特征建模理论(学习自用)

特征建模理论定义

        吴宏鑫院士于1992年提出特征模型理论,与传统动力学分析不同,特征建模根据被控对象动力学特征、环境特征、控制要求相结合的一种建模理论方法。

        吴宏鑫等人在特征建模理论方面:1.针对开环不稳定对象提出零点补偿特征建模理论和方法。

2.提出闭参数快变辨识估新方法,解决高超声速飞行器特征建模中特征建模快变参数估计问题。3.一定条件下,证明基于特征模型的黄金分割自适应控制器原实际被控对象组成的闭环系统稳定性(也就是说基于原被控对象的特征模型所设计的黄金分割自适应控制器对原被控对象进行控制是闭环稳定的)。4.提出6种特征建模理论与方法,2种参数估计方法,2种自适应控制方法。特征建模也是智能控制的一种基础研究。

        工程应用方面---控制问题面临什么样的困难---一阶特征建模二阶特征建模等。自动控制理论,自适应控制(例如全系数自适应控制等),智能控制(例如基于特征模型的黄金分割智能控制变结构变系数智能控制等),如何开发降阶控制器,智能控制器....,应用。

线性定常系统特征模型证明

        线性定常系统特征建模问题,多入多出(MIMO线性定常系统特征模型可用二阶时变差分方程描述,阐明特征模型建模误差,系统不含0实部极点时建模误差为0和O(h),一般情况下建模误差为O(h^{2})O(h),表明特征建模与一般模型降阶方法本质不同,特征模型是把高阶模型有关信息压缩到几个特征参量中,没有丢失系统信息。

       1. 为什么要特征建模(例如特征建模是基于特征模型全系数自适应控制方法的关键)。2.特征模型如何辨识(用理论推导,还是传统算法参数辨识,还是启发式算法进行参数辨识...)3.辨识出的特征模型有什么用(设计低阶控制器吗,还是预估控制,位置保持,位置跟踪)。

        2.自适应控制:暂态响应好吗,需要估计的参数个数多吗,参数估计收敛性怎么样,需要人为调试的参数个数多吗。

        3.以精确的动力学分析可精确建模,但是不可能精确建模,那么模型不精确,设计的控制器对原系统的控制是否可行且有效。特征建模就可一定程度避开这个问题,特征建模与自适应控制方法、多模型控制方法结合。

        4.特征建模就是根据对象动力学特征和控制性能要求结合进行建模,不是仅仅以精确动力学分析来建模。

        例如一个如下形式的系统:

        已经被证明在位置保持控制要求下特征模型为下面这个差分方程:

这是一个二阶时变差分方程,u(k)为k时刻的输入,y(k)为k时刻输出,f1(k)、f2(k)、g0(k),g1(k)为k时刻的四个系数.

        5.特征模型应有以下特点:

        a.相同输入信号作用下,对象的特征模型和实际对象在输出上等价。

        b.特征模型的形式和阶次除了要考虑对象特征外,主要取决于控制要求。

        c.特征模型和降阶模型有区别,把高阶模型有关信息压缩到几个特征参量中且不丢失信息,一般来说特征模型用慢时变差分方程描述(但是这是针对单入单出系统还是多入多出系统,以及被控对象的重极点是否要小于or等于2个)。

对特征建模的研究,被控输出是否可测或者可通过其它输出量进行计算(广义输出)

定点控制也叫位置保持控制,有人给出了一般的多入多出线性定常系统定点控制要求下的特征模型证明,也给出了特征建模误差,为黄金分割自适应控制应用打下基础。

        考虑 p个输出,q个输入的被控对象特征建模:

式中:G(s)是传递函数,大小是pxq,u是输入,大小qx1,y是输出,大小是px1。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
alias 建模理论是一种将数据进行高效编码和压缩的方法。它通过捕捉数据的一些重要特征和统计规律,将数据映射到一个更小的表示空间中,从而减少了数据的存储空间和计算成本。 alias 建模理论的核心思想是将数据分解为两个部分:alias 和 residual。Alias 是数据中的重要特征和统计规律的表示,它能够捕捉到数据中的高度相关的信息。Residual 则是数据中与 Alias 不相关的部分,它包含了数据中的噪声和细微的变化。 在 alias 建模中,首先需要选择一个合适的 alias 函数,并通过学习样本数据来确定 alias 函数的参数。然后,将数据输入 alias 函数,得到相应的 alias 表示。该 alias 表示的大小通常比原始数据小得多,因此可以节省存储空间。此外,alias 函数还可以通过解码过程来恢复原始数据,以实现数据的重建。 alias 建模理论在数据的存储和传输中有广泛的应用。例如,在图像压缩中,可以使用 alias 建模来减小存储空间和网络带宽的需求。在语音识别和音频编码中,alias 建模可以提高语音和音频数据的压缩比例,从而减少存储和传输的成本。 此外,alias 建模理论还可以用于数据挖掘和机器学习中的特征提取和数据降维。通过将数据映射到 alias 空间,可以减少数据的维度,并提取出数据中的重要特征,从而方便后续的数据分析和型构建。 综上所述,alias 建模理论是一种有效的数据压缩和编码方法,可以在存储、传输、数据挖掘和机器学习等领域中发挥重要作用。它通过捕捉数据中的重要特征和统计规律,将数据映射到一个更小的表示空间中,实现了对数据的高效编码和压缩。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值