Resumen

El modelo de errores en variables (EIV) es un tipo de modelo que no solo tiene una salida ruidosa, sino también mediciones ruidosas de entrada, que pueden ser utilizadas para modelar sistemas en muchas aplicaciones de ingeniería. Sin embargo, la identificación del modelo EIV es mucho más complicada debido a los ruidos de entrada. Este artículo se centra en el problema de identificación adaptativa de modelos EIV en tiempo real. Algunos errores de derivación en una investigación de precisión del popular esquema de Frisch utilizado para la identificación EIV han sido señalados en un estudio reciente. Para resolver el mismo problema de modelado, se propone un nuevo algoritmo en este artículo. Se utiliza un proceso de promedio móvil (MA) como sustituto del impacto conjunto de los ruidos de entrada y salida mutuamente independientes, y luego se estiman los parámetros del sistema y las propiedades del ruido en el dominio del tiempo y en el dominio de la frecuencia por separado. Se construye una forma recursiva del cálculo del primer paso para mejorar la eficiencia del cálculo y la

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Errores en variables; Modelo EIV; Modelado del sistema; Identificación; Adaptativo; Algoritmo
• Keywords:Errors-in-variables; EIV model; System modeling; Identification; Adaptive; Algorithm