کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7109084 1460626 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Identifiability of linear dynamic networks
ترجمه فارسی عنوان
شناسایی شبکه های پویا خطی
کلمات کلیدی
شناسایی سیستم، شبکه های پویا، شناسایی، طیف منحصر به فرد، حلقه های جبری
ترجمه چکیده
شبکه های دینامیکی اتصالات ساختاری سیستم های دینامیکی (ماژول ها) هستند که به وسیله سیگنال تحریک و تحریک خارجی هدایت می شوند. برای شناسایی خواص دینامیکی و / یا توپولوژی آنها از داده های اندازه گیری شده، ما باید مطمئن شویم که مجموعه مدل شبکه قابل شناسایی است. ما مفهوم شناسایی شبکه را به عنوان یک ویژگی از یک مجموعه مدل پارامترزی معرفی می کنیم، که اطمینان می دهد که مدل های مختلف شبکه را می توان از یکدیگر در هنگام شناسایی بر اساس داده های اندازه گیری، متمایز کرد. متفاوت از مفهوم کلاسیک شناسایی (پارامتر)، ما بر تمایز بین مدل های شبکه از نظر توابع انتقال آنها تمرکز می کنند. برای یک مدل ساختاری داده شده با یک توپولوژی پیش انتخاب شده، شناسایی به طور معمول نیاز به شرایط در حضور و مکان سیگنال های تحریک، و در حضور، مکان و ارتباط سیگنال های اختلال است. از آنجایی که در یک شبکه دینامیک، اختلالات همیشه نمیتواند در نظر گرفته شود که دارای رتبه کامل باشند، وضعیت ضعیف رتبه نیز پوشش داده می شود، به این معنی که تعداد فرآیندهای نویز سفید رانندگی می تواند به شدت کمتر از تعداد متغیرهای اختلال باشد. این شامل وضعیت داشتن گره های سر و صدا است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
Dynamic networks are structured interconnections of dynamical systems (modules) driven by external excitation and disturbance signals. In order to identify their dynamical properties and/or their topology consistently from measured data, we need to make sure that the network model set is identifiable. We introduce the notion of network identifiability, as a property of a parametrized model set, that ensures that different network models can be distinguished from each other when performing identification on the basis of measured data. Different from the classical notion of (parameter) identifiability, we focus on the distinction between network models in terms of their transfer functions. For a given structured model set with a pre-chosen topology, identifiability typically requires conditions on the presence and location of excitation signals, and on presence, location and correlation of disturbance signals. Because in a dynamic network, disturbances cannot always be considered to be of full-rank, the reduced-rank situation is also covered, meaning that the number of driving white noise processes can be strictly less than the number of disturbance variables. This includes the situation of having noise-free nodes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 89, March 2018, Pages 247-258
نویسندگان
, , ,