شناسایی سیستم های خطی با استفاده از زمان مداوم و تحت نمونه گیری خروجی نامنظم و تصادفی

در این مقاله مشکل شناسایی و برآورد پارامتر سیستم های ورودی تک ورودی، خطی، زمان ثابت، پایدار، زمان مداوم تحت طرح های نمونه برداری غیر منظم و تصادفی مورد بررسی قرار می گیرد. شرایط برای شناسایی سیستم در ورودی انواع چند جمله ای نمایی و محدودیت در چگالی نمونه ایجاد می شود. الگوریتم های شناسایی انواع تکراری گاوس - نیوتن برای تولید برآورد همگرا توسعه یافته اند. هنگامی که خروجی نمونه برداری توسط صداهای مشاهده خراب می شود ، طراحی ورودی ، زمان نمونه برداری و الگوریتم های همگرا بهم آمیخته می شوند. شرایط تحریک مداوم (PE برای الگوریتم های به شدت همگرا استخراج شده است. برخلاف شناسایی سنتی، شرایط PE تحت نمونه برداری نامنظم و تصادفی هم شامل زمان نمونه گیری و هم مقادیر ورودی است. تحت شرایط PE داده شده ، الگوریتم های تکراری و بازگشتی برای برآورد پارامترهای اصلی سیستم مداوم ساخته شده اند. نتایج همگرایی مربوطه بدست می آید. چندین نمونه شبیه سازی برای تایید نتایج نظری ارائه شده است. شناسایی سیستم هایی با داده های خروجی بسیار آهسته و نامنظم نمونه گیری شده در نظر گرفته شده است. در حالی که ورودی به طور یکنواخت و به اندازه کافی مکرر نمونه برداری می شود ، زمان نمونه گیری خروجی بسیار طولانی فرض می شود ، مثلا خیلی بیشتر از ثابت های زمان غالب. ممکن است نمونه گیری خروجی نامنظم باشد. سیستم دو ترخه با نمونه های خروجی آهسته مورد خاصی از مسئله مورد بررسی در اینجا است. ساختارهای مدل برای شناسایی مدلهای با سرعت سریع پیشنهاد می شود. روش خطای خروجی برای برآورد پارامتر پیشنهاد و انگیزه دارد. سازگاری برآورد ایجاد شده و بیان کوواریانس پارامترها بدست می آید. از مطالعات شبیه سازی برای نشان دادن روش استفاده خواهد شد. روش شناسایی توسعه یافته می تواند در زمینه های دیگری نیز استفاده شود که تاخیر اندازه گیری یک مشکل اساسی است.

کلیدواژه ها:

سیستم زمان مداوم خطی ، نمونه گیری نامنظم و تصادفی ، قابلیت شناسایی ، الگوریتم تکراری ، الگوریتم بازگشتی ،