PARAMETRIC IDENTIFICATION OF STOCHASTIC LINEAR DISCRETE SYSTEMS BASED ON ROBUST FILTERING
https://doi.org/10.21285/1814-3520-2018-2-84-94
Abstract
The PURPOSE of the article is to develop the program software for solving the parametric estimation problem of the models of stochastic linear discrete systems in the presence of outliers in measurement data based on Särkkä - Nummenmaa and Izanloo - Fakoorian - Yazdi - Simon filters as well as to study robust procedures of parameter estimation in order to identify the most effective of them. METHODS. A quasi-likelihood estimation method is used in the study. RESULTS AND THEIR DISCUSSION. As exemplifies the model of a DC motor control system with different location of outliers, the problem of unknown parameter estimation cannot be solved without the use of robust filter. The application of the robust filters allows to improve the estimation quality by at least 1.8% under random location of outliers and by 6.81% under the grouped one. CONCLUSIONS. It is found that the robust estimation procedure based on the Izanloo - Fakoorian - Yazdi - Simon filter provides the most accurate parameter estimates.
About the Authors
V. M. Chubich
Novosibirsk State Technical University
Russian Federation
Russian Federation
A. E. Prokofieva
Novosibirsk State Technical University
Russian Federation
Russian Federation
References
1. Боровков А.А. Математическая статистика. Новосибирск: Наука, 1984. 472 с.
2. Ивченко Г.И., Медведев Ю. И. Математическая статистика. М.: Книжный дом «ЛИБРОКОМ», 2014. 352 с.
3. Gupta N.K., Mehra R.K. Computational aspects of maximum likelihood estimation and reduction in sensitivity function calculations // IEEE transactions on automatic control. 1974. Vol. 19. № 6. P. 774-783.
4. Áström K. J. Maximum likelihood and prediction errors methods // Automatica. 1980. Vol. 16. Р. 551 -574.
5. Льюнг Л. Идентификация систем. Теория для пользователей / пер. с англ. М.: Наука, 1991. 432 с.
6. Денисов В.И., Чубич В.М., Черникова О.С., Активная параметрическая идентификация стохастических линейных дискретных систем во временной области // Сибирский журнал индустриальной математики. 2003. Т. 6. № 3. С. 70-87.
7. Цыганова Ю.В., Куликова M.В. Об эффективности методах параметрической идентификации линейных дискретных стохастических систем // Автоматика и телемеханика. 2012. № 6. С. 34-51.
8. Maronna R.A., Martin D.R., Yohai V.J. Robust statistics. Theory and methods. England: John Wiley Sons, 2006. 400 p.
9. Huber P. J., Ronchetti E.M. Robust statistics. New Jersey: John Wiley Sons, 2009. 371 с.
10. Чубич В.М., Черникова О.С., Долгов А.А. Робастное оценивание параметров моделей гауссовских линейных дискретных систем на основе гибридного фильтра // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 4. С. 100-107. DOI: http://dx.doi.org/10.21285/1814-3520-2017-4-100-107
11. Jwo D.-J. Chung F.-C., Weng T.-P., Thomas C. Adaptive Kalman filter for navigation sensor fusion // Sensor Fusion and its Applications. In TechOpen, 2010. P. 66-90.
12. Чубич В.М., Прокофьева А.Э. Сравнительный анализ некоторых робастных фильтров для нестационарных линейных дискретных систем // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 12. С. 123-137. DOI: http://dx.doi.org/10.21285/1814-3520-2017-12-123-137
13. Izanloo R., Fakoorian S.A., Yazdi H.S., Simon D. Kalman filtering based on the maximum correntropy criterion in the presence of non- Gaussian noise // Annual Conference on Information Science and Systems (CISS), Princeton, USA: proccedings. 2016. P. 500-505.
14. Särkkä S., Nummenmaa A. Recursive noise adaptive Kalman filtering by variational Bayesian approximations // IEEE Transactions on Automatic control. 2009. Vol. 54. P. 596-600.
15. Kulikova M.V. Square-root algorithms for maximum correntropy estimation of linear discrete-time systems in presence of non-Gaussian noise // Systems & Control Letters. 2017. Vol. 108. P. 8-15.
16. Мудров В.И., Кушко В.Л. Методы обработки измерений. Квазиправдоподобные оценки. М.: Радио и связь, 1983. 304 с.
17. Квакернаак Х., Сиван Р. Линейные оптимальные системы управления / Пер. с англ. М.: Мир, 1977. 650 с.
18. Гольдштейн А.Л. Оптимизация в среде MATLAB. Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2015. 192 с.
Review
For citations:
Chubich V.M., Prokofieva A.E. PARAMETRIC IDENTIFICATION OF STOCHASTIC LINEAR DISCRETE SYSTEMS BASED ON ROBUST FILTERING. Proceedings of Irkutsk State Technical University. 2018;22(2):84-94. (In Russ.) https://doi.org/10.21285/1814-3520-2018-2-84-94
Views:
241
Email this article 