دانلود کتاب Subspace Methods for System Identification: A Realization Approach

ترجمه فارسی توضیحات (ترجمه ماشینی)

روش‌های فضای فرعی برای شناسایی سیستم: رویکرد تحقق

شناسایی سیستم روش هایی را برای تقریب معقول سیستم های واقعی با استفاده از یک مجموعه مدل بر اساس داده های ورودی و خروجی تجربی فراهم می کند. Tohru Katayama مقدمه‌ای عمیق بر روش‌های زیرفضا برای شناسایی سیستم در سیستم‌های خطی گسسته با نتایج پیشرفته و جدید ارائه می‌کند. متن به سه بخش ساختار یافته است. ابتدا به مقدمات ریاضی پرداخته می شود: جبر خطی عددی. نظریه سیستم؛ فرآیندهای تصادفی؛ و فیلتر کالمن. بخش دوم تئوری تحقق را توضیح می‌دهد، به‌ویژه که بر اساس تجزیه ماتریس‌های هانکل است که در روش‌های شناسایی زیرفضا به کار می‌رود. دو نتیجه تحقق تصادفی شامل، یکی بر اساس فاکتورگیری طیفی و معادلات Riccati، دیگری بر اساس تجزیه و تحلیل همبستگی متعارف (CCA) برای فرآیندهای ثابت است. بخش سوم از توسعه نتایج تحقق تصادفی، در حضور ورودی‌های برون‌زا، برای نشان دادن کاربرد حلقه بسته روش‌های شناسایی زیرفضا CCA و ORT (بر اساس تجزیه متعامد) استفاده می‌کند. افزودن مسائل آموزشی با راه‌حل‌ها و برنامه‌های Matlab که نشان می‌دهند. جنبه‌های مختلف روش‌های پیشنهادی برای مطالب مقدماتی و تحقیقاتی، Subspace Methods for System Identification را نه تنها مرجعی عالی برای محققان، بلکه متنی بسیار مفید برای معلمان و دانشجویان فارغ‌التحصیل درگیر در دوره‌های کنترل و پردازش سیگنال می‌سازد. این کتاب می تواند برای مطالعه خود مورد استفاده قرار گیرد و برای دانشمند یا مهندس کاربردی که مایل به استفاده از روش های پیشرفته در مدل سازی و شناسایی سیستم های پیچیده هستند بسیار مورد علاقه خواهد بود.

Subspace Methods for System Identification: A Realization Approach

System identification provides methods for the sensible approximation of real systems using a model set based on experimental input and output data. Tohru Katayama sets out an in-depth introduction to subspace methods for system identification in discrete-time linear systems thoroughly augmented with advanced and novel results. The text is structured into three parts.First, the mathematical preliminaries are dealt with: numerical linear algebra; system theory; stochastic processes; and Kalman filtering. The second part explains realization theory, particularly that based on the decomposition of Hankel matrices, as it is applied to subspace identification methods. Two stochastic realization results are included, one based on spectral factorization and Riccati equations, the other on canonical correlation analysis (CCA) for stationary processes. Part III uses the development of stochastic realization results, in the presence of exogenous inputs, to demonstrate the closed-loop application of subspace identification methods CCA and ORT (based on orthogonal decomposition).The addition of tutorial problems with solutions and Matlab programs which demonstrate various aspects of the methods propounded to introductory and research material makes Subspace Methods for System Identification not only an excellent reference for researchers but also a very useful text for tutors and graduate students involved with courses in control and signal processing. The book can be used for self-study and will be of much interest to the applied scientist or engineer wishing to use advanced methods in modeling and identification of complex systems.