有界误差过程（Bemporad等人，

√

2005）。有关上述四种方法的详细总结和比较，请参阅数定义为kxk,xTx，这实际上是实数空间中的欧几里