徳島大学 教育・研究者情報データベース(EDB)

Education and Research Database (EDB), Tokushima University

徳島大学ウェブサイトへのリンク

著作: [池田 建司]/PO-MOESP型同定法の漸近的性質/Preprints of ALCOSP and PSYCO 2013

ヘルプを読む

「著作」(著作(著書,論文,レター,国際会議など))は,研究業績にかかる著作(著書,論文,レター,国際会議など)を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)

  • 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.

この情報をEDB閲覧画面で開く

EID
275449
EOID
934840
Map
0
LastModified
2018年12月4日(火) 19:55:56
Operator
池田 建司
Avail
TRUE
Censor
0
Owner
池田 建司
Read
継承
Write
継承
Delete
継承
種別 必須 国際会議
言語 必須 英語
招待 推奨
審査 推奨 Peer Review
カテゴリ 推奨 研究
共著種別 推奨
学究種別 推奨
組織 推奨
  1. 徳島大学
著者 必須
  1. 池田 建司([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.知能工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.知能工学講座])
    役割 任意
    貢献度 任意
    学籍番号 推奨
題名 必須

(英) Asymptotic Properties of MOESP-type Methods

(日) PO-MOESP型同定法の漸近的性質

副題 任意
要約 任意

(英) Precision of the estimated plant model is often the main interest of system identification. In order to take the predictable part of the noise into account, the noise model is estimated together with the plant model by using ARMAX model. In that case, a model reduction procedure will be required in order to obtain the plant model. On the other hand, the plant model can be estimated directly by using output error (OE) model. In this paper, PI-MOESP method and PO-MOESP method are compared by analysing the signal and noise components of the estimated plant model under the assumption that there are no common poles in the plant and the noise models. The magnitude of the noise component in each method is discussed when the past or future horizon varies and it is shown that there is a possibility that PI-MOESP method gives better performance than PO-MOESP method.

(日) 推定されたプラントモデルの精度はしばしばシステム同定の主な興味の対象となる.雑音の予測可能な部分を考慮することによって雑音モデルはプラントモデルとともにARMAXモデルを用いて推定される.そのような場合,プラントモデルを得るためにはモデルの低次元化が必要となる.一方,プラントモデルは出力誤差(OE)モデルを用いることで直接推定可能である.本論文では,プラントモデルと雑音モデルは共通の極をもたないという仮定の下,推定されたプラントモデルの信号成分と雑音成分を解析することで,PI-MOESP法とPO-MOESP法を比較する.設計パラメータであるfuture/past horizonを変えたときの各手法における雑音成分の大きさを議論することで,PI-MOESP法の方がPO-MOESP法よりも良い性能を与える可能性があることを示す.

キーワード 推奨
  1. (英) System Identification
  2. (英) Subspace Model Identification
  3. (英) Variance Analysis
発行所 推奨
誌名 必須 (英) Preprints of ALCOSP and PSYCO 2013
ISSN 任意
必須
必須
必須 92 97
都市 必須 (英) Caen
年月日 必須 2013年 7月 3日
URL 任意
DOI 任意
PMID 任意
NAID 任意
WOS 任意
Scopus 任意
評価値 任意
被引用数 任意
指導教員 推奨
備考 任意