Relaxation of Conditions for Convergence of Dynamic Regressor Extension and Mixing Procedure

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

A generalization of the dynamic regressor extension and mixing procedure is proposed, which, unlike the original procedure, first, guarantees a reduction of the unknown parameter identification error if the requirement of regressor semi-finite excitation is met, and second, it ensures exponential convergence of the regression function (regressand) tracking error to zero when the regressor is semi-persistently exciting with a rank one or higher.

Sobre autores

A. Glushchenko

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Email: aiglush@ipu.ru
Moscow, Russia

K. Lastochkin

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Autor responsável pela correspondência
Email: lastconst@yandex.ru
Moscow, Russia

Bibliografia

  1. Ortega R., Nikiforov V., Gerasimov D. On Modified Parameter Estimators for Identification and Adaptive Control. A Unified Framework and Some New Schemes // Annual Reviews in Control. 2020. V. 50. P. 278-293.
  2. Aranovskiy S., Bobtsov A., Ortega R., Pyrkin A. Performance Enhancement of Parameter Estimators via Dynamic Regressor Extension and Mixing // IEEE Trans. Automat. Control. 2016. V. 62, No. 7. P. 3546-3550.
  3. Glushchenko A.I., Petrov V.A., Lastochkin K.A. I-DREM: Relaxing the Square Integrability Condition // Autom. Remote Control. 2021. V. 82. No. 7. P. 1233-1247.
  4. Korotina M., Romero J.G., Aranovskiy S., Bobtsov A., Ortega R. A New On-Line Exponential Parameter Estimator without Persistent Excitation // Sys. Control Letters. 2022. V. 159. P. 1-10.
  5. Wang L., Ortega R., Bobtsov A., Romero J.G., Yi B. Identifiability implies robust, globally exponentially convergent on-line parameter estimation: Application to model reference adaptive control // arXiv preprint arXiv:2108.08436. 2021. P. 1-16.
  6. Wang J., Efimov D., Aranovskiy S., Bobtsov A. Fixed-Time Estimation of Parameters for Non-Persistent Excitation // European J. Control. 2020. V. 55. P. 24-32.
  7. Yi B., Ortega R. Conditions for convergence of dynamic regressor extension and mixing parameter estimators using LTI filters // IEEE Trans. Automat. Control. 2022. P. 1-6.
  8. Aranovskiy S., Ushirobira R., Korotina M., Vedyakov A. On preserving-excitation properties of Kreisselmeiers regressor extension scheme // IEEE Trans. Automat. Control. 2022. P. 1-6.
  9. Sastry S., Bodson M. Adaptive Control - Stability, Convergence, and Robustness. N.J.: Prentice Hall, 1989.
  10. Kreisselmeier G., Rietze-Augst G. Richness and Excitation on an Interval-with Application to Continuous-Time Adaptive Control // IEEE Trans. Automat. Control. 1990. V. 35. No. 2. P. 165-171.
  11. Roy S.B., Bhasin S. Novel Model Reference Adaptive Control Architecture Using Semi-Initial Excitation-Based Switched Parameter Estimator // Int. J. Adaptive Control Signal Proc. 2019. V. 33. No. 12. P. 1759-1774.
  12. Glushchenko A., Lastochkin K. Robust Time-Varying Parameters Estimation Based on I-DREM Procedure // IFAC-PapersOnLine. 2022. V. 55. No. 12. P. 91-96.
  13. Ovcharov A., Vedyakov A., Kazak S., Bespalov V., Pyrkin A., Bobtsov A. Flux Observer for The Levitated Ball with Relaxed Excitation Conditions // Proc. European Control Conf. 2021. P. 2334-2339.
  14. Ovcharov A., Vedyakov A., Kazak S., Pyrkin A. Overparameterized model parameter recovering with finite-time convergence // Int. J. Adapt. Control. Signal Process. 2022. P. 1305-1325.
  15. Tihonov A.N. Solution of incorrectly formulated problems and the regularization method // Soviet Math. 1963. V. 4. P. 1035-1038.
  16. Hansen P.C. The Truncated SVD as a Method For Regularization // BIT Num. Math. 1987. V. 27. No. 4. С. 534-553.
  17. Meyer C.D. Matrix Analysis and Applied Linear Algebra. Siam, 2000.
  18. Glushchenko A.I., Lastochkin K.A., Petrov V.A. Normalization of Regressor Excitation in the Dynamic Extension and Mixing Procedure // Autom. Remote Control. 2022. Vol. 83. No. 1. P. 17-31.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © The Russian Academy of Sciences, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».