ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 50/1-2 - 2017  - pp.117-135  - doi:10.3166/jesa.50.117-135
TITRE
Identification fréquentielle de systèmes par modèle non entier en utilisant la méthode des sous-espaces

TITLE
Frequency-domain subspace system identification with fractional differentiation models

RÉSUMÉ
Dans cet article, un algorithme basé sur la méthode des sous-espaces est présenté pour l’identification de systèmes par modèle non entier à partir de données fréquentielles. Les matrices de la pseudo-représentation d’état sont d’abord estimées par la méthode des sous-espaces utilisant les décompositions QR et en valeurs singulières. Ensuite, l’ordre de dérivation commensurable est estimé en choisissant celui qui minimise le critère dans l’intervalle ]0, 2[. C’est la première méthode développée pour l’identification de systèmes multi-entrées multi-sorties par modèle non entier dans le domaine fréquentiel.


ABSTRACT
In this paper, an algorithm based on subspace method from the MOESP (MIMO Ouput-Erreur State sPace) family is presented, for state-space identification of continuous-time fractional commensurate models, using samples of frequency data. As compared to the rational state-space representation, the commensurate differentiation order must be estimated besides the state-space matrices, estimated with conventional subspace-based techniques using QR and singular value decomposition. This is the first method developed for multi-input multi-output system identification of fractional models in the frequency domain.


AUTEUR(S)
Rachid MALTI, Xavier MOREAU

Reçu le 18 avril 2016.    Accepté le 27 juin 2016.

MOTS-CLÉS
pseudo-représentation d’état non entière, méthode des sous-espaces, identification fréquentielle, contexte déterministe, contexte stochastique.

KEYWORDS
fractional state-space representation, subspace method, identification in frequency domain : deterministic and stochastic contexts.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (303 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier