Subspace Identification Incorporating Prior Information
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A00133872" target="_blank" >RIV/68407700:21230/07:00133872 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Subspace Identification Incorporating Prior Information
Popis výsledku v původním jazyce
Subspace identification methods proved to be a powerful tool, which can further benefit from the incorporation of prior information. In the industrial environment, there is often strong prior information about the identified system, that can be used to improve the model quality and its compliance with physical reality. Such prior information can be the known static gains, the dominant time constants, the impulse response smoothness, etc. An idea comes from the possibility to consider the subspace identification as an optimization problem of finding a model with the optimal multi-step predictions on the experimental data. Further, the problem is reformulated to the Bayesian framework allowing to combine available prior information with the information contained in the experimental data by covariance matrix shaping. The paper is completed with an application to experimental data from an oil firing steam boiler with the rated effective power of 100 MW.
Název v anglickém jazyce
Subspace Identification Incorporating Prior Information
Popis výsledku anglicky
Subspace identification methods proved to be a powerful tool, which can further benefit from the incorporation of prior information. In the industrial environment, there is often strong prior information about the identified system, that can be used to improve the model quality and its compliance with physical reality. Such prior information can be the known static gains, the dominant time constants, the impulse response smoothness, etc. An idea comes from the possibility to consider the subspace identification as an optimization problem of finding a model with the optimal multi-step predictions on the experimental data. Further, the problem is reformulated to the Bayesian framework allowing to combine available prior information with the information contained in the experimental data by covariance matrix shaping. The paper is completed with an application to experimental data from an oil firing steam boiler with the rated effective power of 100 MW.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BC - Teorie a systémy řízení
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA102%2F05%2F2075" target="_blank" >GA102/05/2075: Teoretické základy pro integrované řízení a optimalizaci technologických procesů</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2007
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
46th IEEE Conference on Decision and Control (CDC), 2007
ISBN
978-1-4244-1497-0
ISSN
0191-2216
e-ISSN
—
Počet stran výsledku
6
Strana od-do
—
Název nakladatele
IEEE
Místo vydání
Piscataway
Místo konání akce
New Orleans, Louisiana
Datum konání akce
12. 12. 2007
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000255181700233