Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Subspace Identification of Poorly Excited Industrial Systems

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F10%3A00173813" target="_blank" >RIV/68407700:21230/10:00173813 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Subspace Identification of Poorly Excited Industrial Systems

  • Popis výsledku v původním jazyce

    Most of the industrial applications are MIMO systems, that can be be identified using knowledge of the system's physics or from measured data employing statistical methods. Currently, there is the only class of statistical identification methods capableof handling the issue of vast MIMO systems - subspace identification methods. These methods need data of certain quality. Nevertheless, the combination of statistical methods and physical knowledge of the system could significantly improve system identification. This paper presents a new algorithm which provides remedy to insufficient data quality of certain kind through incorporating of prior information, e.g. known static gain or input-output feedthrough. The presented algorithm naturally extends classical subspace identification algorithms. The performance of the algorithm is shown on a case study and compared to current methods, where the model is used for an MPC control of a large building heating system.

  • Název v anglickém jazyce

    Subspace Identification of Poorly Excited Industrial Systems

  • Popis výsledku anglicky

    Most of the industrial applications are MIMO systems, that can be be identified using knowledge of the system's physics or from measured data employing statistical methods. Currently, there is the only class of statistical identification methods capableof handling the issue of vast MIMO systems - subspace identification methods. These methods need data of certain quality. Nevertheless, the combination of statistical methods and physical knowledge of the system could significantly improve system identification. This paper presents a new algorithm which provides remedy to insufficient data quality of certain kind through incorporating of prior information, e.g. known static gain or input-output feedthrough. The presented algorithm naturally extends classical subspace identification algorithms. The performance of the algorithm is shown on a case study and compared to current methods, where the model is used for an MPC control of a large building heating system.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2010

  • 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

    Proceedings of the 49th IEEE Conference on Decision and Control

  • ISBN

    978-1-4244-7744-9

  • ISSN

    0191-2216

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

  • Název nakladatele

    Omnipress

  • Místo vydání

    Madison

  • Místo konání akce

    Atlanta

  • Datum konání akce

    15. 12. 2010

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku