基于鲁棒优化的系统辨识算法研究.docx

基于鲁棒优化的系统辨识算法研究.docx基于鲁棒优化的系统辨识算法研究钱富才I,黃姣茹I,秦新强2(,西安,710048;,西安,710054)摘要:对不确定数据属于一个有界集,而不是服从特定概率分布的系统辨识问题,本文提出了一种以鲁棒优化为基础的新方法。该方法将系统辨识转化为不确定优化问题,通过选取合适的不确定集合,推导并求解易于计算的鲁棒对等式,达到对未知系统的辨识,仿真结果表明本文方法的可行性和有效性。关键词:系统辨识;不确定性;鲁棒优化;半正定规划中图分类号:TP273ResearchonalgorithmforsystemidentificationbasedonrobustoptimizationQianFucaii,HuangJiaorui,QinXinqiang?(1・SchoolofAutomationandInformationEngineering,Xi'anUniversityofTechnology,Xi'an710048;,Xi'anUniversityofTechnology,Xi'an710054)Abstract:Foridentificationofsysteminwhichthedataisuncertainandonlyknowntobelongtoaboundedsetinsteadofsomeprobabilitydistributions,anewmethodbasedonrobustoplimizationisproposed・Thismethodtransformssystemidentificationintouncertainoptimizationproblem,thenselectingappropriateuncertaintyset,putationallytractablerobustcounterpart,・Keywords:Systemidentification;Uncertainty;Robustoptimization;Semi-definiteprogramming0引言系统辨识问题是在给定系统模型结构的前提下,利用输入数拥和输出数拥,按照一定的优化准则(例如最小二乘准则)估计模型中存在的未知参数的过程⑴。然而,对于实际的工程综合问题,山于系统可能运行于不同的工况或工作在不同的环境条件下,使得输出数据受到不确定因索的影响,如果结构参数的估计对这些外部因索非常敏感,那么微小的扰动都可能为系统参数辨识带来影响⑵。传统的辨识方法通常假设系统的模型结构已知,外界不确定扰动满足某种概率分布,从概率方面进行分析,实现对系统参数的估计⑴。然而,在实际应用中,一方面不确定性(比如传感器噪声)的先验知识往往是不充分的,要获得其统计特性或是概率分布很难,另一方面,不确定性形式多样(噪声为非高斯、非白噪声等情况),仅用概率难以完全刻画[。本文假设系统的不确定性属于一个有界集合,不需要太多的先验条件。在许多应用中,这种假设