NICE SELECTIVE PATTERN, CANONICAL FORM AND MULTIVARIABLE LINEAR SYSTEM IDENTIFICATION

The canonical form of multivariable linear system are determined by a set of invariants. For a given system, there may be several sets of invariants, therefore different canonical form, in essence, can be obtained. In this paper the nice selector determining the set of invariants has been discussed and a new conception of the nice selective pattern determining the nice selector has been proposed. We put stress on discussion of the natural nice selective pattern and the related canonical form, and made some comparisons with the well known Popov's canonical form. Finally, a identification algorithm have been given for identifing the canonical form corresponding to natural nice selective pattern.     

适宜选择、规范形和多变量线性系统辨识

多变量线性系统的规范形是由一组不变量决定的。对给定的系统可以有不同的不变量组,因而也就有本质上不同的规范形。本文讨论了决定不变量组的适宜选择,并提出了在辨识中决定适宜选择的选择路线的概念。着重讨论了自然适宜选择以及相应的规范形,并和常见的Popov规范形作了比较。最后,对自然适宜选择下的规范形给出了整套辨识算法。     

基于离焦的微操作机器人系统光轴方向深度测量

在分析显微物镜成像原理的基础上,提出并实现了一种微操作机器人系统光轴方向深度测量方法,该方法通过显微物镜离焦光学传递函数（optical transfer function, OTF）建立物方离焦程度与显微图像模糊程度的关系,由此实现深度测量.由于考虑了透镜参数与衍射效应的影响,方法具有较高的测量精度和较好的线性度,同时利用条状物体快速辨识算法,对原始方法进行了简化,使深度测量可在线完成.进一步,将上述方法应用于实际微操作机器人系统,通过离焦状态双针互插实验验证了方法的有效性,同时拓展了微操作机器人系统的有效操作空间. 关键词： 深度测量 微操作机器人 显微镜系统成像模型 光学传递函数     

线性多变量系统的能观规范型与辨识

在现代控制理论中,系统的状态空间表示具有重要意义,因而多年来在多变量系统状态空间形式的辨识方面作了大量的工作,为了便于实现,人们研究了状态空间的规范形式。在能观规范形式的基础上提出了相应的不同的辨识方法。这领域内的先驱工作是由Gopinath和Budin完成的,后来Guidorzi发现了与状态空间的能观规范形CF_2等价的输入输出差分方程,因而可先通过对差分方程参数的估计,然后再实现状态空间形式;不久,Bingulac and Farias提出了与能观规范形CF_1相对应的辨识恒等式,直接表达了输入输出数椐与状态空间实现之间的关系。是两种典型的辨识方法,其它方法都是与其大同小异。迄今为止人们还没有明确地研究不同的规范形式之间的关系,对两种不同的辨识方法之间的关系也是不清楚的,从而妨碍了对多变量系统状态空间形式的辨识的本质理解及进一步研究。本文提出了广义选择矩阵这一新概念,并利用这一工具建立了与状态方程的规范形式等价的输入输出方程的一般形式,找到了不同的规范形式之间、不同的辨识方法之间的内在联系;在此基础上对规范型中矩阵B的计算提出了新的算法,避免了中的矩阵求逆及中的判断向量相关性,从而大大减少了运算量。此算法还适用于各种不同的辨识方法。 关于多变量系统的结构辨识,迄今为止都是     

ON LINE IDENTIFICATION OF MULTIVARIABLE LINEAR SYSTEMS BY CROSSCORRELATION METHOD

In this paper a simple method is presented for the recursive identification of multivariable systems. The philosophy is using a common gain matrix form subsystems to instead of m selfsustaining gain matrices as other authors do. So the computation of (m-1) matrices is avoided and on line computing burden is reduced. A simulation example is given, which illustrates that both accuracy and computing time are satisfactory.     

用互相关方法在线辨识线性多变量系统

至今为止,线性单变量系统的递推辨识已经有了许多有效的算法。相形之下,线性多变量系统的递推辨识有效算法要少的多。这些算法包括EL—Sherief和Sinha(1978)提出的递推最小二乘和随机逼近相结合的算法[1];Sinha和Kwong(1979)提出的广义最小二乘方法[2];Gauthier和Landau