کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
695028 1460643 2016 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Subsystem identification of multivariable feedback and feedforward systems
ترجمه فارسی عنوان
شناسایی زیرمجموعه های سیستم های بازخورد(فیدبک) و پیش خوارند (فید فوروارد) چند متغیره
کلمات کلیدی
شناسایی زیر سیستم؛ دامنه شناسایی سیستم فرکانس ؛ حلقه بسته شناسایی سیستم؛ ثبات؛ سیستم‌های بازخورد و پیشخور
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

شکل 1. زیرسیستم های پیش خوارند و فیدبک مجهول در حال شناسایی با استفاده از داده های محاسبه شده ی r و y. سیگنال های داخلی u و v غیر قابل دسترسی هستند. 

2.نشانه گذاری

3.فرمول بندی مسئله

شکل 2. ورودی r و خروجی y محاسبه شده اند اما همه ی سیگنال های خروجی و نویزها بدون محاسبه هستند.

4. الگوریتم شناسایی زیرسیستم ها

5. آنالیز الگوریتم1

6. مثال های عددی

7. پیچیدگی محاسباتی

8. نتیجه

ضمیمه A. اثبات پیشنهادی 1 و 3
ترجمه چکیده
ما یک تکنیک دامنه ی نوسان برای شناسایی زیرسیستم های پیش خوارند و بازخورد چند متغیره که با یک زیرسیستم معلوم، به هم پیوسته اند را معرفی می کنیم. این الگوریتم شناسایی زیر سیستم از داده های حلقه بسته ی ورودی خروجی استفاده می کند، اما با فرض اینکه سیگنال های هیچ سیستم دیگری اندازه گیری نشده اند. به طور مشخص، فرض بر این است که سیگنال بازخورد و خروجی های زیرسیستم مجهول، هیچ کدام اندازه گیری نشده اند. ما از رویکرد حلقه ی منتخب برای شناسایی ماتریس های فرایند انتقال بازخورد و پس خورد (فیدفوروارد)، استفاده می کنیم، در حالیکه پایداری تقریبی ماتریس عملکرد انتقال حلقه ی بسته ی شناسایی شده را تضمین می کنیم. نتیجه ی تحلیل اصلی نشان می دهد که اگر آلودگی صوتی داده ها به حد کافی کم باشد و حلقه ی منتخب به حد کافی متراکم باشد، پارامترهای ماتریس های فرایند انتقال پیش خوارند و بازخورد شناسایی شده، به طور قراردادی به پارامترهای واقعی، نزدیک هستند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی

We present a frequency-domain technique for identifying multivariable feedback and feedforward subsystems that are interconnected with a known subsystem. This subsystem identification algorithm uses closed-loop input–output data, but no other system signals are assumed to be measured. In particular, neither the feedback signal nor the outputs of the unknown subsystems are assumed to be measured. We use a candidate-pool approach to identify the feedback and feedforward transfer function matrices, while guaranteeing asymptotic stability of the identified closed-loop transfer function matrix. The main analytic result shows that if the data noise is sufficiently small and the candidate pool is sufficiently dense, then the parameters of the identified feedback and feedforward transfer function matrices are arbitrarily close to the true parameters.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 72, October 2016, Pages 131–137
نویسندگان
, ,