книги из ГПНТБ / Сейдж Э.П. Идентификация систем управления
.pdf7.3] |
ДИСКРЕТНЫ Е СИСТЕМЫ |
231 |
уравнение наблюдений
zx (к) = h [х (к), к] + vx (к).
Кроме того, также наблюдается
z2 (к) = Н (к) w (к) + v2 (к).
Здесь предполагается, что w (к), vx (к) и v2 (к) — взаимонезависнмые дискретные белые шумы с нулевыми средни ми и ковариационными матрицами Vw (fc), Vv, (к) и Vv, (к) соответственно. Два наблюдаемых сигнала можно описать как одно наблюдение
z (к) = h* [х (к), к] + V*(к),
где
*<*)- [-2f] • ьмм*).*1 - |
• |
.......... yi_(*)......... |
|
Н (ft) W (ft) + V2 (ft) |
|
Отметим, что теперь входной шум и ошибка измерений коррелированы. Использование алгоритмов табл. 7.3.2 приводит к следующим уравнениям для оценок:
х (к + |
1) = |
х(к -f- 1 1к) + |
К х (к -f 1) {гх (к ■+• 1) — h \х(к), к]}, |
|||
|
|
x(A+l|fc) = Ф [х (к), к] + |
К2 (к) z2 (к), |
|||
где |
|
|
|
|
ЭЬ1 [х (ft-Ml ft), ft +1] У у ](к + 1), |
|
Kx(k + |
i) = |
P(k + l) |
||||
|
|
|
|
|
Зх (ft + 1 |ft) |
|
К 2 (к) = |
Г (к) Vw {к) Ш (к) [Vv, (к) + |
Г (к) Vw (к) ГТ (А:)]-1 |
||||
Р(к + |
1|А) = |
З ф [ х |
(ft), ft] |
Р(к) З ф Т | х |
(ft ), ft 1 |
|
|
|
|
З х |
(ft) |
З х (ft) |
|
+ г (к) Vw (к) Гт (к) - Г (к) Vw (к) Нт (к) [Н (к) Vw (к) Н? (к) +
+ |
V v .W r H M Vw(A )rr(A), |
|
Р (А: + 1) = |
|
|
= Р(А f 1|А:)-Р(А:+1|А:)НТ(А:+ 1)[Н (* + |
1)Р(А Д 1|А)х |
|
X Нт (к +• 1) + VVl(к + |
1 )Г Н (к + |
1) Р (к + 11 к), |
232 ИНВАРИАНТНОЕ ПОГРУЖ ЕНИ Е [ГЛ . 7
причем
Нт (к ф- 1) Vvi (А ф- 1) Н (& ф- 1) =
__________ 9_____ Г dhT [х ( к ф - 1 | к ) , к ф- 1]
З х ( к ф - 1 I к ) _ д х ( к ф - 1 | к )
X V £ ( A + l ) { z i ( * + l ) - h [ x ( & + l | A ) , f t + l ] } .
Эти алгоритмы применяются для идентификации па раметров о и с линейной стохастической системы
х (к 1) = (1 ф- 0,01 а) х (к) ф- 0,015 w (к),
Ч (к) = сх (к) + пД/с),
z2 (к) = w (к) ф- v2(k).
Истинные значения параметров: а = —0,5, с = 0,8. Да но:
VVi = |
25, |
Vw = |
100, |
|
а (0) |
= |
1, с (0) = |
5, |
|
var |
Г * (0)1 |
П |
0 О] |
|
а (0) |
= 0 |
1 0 . |
||
|
I с (0 ) J |
|
|_0 о l j |
|
Алгоритмы табл. 7.3.2 применялись для трех разных зна чений var {н2}: 16, 49 и 400. Были получены отличные ре зультаты, показанные на рис. 7.3.2 и 7.3.3. Как и ожи далось, результаты идентификации «лучше» для низких значений VVl.
Пример 7.3.3. Задачу идентификации дисперсий ста ционарного входного шума одномерной линейной системы можно рассматривать как задачу идентификации пара метра а системы вида
х (к 1) = Фх (к) ф- Га1^ (&) w
z (к) = Нх (к) ф- v (к),
а (к ф- 1) = а (к),
где $ {w {к)} = 0, a var {w (к)} — 1. Величина а (к) соот ветствует неизвестной дисперсии w (к), а факт постоянства дисперсии описывается уравнением а(к ф -1) = а(к).
7.3] |
ДИСКРЕТНЫ Е СИСТЕМЫ |
233 |
Рис. 7.3.2. Идентификация с (-------- |
VVi = 1 6 ; ----------- |
VV2 = 49, |
------------V „ |
= 400). |
|
Рис. 7.3.3. Идентификация а (— Vv, = 1 6 ;---------- |
F®, = 49, |
----------- VVa = 400). |
|
234 |
И НВАРИ АНТНОЕ ПОГРУЖ ЕНИЕ |
[ГЛ. 7 |
||
Обращение к табл. 7.3.1 приводит к плохим результа |
||||
там, так как, |
положив РаХ (0) = 0, |
мы приходим к тому, |
||
что РаХ (&) = |
0 |
для всех к. Оценка а имеет вид |
|
|
а (к -f- 1) = а (к) |
-ф- Рах(к + 1) Нт [и (к |
1) — Нх (к -ф- 1 1к)] |
||
и, следовательно, алгоритм не сходится к истинному зна чению а. Однако если ввести обозначение
£Г‘/. (к) х (к) = у (к),
то уравнения модели перепишутся как
у (к + 1) == Фу (к) + Tw (/с),
z (к) = На1/г (к) у (к) + v (к),
а(к -J- 1) = а (к)
иалгоритмы для такой модели работают превосходно. Таким образом, мы приходим к важному выводу о том, что в задачах идентификации выбор модели имеет суще ственнейшее значение, особенно если конструирование алгоритмов идентификации связано с аппроксимацией.
7.4.ВЫВОДЫ
Вэтой главе рассмотрен метод инвариантного погру жения, который применен к решению двухточечных крае вых задач, возникающих в связи с идентификацией систем. Получен ряд последовательных алгоритмов оценивания состояний и параметров. Для того чтобы подчеркнуть раз нообразие рассмотренных вопросов и продемонстрировать применение теории, приведено несколько примеров.
Вэтой небольшой книге не нашло места упоминание о многих методах для идентификации систем как в реаль ном масштабе времени, так и вне контура регулирования.
Основное внимание было уделено тем методам, по которым авторами накоплен опыт их машинного использования и которые нашли широкое практическое применение. Ав торы приносят свои извинения тем многочисленным уче ным, работы которых здесь не обсуждались; многие, но, конечно, не все статьи по идентификации перечислены в
7.4l |
ВЫ ВОД Ы |
2 35 |
библиографии. Авторы надеются, что заинтересованный читатель найдет в библиографии полезный источник ин формации.
Идентификация систем представляет собой бурно раз вивающуюся область, в которой буквально ежедневно появляются новые частные и общие результаты и упоми нания о многочисленных приложениях. Вполне возможно, что ключ к решению проблемы идентификации содержится как раз в одной из неупомянутых или еще не опублико ванных работ. Однако авторы верят в то, что на сегодняш ний день в их книге представлены наиболее многообе щающие подходы к решению проблемы идентификации.
ЛИТЕРАТУРА
Полное перечисление библиографии потребовало бы книги по меньшей мере такого же объема. Авторы надеются, что работы, которые включены в приводимый ниже перечень, более других относятся к темам, затронутым в настоящей книге. Для того чтобы связать перечень литературы с содержанием книги, после наименования каждой статьи в квадратных скобках приводится номер главы или раздела, к которым относится цитируемый источ ник. Так, к первой главе отнесены все работы общего характера, ссылки на работы по классическим методам идентификации относят ся к различным разделам второй главы и т. д. Авторы приносят из
винения тем ученым, которым принадлежат прекрасные |
работы по |
|||||||||
идентификации |
систем, |
не |
включенные в приводимый перечень. |
|||||||
1. |
A c k e r |
W. F., S a g e А. Р. (1967), Identification and cont |
||||||||
|
rol of systems with striction and coulomb friction; ISA Preprint |
|||||||||
2. |
P16-1-PHYMMID-67, |
September |
1967 [1]. |
|
||||||
A l b e r t |
A. E., G a r d n e r |
L. A. (1967), Stochastic Appro |
||||||||
|
ximation and Nonlinear Regression, M. I. T., Press, Cambridge, |
|||||||||
3. |
Massachusetts [5]. |
|
R. M. (1970), On input signal synthesis |
|||||||
A о k i |
M., S t a l e y |
|||||||||
|
in parameter identification, Proc. 4th IFAC Congr., Warsaw, |
|||||||||
4. |
1969; |
Automatica |
6, |
431—440 |
[2]. |
|
|
|||
A o k i |
M., |
Y u e |
P. C. (1970), |
On certain convergence ques |
||||||
5. |
tions in system identification, SIAM, J. Control 8, 239—250 [2]. |
|||||||||
A s t г о m |
К. J., |
R o h l i n |
T. (1966), Numerical identifi |
|||||||
|
cation of linear dynamic systems from normal operating records, |
|||||||||
|
в сб. «Theory of Self-Adaptive |
Control |
Systems» |
(Hammond |
||||||
6. |
P. H., ed). Plenum |
Press, |
New York |
[4]. |
|
|||||
A s t r o m |
|
M., E y k h o f f |
P. (1971), |
System identification, |
||||||
|
Automatica, |
7, March |
1971 [1]. |
|
|
|
||||
7.B a l a k r i s h n a n A . V . (1968), A new computing technique in system identification, J. Comput. System Sci. 2, 102—116 [1].
8.B a l a k r i s h n a n A. Y. (1968a), Stochastic system identi fication techniques, Proc. Advanced Seminar Stochastic Opti
mization and Control, 2—4 October, 1967, Madison, Wisconsin.
Wiley, New York |
[1, 5]. |
J. L. |
(1967), State |
||
9. B a l a k r i s h n a n |
A. V., L i o n s |
||||
estimation |
for |
infinite — dimensional |
systems, |
J. Comput. |
|
System Sci. |
1, |
391—403 [1]. |
|
|
|
10.B a l a k r i s h n a n A. V., N e u s t a d t L. W., eds. (1964), Computing Methods in Optimization Problems, Academic
Press, New York [1, 4, 6, 7].
11.B a l a k r i s h a n a n A . V., P e t e r k a V., (1969), Identifi cation in automatic control systems; Automatica 5. 817—829 [1].
|
|
|
|
|
|
Л И ТЕ РА ТУРА |
|
|
|
237 |
||
12. |
В e k e |
у |
G. A., K a r p i n s |
W. J. |
(1968), «Hybrid Computa |
|||||||
|
tion», |
Wiley, |
New |
York |
[1, 2, |
4]. |
[Русский |
перевод: |
Б e- |
|||
|
к и |
Дш. |
А., |
К а р п л ю с |
У. Дж., Теория |
и применение |
||||||
13. |
гибридных вычислительных систем, «Мир», |
1970.] |
Gui |
|||||||||
В е 1 1 m а п |
R. Е. (1961), Adaptive Control Processes, A |
|||||||||||
|
ded Tour, |
Princeton |
Univ. |
Press, Princeton, New Jersey |
[1]. |
|||||||
|
[Русский перевод: В е л л м а н |
P., |
Процессы регулирования |
|||||||||
14. |
с адаптацией, «Наука», 1964.] |
|
|
|
|
|||||||
В е 1 1 m a n |
R. Е. |
(1965), |
Dynamic programming, system |
|||||||||
|
identification, and suboptimization; RAND Corp., RM-4593-PR, |
|||||||||||
|
June |
1965 |
[1]. |
K a g i w a d a |
H. H., K a l a b a R. E. , |
|||||||
15. B e l l m a n |
R. E., |
|||||||||||
|
S r i d h a r |
R. (1964), |
Invariant |
imbedding |
and nonlinear |
|||||||
|
filtering theory, RAND Corp. RM-4374-PR, December 1964 [7.3]. |
|||||||||||
16.B e l l m a n R . E., K a l a b a R . E. (1965), Quasilinearization and Nonlinear Boundary Value Problems, Elsevier, Amsterdam
|
[6.2] . [Русский перевод: |
Б е л л м а н |
P., |
К а л а б а |
P., |
||||||||
|
Квазилинеаризация и нелинейные краевые задачи, «Мир», |
||||||||||||
17. |
1968.] |
|
|
|
|
|
|
Н. Н., K a l a b a |
R . E. |
||||
B e l l m a n R. Е., K a g i w a d a |
|||||||||||||
|
(1965), |
Identification of linear systems via |
numerical inversion |
||||||||||
|
of Laplace transforms, IEEE Trans. Automatic Control AT-10, |
||||||||||||
18. |
111-112 [6.2]. |
E., B a l c h e n |
J. G. (1963), |
Determination |
|||||||||
B l a n d h o l |
|||||||||||||
|
of system dynamics by use of adjustable models, Proc. 2nd IFAC |
||||||||||||
19. |
Cong., |
Basil, |
Switzerland, |
1963 |
[2.5]. |
|
|
|
|
|
|||
B l u m |
J. (1954), Multidimensional |
stochastic approximation |
|||||||||||
|
procedures, Ann. Math. Statist. 25, |
737—744 |
[5]. |
|
|
||||||||
2 0 . |
В о x e r |
R. (1957), A note |
on |
numerical |
transform calculus, |
||||||||
21. |
Proc. IRE |
45, |
1401-1406 |
[2.2]. |
A simplified |
method |
of |
||||||
B o x e r |
R., |
T h a l e r |
S. |
(1956), |
|||||||||
|
solving |
linear |
and nonlinear |
systems, Proc. IRE |
44, 89—101 |
||||||||
22. |
[2.2] . |
|
|
J.V., S p e y e r |
J. L., |
B r y s o n |
A. E. |
||||||
B r e a k w e l l |
|||||||||||||
|
(1963), Optimization and control of |
nonlinear |
systems |
using |
|||||||||
|
the second variation, J. SIAM Control Ser. A 1, 193—223 [4.3]. |
||||||||||||
23.В г у s о n A. E., D e n h a m W. F. (1962), A steepest ascent method for solving optimum programming problems, J. Appl.
^xM ech . 29, 247-257 [4.3].
24. )B г у s о n A. E., H o Y. C. (1969), Applied Optimal Control,
— ,yGinn (Blaisdell), Boston [1, 4, 6, |
7]. |
25. B u l l o c k T. E., F r a n k l i n |
G. F. (1967), A second- |
order feedback method for optimal control computations, IEEE Trans. Automatic Control AC-12, 666—673 [4.3].
26.С о m e r J. P. (1964), Some stochastic approximation pro cedures for use in process control, Ann. Math. Statist. 35, 1136— 1146 [5].
27.С о x H. (1964), On the estimation of state variables and para meters for nonlinear dynamic systems, IEEE Trans. Automatic Control AC-9, 5—12 [7.4].
28.С u e n о d M., S a g e A. P. (1968), Comparison of some methods used for process identification, Automatica 4, 235—269 [1].
238 |
|
|
|
|
Л И ТЕ РА ТУРА |
|
|
|
|
|
|
|
|||
29. |
I) е l) li а ш W. F., B r y s o n |
Л. Е. (1964), |
Optimal |
program |
|||||||||||
|
ming problems with |
inequality |
constraints |
II: Solution |
by |
||||||||||
30. |
steepest-ascent, А1ЛА J. 2, 25—34 |
[4.2]. |
|
(1965), |
On |
the |
|||||||||
D e t c h m e n d y |
D. M., |
S r i d h a r |
R. |
||||||||||||
|
experimental |
determination |
of the |
dynamical |
characteristics |
||||||||||
31. |
of physical systems, Proc. Nat. Electron. Conf. 21,575—580 [6.2]. |
||||||||||||||
D e t c h m e n d y |
D. M., |
S r i d h a r |
R. |
(1966), Sequential |
|||||||||||
|
estimation of state and parameters in noisy non-linear dynamical |
||||||||||||||
32. |
systems, |
J. |
Basic |
Eng. Ser. |
D 88, |
362—366 |
[7.3]. |
|
|
||||||
Du р а с |
У. (1965), A dynamic stochastic approximation method, |
||||||||||||||
33. |
Ann. Math. Statist. 36, 1695—1702 |
[5]. |
|
approximation, |
|||||||||||
D v o r e t z k y |
A. |
(1956), |
On |
stochastic |
|||||||||||
|
Proc. 3rd Berkeley Symp. Math. Statist, and Prob. (J. Neyman, |
||||||||||||||
|
ed.), pp. 39—55. Univ. of California Press, Berkeley, California |
||||||||||||||
34. |
[5]. |
|
|
S w о г d e г |
D. D. |
(1969), |
Applications |
||||||||
E l l i o t t D. F., |
|||||||||||||||
|
of a simplified multidimensional stochastic |
|
approximation |
||||||||||||
35. |
algorithm, Proc. Joint Automatic Control. Conf., 148—154 [5]. |
||||||||||||||
E l l i s |
T. W., S a g e |
A. P. (1968), |
Application of a method |
||||||||||||
|
for on-line combined estimation and |
control, |
|
Proc. Southwest |
|||||||||||
|
IEEE Conf., |
April 1968 [7.3]. |
|
|
|
|
|
|
|
|
|||||
36.E v e l e i g h V. W. (1967), «Adaptive Control and Optimiza tion Techniques». McGraw-Hill, New York [2].
37.E y k h o f f P. (1963), Some fundamental aspects of processparameter estimation IEEE Trans. Automatic Control AC-8, 347-357 [3].
38.E y k h o f f P. (1968), Process parameter and state estimation, Automatica 4, 205—233 [1].
39.E y k h o f f P. (1971), System Parameter and State Estimation,
Wiley, New York [1].
40.F r i e d l a n d B. (1969), Treatment of bias in recursive filtering, IEEE Trans. Automatic Control AC-14, 359—367 [7.2].
,\F l e t c h e r |
R., P o w e l l |
M. J. D. (1963), A rapid descent |
|||||||
''—''method for minimization, Comput. J. 6, 163—168 [4.2]. |
|||||||||
42. |
G i e s e |
C., |
M c G h e e |
G. (1965), |
Estimation |
of nonlinear |
|||
|
system states and parameters by regression methods, Proc. |
||||||||
43. |
Joint Automatic Control Conf., Troy, New York, 46—53. |
||||||||
G o o d m a n |
T. P., |
R e s w i ck |
J. B. (1956), Determination |
||||||
|
of system characteristics from normal operating records, Trans. |
||||||||
|
ASME 78, 259-271 |
[1]. |
|
|
|
|
|
||
44. |
G r a u p e D., S w a n i c k |
В. H., |
C a s s i r |
G. R. (1968), |
|||||
|
Reduction and identification of multivariable processes using |
||||||||
|
regression |
analysis, |
IEE |
Trans. |
Automatic Control AC-13, |
||||
|
564—567 |
[1]. |
|
|
|
|
|
|
|
45.G r a y К. B. (1964), The application of stochastic approxima tion for the| optimization of random circuits, Proc. Symp. Appl. Math. 16, 178—192 [4J.4
46.H e n r i c i P. (1962), Discrete Variable Methods in Ordinary
Differential Equations. Wiley, New York [6].
47. H i 1 b о r n C. G., L a i n i о t i s D. G. (1969), Optimal estimation in the presence of unknown parameters, IEEE Trans. Systems Sci. Cybernetics SSC-5, 38—43 [1].
Л И ТЕ РА ТУРА |
239 |
48.Н о Y. С. (1962), Stochastic approximation method and optimal filter theory, J. Math. Anal. Appl. 6, 152—154 [5.2].
49. |
H о |
Y. C., A g r a w a l a |
A. K. (1968), On pattern classi |
|||
|
fication algorithms: Introduction and survey, Proc. IEEE 56, |
|||||
50. |
2101—2176 [1]. |
|
A. E. (1969), Applied Optimal Control, |
|||
H o |
Y .C ., B r y s o n |
|||||
51. |
Ginn (Blaisdell), |
Boston |
[1]. |
of linear |
||
H o |
Y. C., L e e |
R. С. K. (1965), Identification |
||||
|
dynamic systems, Proc. 1965 Nat. Electron. Conf., |
pp.’ 647— |
||||
52. |
651 |
[5.3]. |
R . C . K . (1965a), Identification |
of linear |
||
H o |
Y. C., L e e |
|||||
53. |
dynamic systems, |
Inform. Control 8, 93—110 [5.3]. |
algorithm |
|||
H о |
Y.C., N e w b o l d |
P. M. (1967), A descent |
||||
|
for |
constrained stochastic extrema, J. Optimization Theory |
||||
54. |
Appl. 1, 215-231 [5.3]. |
|
|
|||
H о |
Y. C. , W h a l e n |
В. H. (1963), An approach to the iden |
||||
|
tification and control of linear dynamic systems with |
unknown |
||||
|
parameters, IEEE Trans. Automatic Control AC-8, 255—256 [1]. |
|||||
55.H o l m e s J . K. (1968), System identification from noise corrupted measurements, J. Optimization Theory Appl. 2, 102-116 [5].
56. |
H o l m e s |
J . K. (1969), Two stochastic approximation |
proce |
||||||||||||
|
dures for identifying linear systems, IEEE Trans. Automatic |
||||||||||||||
57. |
Control AC-14, 292—295 [5]. |
|
D. A . (1967), On a method for |
||||||||||||
H s i a T. C., L a n d g r e b e |
|||||||||||||||
|
estimating power spectra, IEEE Trans. Instr. Means. |
IM-16, |
|||||||||||||
|
255—257 |
[3.4]. |
|
|
|
|
|
|
|
|
|
|
|
||
58. |
H s i a |
T. С., |
V i m о 1 v a n i c h |
V. |
(1969), |
An |
on-line |
||||||||
|
technique for system identification, IEEE |
Trans. Automatic |
|||||||||||||
59. |
Control, AC-14, 92—96 [2]. |
control systems (1967). Preprint |
|||||||||||||
Identification in automatic |
|||||||||||||||
|
of the IFAC Symposiums, Parts |
I and II, Prague, Czechoslowa- |
|||||||||||||
|
kia, June, 12—17, 1967; также Prague, Czechoslowakia, June, |
||||||||||||||
|
1970 |
[1]. |
|
|
|
|
|
|
|
|
|
|
|
|
|
60. |
J a z w i n s k i |
A. H. (1969), |
Adaptive filtering, |
Automation |
|||||||||||
61. |
5, 475—485 [7j. |
|
|
|
Stochastic |
Processes |
and Filte |
||||||||
J a z w i n s k i |
A. H. (1970), |
||||||||||||||
62. |
ring |
Theory, Academic |
Press, |
New York |
[1, 7]. |
|
|
|
|||||||
J о s e p h |
P., |
L e w i s |
L., T о u J. (1961), Plant identifica |
||||||||||||
|
tion in the presence of disturbances and application to digital |
||||||||||||||
|
adaptive systems, Trans. AIEE 80, Part II (Appl. and Ind.,) |
||||||||||||||
63. |
18—24 [1]. |
R. E. (1959), On |
nonlinear differential |
equations, |
|||||||||||
К a 1 a b a |
|||||||||||||||
|
the maximum operation |
and monotone convergence, |
J. Math. |
||||||||||||
64. |
Mech. 8, |
519—574 |
[6.2]. |
Some |
aspects |
of |
|
quasilinearization, |
|||||||
К a l a b |
a R. E. (1963), |
|
|||||||||||||
|
в сб. «Nonlinear Differential Equations and |
Nonlinear |
Mecha |
||||||||||||
|
nics» |
(J. P. LaSalle |
and |
S. Lel'schetz, |
eds). |
Academic |
Press, |
||||||||
65. |
New |
York |
[6.2]. |
B u e y |
R. (19611, New results in linear |
||||||||||
K a l m a n |
R. E., |
||||||||||||||
|
filtering |
and prediction theory, |
J. Basic Eng. 83, 95—108 [1]. |
||||||||||||
|
[Русский перевод. К а л м а н |
Р., Б ю с и |
Р., Новые резуль- |
||||||||||||
240 Л И ТЕРАТУРА
тэты в линейной фильтрации и теории предсказания, в сб. переводов «Техническая механика», 83, № 1, 1961.]
66. К a s h у а р R. L. (1970), Maximum likelihood identification of stochastic linear systems, IEEE Trans. Automatic Control AC-15, 25—34 [3].
67.K a s h y a p R . L . (1970a), A new method of recursive estima tion in discrete linear systems, IEEE Trans. Automatic Control AC-15, 34—43 [2].
68. |
K e l l e y |
H. J. (1960), |
Gradient theory of |
optimal |
flight |
69. |
paths, ARS |
J. 30, 947-954 [4.3]. |
|
fields, |
|
К e 1 1 e у H. J. (1962), Guidance theory and extremal |
|||||
|
IRE Trans. |
Automatic |
Control AC-7, 75—81 |
[4.3]. |
|
70.К e 1 1 e у H. J. (1962a), Method of gradients, в сб. «Optimiza tion Techniques» (G. Leitman, ed.), Chapter 6. Academic Press, New York [4.3].
71. |
К e 11 e у |
H. J., К о p p |
R. E. , M o y e r |
H. G. (1964), |
||
|
A trajectory optimization technique based upon the theory of |
|||||
|
the second variation, Progr. Astronaut. Aeronaut. 14, |
559—582 |
||||
72. |
[4.3]. |
P., M c G i l l R. (1966), |
Two |
point |
boundary |
|
K e n n e t h |
||||||
73. |
value problem techniques, Advan. Contr. Syst. 3, 69—110 [4.6]. |
|||||
K e n n e t h |
P.,T а у 1 o r |
G. E. (1966), Solution of variational |
||||
|
problems with bounded control variables by means of the gene |
|||||
|
ralized Newton—Raphson |
method, в сб. |
«Recent |
Advances |
||
|
in Optimization Techniques» (A. Lavi, ed.). Wiley, New York |
|||||
|
[6 .2]. |
|
|
|
|
|
74.K e s t e n H. (1958), Accelerated stochastic approximation, Ann. Math. Statist. 29, 111 [5].
75.K i e f e r J., W o l f o w i t z J . (1952), Statistical estimation of the maximum of a regression function, Ann. Math. Statist. 23, 462—466 [5].
76. |
K i r v a i t i s K . , F u |
K. S. (1966), Identification of nonlinear |
||||||||||||||||||
|
systems |
by |
stochastic |
|
approximation, |
Proc. |
|
Joint Automatic |
||||||||||||
77. |
Control |
Conf., Seattle, June 1966 [5.2]. |
|
|
|
|
|
|
||||||||||||
К о p p |
|
R. |
E., |
M c G i l l |
R. (1964), Several trajectory opti |
|||||||||||||||
|
mization |
|
techniques; |
|
Part |
I: Discussion, |
в |
сб. |
«Computing |
|||||||||||
|
Methods |
|
in |
Optimization |
Problems» (L. W. |
Neustadt and |
||||||||||||||
|
A. V. Balakrischan, |
eds), |
pp. 65—89. |
Academic |
Press, |
New |
||||||||||||||
78. |
York |
|
[6.2, 7.3]. |
O r f o r d |
R. J. (1963), |
Linear regression |
||||||||||||||
К о p p |
|
R. E., |
||||||||||||||||||
|
applied to system identification for adaptive control systems, |
|||||||||||||||||||
79. |
AIAA |
J. 5, 2300—2306 [7.4]. |
A. R. (1967), Identification |
|||||||||||||||||
К г о у |
|
W. H., |
S t u b b e r u d |
|||||||||||||||||
|
via nonlinear filtering, |
Int. J. Contr. 6, 499—522, |
1967; Proc. |
|||||||||||||||||
|
Joint Automatic |
Control |
Conf. |
Ann |
Arbor, |
|
Michigan, |
June |
||||||||||||
80. |
1968, pp. 394-412 [47]. |
|
|
R. |
(1964), |
On |
the |
identifi |
||||||||||||
К u m a г K. S. P., |
S r i d h a r |
|||||||||||||||||||
|
cation |
of |
control systems by the quasilinearization |
method, |
||||||||||||||||
81. |
IEEE |
Trans. Automatic Control AC-9, 151—154 [6.2]. |
|
|||||||||||||||||
K u m a r |
K. S. |
P., |
S r i d h a r |
R. |
(1964a), |
On the identi |
||||||||||||||
|
fication |
|
of |
linear |
systems, |
1964, |
JACC |
|
Preprints, |
Stan |
||||||||||
|
ford |
Univ. |
Press, |
Stanford, |
California, pp. 361—365, |
June |
||||||||||||||
|
1964 |
[1]. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
