Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Parametric Identification Using Weighted Null-Space Fitting
KTH, Skolan för elektroteknik och datavetenskap (EECS), Reglerteknik. KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, ACCESS Linnaeus Centre.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Reglerteknik. KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, ACCESS Linnaeus Centre.ORCID-id: 0000-0003-0355-2663
KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, ACCESS Linnaeus Centre. KTH, Skolan för elektroteknik och datavetenskap (EECS), Reglerteknik.ORCID-id: 0000-0002-9368-3079
2019 (Engelska)Ingår i: IEEE Transactions on Automatic Control, ISSN 0018-9286, E-ISSN 1558-2523, Vol. 64, nr 7, s. 2798-2813Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

In identification of dynamical systems, the prediction error method with a quadratic cost function provides asymptotically efficient estimates under Gaussian noise, but in general it requires solving a nonconvex optimization problem, which may imply convergence to nonglobal minima. An alternative class of methods uses a nonparametric model as intermediate step to obtain the model of interest. Weighted null-space fitting (WNSF) belongs to this class, starting with the estimate of a nonparametric ARX model with least squares. Then, the reduction to a parametric model is a multistep procedure where each step consists of the solution of a quadratic optimization problem, which can be obtained with weighted least squares. The method is suitable for both open- and closed-loop data, and can be applied to many common parametric model structures, including output-error, ARMAX, and Box-Jenkins. The price to pay is the increase of dimensionality in the nonparametric model, which needs to tend to infinity as function of the sample size for certain asymptotic statistical properties to hold. In this paper, we conduct a rigorous analysis of these properties: namely, consistency, and asymptotic efficiency. Also, we perform a simulation study illustrating the performance of WNSF and identify scenarios where it can be particularly advantageous compared with state-of-the-art methods.

Ort, förlag, år, upplaga, sidor
IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC , 2019. Vol. 64, nr 7, s. 2798-2813
Nyckelord [en]
Least squares, system identification
Nationell ämneskategori
Reglerteknik
Identifikatorer
URN: urn:nbn:se:kth:diva-255416DOI: 10.1109/TAC.2018.2877673ISI: 000473489700011Scopus ID: 2-s2.0-85055726363OAI: oai:DiVA.org:kth-255416DiVA, id: diva2:1343065
Anmärkning

QC 20190815

Tillgänglig från: 2019-08-15 Skapad: 2019-08-15 Senast uppdaterad: 2019-10-15Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Galrinho, MiguelRojas, Cristian R.Hjalmarsson, Håkan

Sök vidare i DiVA

Av författaren/redaktören
Galrinho, MiguelRojas, Cristian R.Hjalmarsson, Håkan
Av organisationen
ReglerteknikACCESS Linnaeus Centre
I samma tidskrift
IEEE Transactions on Automatic Control
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 106 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf