Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Instituto Politécnico Nacional
2016
|
| Subjects: | |
| Online Access: | https://www.redalyc.org/articulo.oa?id=61544821010 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- Estimación diagonal y recursiva de parámetros para sistemas tipo caja negra con entradas y salidas acotadas Rosaura Palma Orozco José de Jesús Medel Juárez Computación tocástico gradiente es Estimación recursiva sistema tipo caja negra La Teoría de la Estimación Estocástica se emplea para obtener información de la operaci ́ on interna con respecto a la respuesta observable de un sistema tipo caja negra. Un problema por resolver es describir a los par ́ ametros internos, a partir de un modelo de referencia. Se ha considerado que las din ́ amicas de los par ́ ametros en un sistema estoc ́ astico est ́ a descrita por la relaci ́ on de la varianza y covarianza de la se ̃ nal observable. El m ́ etodo de los momentos de probabilidad permite obtener resultados que convergen a la respuesta deseada en un sentido de probabilidad. La estimaci ́ on para sistemas MIMO (Multiple Input, Multiple Output) requiere del c ́ alculo de la matriz pseudoinversa aunque se considere que es ́ optimo el modelo por el m ́ etodo del gradiente, al aplicar esa t ́ ecnica se propone un vector propio y valores propios afines para la selecci ́ on de los par ́ ametros, haciendo que la estimaci ́ on pierda gran parte de sus propiedades de convergencia. Esta art ́ ıculo presenta el desarrollo de un estimador estoc ́ astico ́ optimo para un modelo de sistemas tipo caja negra con ruido en un espacio m -dimensional. Se describe un algoritmo para evaluar y construir la forma diagonal del sistema en un espacio de estados con el prop ́ osito de estimar las ganancias internas. Los resultados presentan una soluci ́ on sin p ́ erdida de generalidad de las caracter ́ ısticas del modelo de referencia. La t ́ ecnica de estimaci ́ on usada se basa en el gradiente estoc ́ astico junto con la variable instrumental para eficientar su nivel de convergencia. Este tipo de matriz de contribuci ́ on es ́ optima en un sentido de probabilidad. El algoritmo permite eliminar el c ́ alculo de matrices pseudoinversas que tiene una complejidad computacional de orden no lineal. La propuesta de la matriz diagonal sugiere una menor complejidad que los m ́ etodos utilizados tradicionalmente, ya que es de orden lineal, O ( j ) donde j 2 N , es la dimensi ́ on de la matriz. Los resultados muestran que es posible reconstruir la se ̃ nal observable con una buena aproximaci ́ on en un sentido de probabilidad, basado en la estimación por diagonales. 2016 artículo científico 1405-5546 https://www.redalyc.org/articulo.oa?id=61544821010 es http://www.redalyc.org/revista.oa?id=615 Computación y Sistemas application/pdf Instituto Politécnico Nacional Computación y Sistemas (México) Num.1 Vol.20