针对现有MOESP(multiple-input multiple-output output-error state space model identification)和N4SID(numerical algorithm for subspace state space systemidentification)算法在计算状态空间模型系统矩阵(A、B、C、D)时的不足,...针对现有MOESP(multiple-input multiple-output output-error state space model identification)和N4SID(numerical algorithm for subspace state space systemidentification)算法在计算状态空间模型系统矩阵(A、B、C、D)时的不足,提出1种改进的子空间辨识方法。该方法利用MOESP算法可以根据系统观测矩阵直接计算出系统矩阵A和输出矩阵C的优点,先计算矩阵A和C,然后采用N4SID算法计算输入矩阵B和前馈矩阵D。该方法既能够避免MOESP算法在计算矩阵B和D时需要构建大矩阵的缺点,又能避免N4SID算法在计算矩阵A和C时需要求解线性最小二乘的问题,降低了算法的复杂性。将该算法应用于某天然气电站和Alstom气化炉模型的辨识中,通过考核算法的CPU运算时间、CPU浮点数运算次数(floating-pointoperations,FLOPS)和相对误差等指标,将该算法与原有MOESP和N4SID算法进行了比较。计算结果表明,改进的子空间辨识算法能够在保证较好辨识精度的前提下,提高原有算法的计算效率,特别是在大容量数据样本条件下,能够有效降低CPU运算时间和FLOPS。展开更多
文摘针对现有MOESP(multiple-input multiple-output output-error state space model identification)和N4SID(numerical algorithm for subspace state space systemidentification)算法在计算状态空间模型系统矩阵(A、B、C、D)时的不足,提出1种改进的子空间辨识方法。该方法利用MOESP算法可以根据系统观测矩阵直接计算出系统矩阵A和输出矩阵C的优点,先计算矩阵A和C,然后采用N4SID算法计算输入矩阵B和前馈矩阵D。该方法既能够避免MOESP算法在计算矩阵B和D时需要构建大矩阵的缺点,又能避免N4SID算法在计算矩阵A和C时需要求解线性最小二乘的问题,降低了算法的复杂性。将该算法应用于某天然气电站和Alstom气化炉模型的辨识中,通过考核算法的CPU运算时间、CPU浮点数运算次数(floating-pointoperations,FLOPS)和相对误差等指标,将该算法与原有MOESP和N4SID算法进行了比较。计算结果表明,改进的子空间辨识算法能够在保证较好辨识精度的前提下,提高原有算法的计算效率,特别是在大容量数据样本条件下,能够有效降低CPU运算时间和FLOPS。
