کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
695084 1460644 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Novel data filtering based parameter identification for multiple-input multiple-output systems using the auxiliary model
ترجمه فارسی عنوان
یک روش نوین شناسایی پارامتر مبتنی بر فیلترینگ داد ه برای سیستم های چند ورودی-چند خروجی با استفاده از مدل کمکی
کلمات کلیدی
شناسایی بازگشتی. مربعات کمترین ؛ مدل کمکی؛ شناسایی سلسله مراتبی؛ سیستم MIMO
فهرست مطالب مقاله
چکیده

کلمات کلیدی 

1. مقدمه

2. الگوریتم F-AM-RLS

شکل 1. سیستم MIMO با مدل کمکی

3. الگوریتم AM-RLS 

جدول 1. خطاها و تخمین های AM-RLS  

جدول 2. خطاها و تخمین های F-AM-RLS  

شکل 2. خطاهای تخمین F-AM-RLS   دربرابر   

شکل 3. خطاهای تخمین  در برابر  ،  

4. مثال

5. نتیجه گیری

جدول 3. خطاها و تخمین F-AM-RLS  

شکل 4. خروجی های پیش بینی شده و خروجی های واقعی. خطوط توپر: خروجی های واقعی، نقطه ها: خروجی-های پیش بینی شده

ضمیمه

 
ترجمه چکیده
این مقاله، از یک متد مدل کمکی برای مطالعه ی مسئله ی شناسایی یک سیستم چند ورودی-چند خروجی (MIMO) استفاده می کند. برای چنین سیستم MIMOای که خروجی های آن به فرآیند نویز ARMA (یعنی نویز همبسته) آلوده شده اند، یک الگوریتم تخمین پارامتر حداقل مربعات بازگشتی که مبتنی بر مدل کمکی است، از طریق فیلترینگ داده ورودی-خروجی ارائه شده است. الگوریتم پیشنهادی، در مقایسه با الگوریتم های شناسایی چندمتغیره ی دیگر، دارای دقت بالاتری است. مثال شبیه سازی نیز برای متد پیشنهادی در این مقاله ذکر شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
یک روش نوین شناسایی پارامتر مبتنی بر فیلترینگ داد ه برای سیستم های چند ورودی-چند خروجی با استفاده از مدل کمکی
چکیده انگلیسی

This communique uses the auxiliary model method to study the identification problem of a multiple-input multiple-output (MIMO) system. For such a MIMO system whose outputs are contaminated by an ARMA noise process (i.e., correlated noise), an auxiliary model based recursive least squares parameter estimation algorithm is presented through filtering input–output data. The proposed algorithm has higher estimation accuracy than the existing multivariable identification algorithm. The simulation example is given.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 71, September 2016, Pages 308–313
نویسندگان
, ,