在设计LQR与LQG的过程中,我们往往默认参数是已知的,但是实际情况中参数一般是未知的,所以我们需要首先进行模型估计。本文将针对常用的模型估计方法进行总结。
估计方法
最小二乘法(LSM)
该方法使用线性系统输入(控制动作)和输出(状态轨迹)对系统参数进行辨识,一个线性系统可以表示为如下形式:
xt+1=Axt+ButLSM的目标是找到关于A和B的无偏估计ˆA和ˆB,寻找方法为解决如下二次优化问题:
(ˆA,ˆB)=argmin为了解决上式,令$z{t}=\left[\begin{array}{l}{x{t}} \ {u_{t}}\end{array}\right] \in \mathbb{R}^{n+p},\theta=[A, B] \in \mathbb{R}^{(n+p) \times n}$,在每一个采样点处进行采样,我们得到:
公式(\ref{ss})可以写为:
假设Z^TZ可逆,那么关于\theta的最小二乘估计为: