基于鲁棒优化的系统辨识算法研究

摘要：

输入-输出数据是解决系统辨识问题的关键要素，传统的辨识理论除了假定影响输入-输出数据干扰的密度函数已知外，还要假定输入-输出数据能够精确获得，完全忽略了所用数据的质量。本文突破了传统理论的两个假设，首先用工程上易于获得的干扰的有界集合代替干扰的密度函数，并在特定数据不确定性结构下，考虑了数据质量问题，然后，以半定规划为基础，导出了鲁棒对等式，从而将系统辨识转化为对数据质量具有鲁棒性的优化问题，通过求解该优化问题，得到了一种新的鲁棒优化辨识方法，仿真结果表明了新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、半定规划

分类号：TP3;TP1

资助基金：国家自然科学基金61273127;高等学校博士学科点专项科研基金20116118110008;National Natural Science Foundation of China61273127;Specialized Research Fund for the Doctoral Pro-gram of Higher Education20116118110008

在线出版日期：2014-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：988-993