摘要
状态空间模型作为一种常见且重要的模型结构在自动化领域有着广泛的应用,本文针对异常值干扰下的非线性状态空间系统辨识问题开展研究.与现有的辨识方法不同,本文充分考虑了状态转移过程和输出量测过程均受到异常值干扰的情况,提出了一种更加全面的鲁棒辨识算法.首先利用两个相互独立的学生氏t分布分别对状态噪声和输出噪声进行建模以保障算法的鲁棒性;其次利用粒子平滑算法估计状态变量的后验概率分布以解决状态未知问题;最后利用期望最大化算法实现未知参数估计.在算法实现过程中使用了学生氏t分布表达式的数学分解,这样做的好处是:(1)更加有利于算法的推导和实现;(2)更清晰地解释了算法的鲁棒性能.并且本文通过数值算例和应用算例验证了该方法的有效性.
The state space model is a common and important model structure for automation and control.In this pa⁃per,the robust identification of nonlinear state-space model corrupted by outliers is investigated.The outliers imposed on both the state transition process and the output measurement process are considered and a more comprehensive and robust identification algorithm is proposed.To ensure the robustness of the proposed algorithm,two independent heavy-tailed Stu⁃dent's t-distributions are used to describe the state noise and the output noise,respectively.Then the particle smoothing method is applied to estimate the posterior distribution of the unknown states.Finally,the expectation maximization algo⁃rithm is used to realize the parameter estimation problem.The mathematical decomposition of the Student's t-distribution is employed in the identification process which brings two main advantages:(1)facilitating the derivation and implementation of the proposed algorithm;(2)providing a more clearer explanation of the robustness of the algorithm.The usefulness of the proposed algorithm is demonstrated via the numerical and mechanical examples.
作者
刘鑫
海洋
代伟
LIU Xin;HAI Yang;DAI Wei(Artificial Intelligence Research Institute,China University of Mining and Technology,Xuzhou,Jiangsu 221116,China;School of Information and Control Engineering,China University of Mining and Technology,Xuzhou,Jiangsu 221116,China)
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第9期3052-3064,共13页
Acta Electronica Sinica
基金
国家自然科学基金(No.62103134,No.62373361)
国家重点研发计划(No.2022YFB3304700)
中国博士后基金(No.2023M743776)。
关键词
非线性状态空间系统
鲁棒辨识
学生氏t分布
粒子平滑
期望最大化算法
nonlinear state-space model
robust system identification
Student's t-distribution
particle smoother
ex⁃pectation maximization algorithm
作者简介
刘鑫,男,1990年7月出生于江苏省盐城市.现为中国矿业大学人工智能研究院副教授、硕士生导师.从事系统辨识、数据驱动的工业建模和软测量方面的研究.E-mail:15B904027@hit.edu.cn;海洋,男,1999年5月出生于辽宁省阜新市.现为中国矿业大学信息与控制工程学院硕士研究生.主要研究方向为系统辨识,数据驱动的工程建模.E-mail:ts22060067a31@cumt.edu.cn;代伟,男,1984年3月出生于河南省安阳市.现为现为中国矿业大学信息与控制工程学院教授、博士生导师.从事复杂工业过程建模、运行优化与控制方面的研究.E-mail:weidai@cumt.edu.cn。
