Идентификация кусочно-линейных параметров регрессионных моделей нестационарных детерминированных систем

Аффилиация: Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики
Адрес: Российская Федерация, Санкт-Петербург

Колюбин С. А.

Пыркин А. А.

Туан Ле Ван

Название журнала

Автоматика и телемеханика

Выпуск

Выпуск 12

Страницы

71-82

Аннотация

Обсуждается проблема идентификации неизвестных нестационарных кусочно-линейных параметров для линейной регрессионной модели. Предлагается новый алгоритм, позволяющий, в случае выполнения ряда допущений на элементы регрессора, обеспечивать оценку неизвестных нестационарных параметров. Подробно анализируется случай с двумя неизвестными параметрами, который позволяет понять основную идею предлагаемого подхода. Рассматривается обобщение на случай любого количества параметров. Приводится пример компьютерного моделирования, иллюстрирующий работоспособность рассматриваемого подхода.

Ключевые слова

идентификация, бессенсорное управление, биомехатронные системы, линейная регрессионная модель, динамическое расширение регрессора

Получено

04.12.2018

Дата публикации

11.12.2018

Цитировать Скачать pdf Для скачивания PDF необходимо авторизоваться

ГОСТ	Цзянь В. , Бобцов А. А. , Колюбин С. А. , Пыркин А. А. , Туан Л. Идентификация кусочно-линейных параметров регрессионных моделей нестационарных детерминированных систем // Автоматика и телемеханика – 2018. – Выпуск 12 C. 71-82 [Электронный ресурс]. URL: http://ras.jes.su/ait/s000523100002858-7-1 (дата обращения: 25.04.2024). DOI: 10.31857/S000523100002858-7
MLA	Jian, Wang, Bobtsov, A., Kolyubin, S., Pyrkin, A., Tuan, Le Van "Identification of Piecewise Linear Parameters of Regression Models of Non-Stationary Deterministic Systems." Avtomatika i Telemekhanika 12 (2018):71-82. DOI: 10.31857/S000523100002858-7
APA	Jian W., Bobtsov A., Kolyubin S., Pyrkin A., Tuan L. (2018). Identification of Piecewise Linear Parameters of Regression Models of Non-Stationary Deterministic Systems. Avtomatika i Telemekhanika (12), pp.71-82 DOI: 10.31857/S000523100002858-7

Размещенный ниже текст является ознакомительной версией и может не соответствовать печатной.

всего просмотров: 1695

Оценка читателей: голосов 0

1. Kolyubin S., Shiriaev A., Jubien A. Refining Dynamics Identification for Co-Bots: Case Study on KUKA LWR4+ // 20th IFAC World Congress. 2017.

2. Li Y., Hannaford B. Gaussian Process Regression for Sensorless Grip Force Estimation of Cable-Driven Elongated Surgical Instruments // IEEE Robotics and Automation Lett. 2017. V. 2. No. 3. P. 1312–1319.

3. Zhao B., Nelson C.A. Sensorless Force Sensing for Minimally Invasive Surgery //

4. J. Medical Devices. 2015. 9 (4).

5. Eom K.S., Suh I.H., Chung W.K., Oh S.R. Disturbance Observer Based Force Control of robot manipulator without force sensor // Proc. IEEE Int. Conf. on Robotics and Automation. 1998. V. 4. P. 3012–3017.

6. Stolt A., Linderoth M., Robertsson A., Johansson R. Force Controlled Robotic Assembly without a Force Sensor // 2012 IEEE Int. Conf. on Robotics and Automation. 2012. P. 1538–1543.

7. Hyo-Sung Ahn, Yang Quan Chen. Time Periodical Adaptive Friction Compensation // 2004 IEEE Int. Conf. on Robotics and Biomimetics. 2004. P. 362–367.

8. Noorbakhsh M., Yazdizadeh A. Adaptive Friction Compensation in a Two-Link Planar Robot Manipulator Using a New Lyapunov-based Controller // IEEE ICCA. 2010. P. 2132–2137.

9. Bittencourt A.C., Axelsson P. Modeling and Experiment Design for Identification of Wear in a Robot Joint under Load and Temperature Uncertainties Based on Friction Data // IEEE/ASME Trans. Mechatronics. 2014. V. 19. No. 5. P. 1694–1706.

10. Andersson S., Soderberg A., Bjorklund S. Friction Models for Sliding Dry, Boundary and Mixed Lubricated Contacts // Tribol. Int. 2007. V. 40. No. 4. P. 580–587.

11. Verbert K.A.J., Tуth R., Babuˇska R. Adaptive Friction Compensation: A Globally Stable Approach // IEEE/ASME Trans. Mechatronics. 2016. V. 21. No. 1. P. 351–363.

12. Dunbar W.B., de Callafon R.A., Kosmatka J.B. Coulomb and Viscous Friction Fault Detection with Application to a Pneumatic Actuator // Proc. IEEE/ASME Int. Conf. on Advanced Intelligent Mechatronics. 2001. V. 2. P. 1239–1244.

13. Pyrkin A., Mancilla F., Ortega R., Bobtsov A., Aranovskiy S. Identification of the Current–Voltage Characteristic of Photovoltaic Arrays // 12th IFAC Workshop on Adaptation and Learning in Control and Signal Process. ALCOSP. 2016. V. 49. No. 13. P. 223–228.

14. Pyrkin A., Mancilla-David F., Ortega R., Bobtsov A., Aranovskiy S. Identification of Photovoltaic Arrays’ Maximum Power Extraction Point via Dynamic Regressor Extension and Mixing // Int. J. Adaptive Control Signal Process. 2017. V. 31. No. 9. P. 1337–1349.

15. Арановский С.В., Бобцов А.А., Пыркин А.А. Каскадная редукция в задачах идентификации // Науч.-технич. вестн. информационных технологий, механики и оптики. 2012. № 3. C. 149–150.

16. Льюнг Л. Идентификация систем. Теория для пользователей. М.: Наука, 1991.

17. Мирошник И.В., Никифоров В.О., Фрадков А.Л. Нелинейное и адаптивное управление сложными динамическими системами. СПб.: Наука, 2000.

18. Андриевский Б.Р., Фрадков А.Л. Избранные главы теории автоматического управления с примерами на языке MATLAB. СПб.: Наука, 1999.

19. Sastry S., Bodson M. Adaptive Control: Stability, Convergence and Robustness. Englewood Cliffs, NJ: Prentice-Hall, 1989.

20. Aranovskiy S., Bobtsov A., Ortega R., Pyrkin A. Parameters Estimation via Dynamic Regressor Extension and Mixing // Amer. Control Conf. 2016. P. 6971–6976. doi: 10.1109/ACC.2016.7526771.

21. Aranovskiy S., Bobtsov A., Ortega R., Pyrkin A. Performance Enhancement of Parameter Estimators via Dynamic Regressor Extension and Mixing // IEEE Trans. Automat. Control. 2016. V. 62. No. 7. P. 3546–3550.

22. Пыркин А.А., Бобцов А.А., Ведяков А.А., Колюбин С.А. Оценивание парамет- ров полигармонического сигнала // АиТ. 2015. № 8. С. 94–114.