Algoritmos de estimación de parámetros iterativos basados en gradiente para sistemas dinámicos a partir de datos de observación
Autores: Ding, Feng; Pan, Jian; Alsaedi, Ahmed; Hayat, Tasawar
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Algoritmos de estimación de parámetros iterativos basados en gradiente para sistemas dinámicos a partir de datos de observación
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelos matemáticos
Análisis de sistemas
Diseño de controladores
Identificación de parámetros
Sistemas estocásticos
Algoritmo iterativo basado en gradientes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Es bien sabido que los modelos matemáticos son la base para el análisis de sistemas y el diseño de controladores. Este documento considera los problemas de identificación de parámetros de sistemas estocásticos mediante el modelo autorregresivo controlado. Se deriva un algoritmo iterativo basado en gradientes a partir de datos de observación utilizando la búsqueda de gradientes. Mediante la teoría de identificación de multi-innovaciones, proponemos un algoritmo iterativo basado en gradientes de multi-innovaciones para mejorar el rendimiento del algoritmo. Finalmente, se presenta un ejemplo de simulación numérica para demostrar la efectividad de los algoritmos propuestos.
Descripción
Es bien sabido que los modelos matemáticos son la base para el análisis de sistemas y el diseño de controladores. Este documento considera los problemas de identificación de parámetros de sistemas estocásticos mediante el modelo autorregresivo controlado. Se deriva un algoritmo iterativo basado en gradientes a partir de datos de observación utilizando la búsqueda de gradientes. Mediante la teoría de identificación de multi-innovaciones, proponemos un algoritmo iterativo basado en gradientes de multi-innovaciones para mejorar el rendimiento del algoritmo. Finalmente, se presenta un ejemplo de simulación numérica para demostrar la efectividad de los algoritmos propuestos.