与鲁棒控制接轨的系统辨识

本项目获得了多变量，非线性系统参数的集员辨识，为国际计算机文摘所收录，一般地集员辨识适用于鲁棒控制器设计。然而集员辨识相当保守。为此我们发展了Bayes方法中信任集的辨识方法，引进了算法，证明了优良的渐近性质；当样本个数趋于无穷大时，只要适当选取信任限，参数在信任集中的概率超于1。最坏情形下的系统辨识是一种鲁棒收敛的辨识方法，此方法用H无穷或L1范数作为衡量辨识误差的度量。在线性系统范围内，现行的方法只假定系统是稳定的，然后求出最坏情形下的辨识结果。这种方法所获的传递函数阶数很高几乎不能应用。本项目用L1范数，在给定阶数的模型集中讨论辨识问题，从而获得了鲁棒收敛的可实用的辨识算法。