Cristin-prosjekt-ID: 414402
Sist endret: 25. oktober 2013, 15:27

Cristin-prosjekt-ID: 414402
Sist endret: 25. oktober 2013, 15:27
Prosjekt

Systemidentifikasjon

prosjektleder

David Luigi Di Ruscio
ved Fakultet for teknologi, naturvitenskap og maritime fag ved Universitetet i Sørøst-Norge

prosjekteier / koordinerende forskningsansvarlig enhet

  • Fakultet for teknologi, naturvitenskap og maritime fag ved Universitetet i Sørøst-Norge

Klassifisering

Vitenskapsdisipliner

Arkitektur og design

Emneord

Identifisering

Tidsramme

Avsluttet
Start: 1. januar 1996 Slutt: 31. desember 2002

Beskrivelse Beskrivelse

Tittel

Systemidentifikasjon

Sammendrag

Systemidentifikasjon kan defineres som å beregne en modell for et system basert på observerte data. Typiske systemer som studeres er dynamiske systemer, stokastiske systemer, deterministiske systemer, kombinert stokastiske og deterministiske systemer samt rent statiske systemer. Den tradisjonelle løsningen på systemidentifikasjonsproblemet er å benytte klassiske prediksjonsfeil metoder basert på optimalisering. Disse metodene kan være uegnet på mange multivariate problemstillinger. I løpet av de siste ti år har man utviklet projeksjonsbaserte metoder for systemidentifikasjon. En slik metode som er sentral i prosjektet er DSR (datadreven systemidentifikasjon, modellering og realisering). De projeksjonsbaserte metodene har mange fordeler sammenlignet med de klassiske metodene. DSR kan for eksempel sees på som en direkte utvidelse av de rent statiske kjemometri-metodene (PCA, PCR og PLS) til å løse dynamiske datamodellerings problemer. Noen av målene for dette prosjektet er som følger: Å demonstrere hvordan projeksjonsbaserte metoder for data modellering kan benyttes på en vid klasse av systemer og problemstillinger, å kombinere datadreven modellering med fysikkbasert (mekanistisk) modellering, samt å annvende metoden på industrielle problemstillinger.

Vitenskapelig sammendrag

Systemidentifikasjon kan defineres som å beregne en modell for et system basert på observerte data. Typiske systemer som studeres er dynamiske systemer, stokastiske systemer, deterministiske systemer, kombinert stokastiske og deterministiske systemer samt rent statiske systemer. Den tradisjonelle løsningen på systemidentifikasjonsproblemet er å benytte klassiske prediksjonsfeil metoder basert på optimalisering. Disse metodene kan være uegnet på mange multivariate problemstillinger. I løpet av de siste ti år har man utviklet projeksjonsbaserte metoder for systemidentifikasjon. En slik metode som er sentral i prosjektet er DSR (datadreven systemidentifikasjon, modellering og realisering). De projeksjonsbaserte metodene har mange fordeler sammenlignet med de klassiske metodene. DSR kan for eksempel sees på som en direkte utvidelse av de rent statiske kjemometri-metodene (PCA, PCR og PLS) til å løse dynamiske datamodellerings problemer. Noen av målene for dette prosjektet er som følger: Å demonstrere hvordan projeksjonsbaserte metoder for data modellering kan benyttes på en vid klasse av systemer og problemstillinger, å kombinere datadreven modellering med fysikkbasert (mekanistisk) modellering, samt å annvende metoden på industrielle problemstillinger.

Tittel

System Identification

Sammendrag

System identification can be defined as to determine a model of a system from data. Dynamic systems; stochastic systems; deterministic systems; combined deterministic and stochastic systems and static systems, are investigated. System identification is traditionally solved by prediction error methods (PEM). Recently, the projection based subspace system identification (SID) methods has been developed. These methods have many advantages compared to PEM methods. Some of the goals of this project are as follows: First, to extend the subspace system identification method DSR to handle a larger class of systems. Three dimensional data modeling problems, nonlinear system identification problems, etc. Second, to combine data-driven modeling and first principles modelling. Third, to work with practical industrial modeling problems.

Vitenskapelig sammendrag

System identification can be defined as to determine a model of a system from data. Dynamic systems; stochastic systems; deterministic systems; combined deterministic and stochastic systems and static systems, are investigated. System identification is traditionally solved by prediction error methods (PEM). Recently, the projection based subspace system identification (SID) methods has been developed. These methods have many advantages compared to PEM methods. Some of the goals of this project are as follows: First, to extend the subspace system identification method DSR to handle a larger class of systems. Three dimensional data modeling problems, nonlinear system identification problems, etc. Second, to combine data-driven modeling and first principles modelling. Third, to work with practical industrial modeling problems.

prosjektdeltakere

prosjektleder

David Luigi Di Ruscio

  • Tilknyttet:
    Prosjektleder
    ved Fakultet for teknologi, naturvitenskap og maritime fag ved Universitetet i Sørøst-Norge
1 - 1 av 1