文献类型：期刊文献

中文题名：基于ARMAX模型的子空间辨识算法

英文题名：A New Subspace Identification Method Based on ARMAX Model

作者：李天一[1];郑建荣[1]

机构：[1]华东理工大学机械与动力工程学院,上海200237

年份：2015

卷号：32

期号：1

起止页码：310

中文期刊名：计算机仿真

外文期刊名：Computer Simulation

收录：CSTPCD;;北大核心:【北大核心2014】；CSCD:【CSCD_E2015_2016】；

语种：中文

中文关键词：子空间辨识;闭环系统;自回归滑动平均模型;扩展最小二乘法

外文关键词：Subspace identification ; Close-loop ; ARMAX model ; Extend least squares

摘要：针对于子空间辨识算法辨识闭环系统时,由于输入信号与不可测噪声是相关的,往往会得到有偏估计的问题。提出一种采用自回归滑动平均模型(ARMAX)的闭环子空间辨识方法,通过扩展最小二乘方法(ELS)估计ARMAX模型中的马尔科夫(Markov)参数,使用预测的子空间辨识方法(PBSID)获取系统参数矩阵,避免了采用高阶自回归模型(ARX)所导致的过大的估计方差等问题。算法实例验证结果表明,改进方法能够获得较好的闭环系统一致性估计,辨识精度较高,有非常良好的应用前景。
Most of the existing subspace identification methods get biased estimation for closed-loop conditions, because of the input signal and the unmeasured noise are related. This paper presents a closed-loop subspace identi- fication method based on Auto Regressive Moving Average model; estimates Markov parameters in the ARMAX model by the extended least square method; recovers system parameter matrix by using the predictor-based subspace identification method. It avoids the too large estimation variance caused by high order Auto Regressive model. A closed-loop simulation example is given to demonstrate that the identification algorithm can obtain consistent estimates and is effective.