Analiza złożoności obliczeniowej algorytmów identyfikacji liniowych procesów powtarzalnych metodami podprzestrzeni

• Autorzy: Kujawa D.
• Języki publikacji: PL

Abstrakty

PL

Zaproponowane modyfikacje algorytmów identyfikacji systemów powtarzalnych opartych na metodach podprzestrzeni wykorzystują sekwencje sygnałów wejściowych uk+1( p) i wyjściowych y k+1(p) z bieżącego pasa i sekwencje sygnałów wyjściowych y k ( p) z poprzedniego pasa do obliczeń macierzy i rzędu systemu powtarzalnego. Złożoność obliczeniowa algorytmu MOESP jest mniejsza niż algorytmu N4SID. Metody podprzestrzeni identyfikują przykładowy proces powtarzalny około 1000 razy szybciej niż metody błędu predykcji. Obliczenia złożoności algorytmów mogą być użyteczne w wyborze szybkiego i wykorzystującego mniejsze zasoby algorytmu identyfikacji nie tylko dla stacjonarnych liniowych procesów powtarzalnych ale także dla procesów, których dynamika zmienia się skokowo z pasa na pas.

EN

This paper presents a new approach to the identification of repetitive processes subspace methods. Computational complexity of new algorithms has been developed. The order of a linear repetitive process and the unknown process matrices are determined based on the input and output sequences of the actual pass and the output sequence of the previous pass. The identification procedure can be restarted consecutively starting from the first pass data and boundary conditions. The calculation of the complexity of algorithms may be useful in selecting a fast and using less resources algorithm not only for time invariant linear repetitive processes but also for processes which dynamics changes rapidly from pass to pass.

Słowa kluczowe

PL

model przestrzeni stanów; metody podprzestrzeni; parametry oceny

EN

state space models; subspace methods; identification algorithms; parameter estimation

• Wydawca: Komisja Informatyki Polskiej Akademii Nauk, Oddział w Gdańsku
• Czasopismo: Metody Informatyki Stosowanej
• Rocznik: 2010
• Tom: nr 2 (23)
• Strony: 73--84
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Kujawa D.

• Uniwersytet Zielonogórski, Wydział Elektrotechniki Informatyki i Telekomunikacji

Bibliografia

• [1] E. Rogers, K. Galkowski, D. H. Owens: Control Systems Theory and Applications for Linear Repetitive Processes, Springer, 2007.
• [2] T. Katayama: Subspace methods for system identification, Springer, 2008.
• [3] A. Chiuso, G. Picci, Some algorithmic aspects of subspace identification with inputs, Int. J. Appl. Math. Comp. Sci., 2001, Vol. 11, No. 1, 55-75, 2001.
• [4] P. Van Overschee, B. De Moor: Subspace Identification for Linear Systems: Theory, Implementation, Applications. Kluwer Academic Publishers, Belgium, 1996.
• [5] M. Brand: Subspace mappings for image sequences, MERL, Massachusetts, 2008.
• [6] L. Ljung, System Identification: Theory for the User (2nd ed.), Prentice Hall, 1999.