Готові списки джерел за темами / Subspace identification methods

Добірка наукової літератури з теми "Subspace identification methods"

Автор: Grafiati
Опубліковано: 7 липня 2024

Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями

Оберіть тип джерела:

Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Subspace identification methods".

Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.

Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.

Зміст

  1. Статті в журналах
  2. Дисертації
  3. Книги
  4. Частини книг
  5. Тези доповідей конференцій
  6. Звіти організацій

Статті в журналах з теми "Subspace identification methods":

1

Dalen, Christer, and David Di Ruscio. "On subspace system identification methods." Modeling, Identification and Control: A Norwegian Research Bulletin 43, no. 4 (2022): 119–30. http://dx.doi.org/10.4173/mic.2022.4.1.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
2

Viberg, Mats. "Subspace Methods in System Identification." IFAC Proceedings Volumes 27, no. 8 (July 1994): 1–12. http://dx.doi.org/10.1016/s1474-6670(17)47689-0.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
3

Joe Qin, S. "Subspace methods for system identification." Automatica 43, no. 4 (April 2007): 748–49. http://dx.doi.org/10.1016/j.automatica.2006.07.027.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
4

Avcıoğlu, Sevil, Ali Türker Kutay, and Kemal Leblebicioğlu. "Identification of Physical Helicopter Models Using Subspace Identification." Journal of the American Helicopter Society 65, no. 2 (April 1, 2020): 1–14. http://dx.doi.org/10.4050/jahs.65.022001.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Анотація:
Subspace identification is a powerful tool due to its well-understood techniques based on linear algebra (orthogonal projections and intersections of subspaces) and numerical methods like singular value decomposition. However, the state space model matrices, which are obtained from conventional subspace identification algorithms, are not necessarily associated with the physical states. This can be an important deficiency when physical parameter estimation is essential. This holds for the area of helicopter flight dynamics, where physical parameter estimation is mainly conducted for mathematical model improvement, aerodynamic parameter validation, and flight controller tuning. The main objective of this study is to obtain helicopter physical parameters from subspace identification results. To achieve this objective, the subspace identification algorithm is implemented for a multirole combat helicopter using both FLIGHTLAB simulation and real flight-test data. After obtaining state space matrices via subspace identification, constrained nonlinear optimization methodologies are utilized for extracting the physical parameters. The state space matrices are transformed into equivalent physical forms via the "sequential quadratic programming" nonlinear optimization algorithm. The required objective function is generated by summing the square of similarity transformation equations. The constraints are selected with physical insight. Many runs are conducted for randomly selected initial conditions. It can be concluded that all of the significant parameters can be obtained with a high level of accuracy for the data obtained from the linear model. This strongly supports the idea behind this study. Results for the data obtained from the nonlinear model are also evaluated to be satisfactory in the light of statistical error analysis. Results for the real flight-test data are also evaluated to be good for the helicopter modes that are properly excited in the flight tests.
5

Miller, Daniel N., and Raymond A. de Callafon. "Subspace Identification From Classical Realization Methods." IFAC Proceedings Volumes 42, no. 10 (2009): 102–7. http://dx.doi.org/10.3182/20090706-3-fr-2004.00016.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
6

Mathieu, Pouliquen, and M'Saad Mohammed. "AN INTERPRETATION OF SUBSPACE IDENTIFICATION METHODS." IFAC Proceedings Volumes 38, no. 1 (2005): 904–9. http://dx.doi.org/10.3182/20050703-6-cz-1902.00152.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
7

Wani Jamaludin, Irma Wani Jamaludin, and Norhaliza Abdul Wahab. "Recursive Subspace Identification Algorithm using the Propagator Based Method." Indonesian Journal of Electrical Engineering and Computer Science 6, no. 1 (April 1, 2017): 172. http://dx.doi.org/10.11591/ijeecs.v6.i1.pp172-179.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Анотація:
<p>Subspace model identification (SMI) method is the effective method in identifying dynamic state space linear multivariable systems and it can be obtained directly from the input and output data. Basically, subspace identifications are based on algorithms from numerical algebras which are the QR decomposition and Singular Value Decomposition (SVD). In industrial applications, it is essential to have online recursive subspace algorithms for model identification where the parameters can vary in time. However, because of the SVD computational complexity that involved in the algorithm, the classical SMI algorithms are not suitable for online application. Hence, it is essential to discover the alternative algorithms in order to apply the concept of subspace identification recursively. In this paper, the recursive subspace identification algorithm based on the propagator method which avoids the SVD computation is proposed. The output from Numerical Subspace State Space System Identification (N4SID) and Multivariable Output Error State Space (MOESP) methods are also included in this paper.</p>
8

Mohd-Mokhtar, Rosmiwati, and Liuping Wang. "Continuous time system identification using subspace methods." ANZIAM Journal 48 (June 26, 2007): 712. http://dx.doi.org/10.21914/anziamj.v47i0.1072.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
9

Muradore, Riccardo, and Enrico Fedrigo. "SUBSPACE IDENTIFICATION METHODS APPLIED TO ADAPTIVE OPTICS." IFAC Proceedings Volumes 39, no. 1 (2006): 943–48. http://dx.doi.org/10.3182/20060329-3-au-2901.00150.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
10

van der Veen, Gijs, Jan-Willem van Wingerden, Marco Lovera, Marco Bergamasco, and Michel Verhaegen. "Closed-loop subspace identification methods: an overview." IET Control Theory & Applications 7, no. 10 (July 4, 2013): 1339–58. http://dx.doi.org/10.1049/iet-cta.2012.0653.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Більше джерел
Також вас можуть зацікавити розширені добірки на тему "Subspace identification methods" для конкретних типів джерел:
Статті в журналах Дисертації

Дисертації з теми "Subspace identification methods":

1

Shi, Ruijie. "Subspace identification methods for process dynamic modeling /." *McMaster only, 2001.

Знайти повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
2

Zhao, Yong. "Identification of ankle joint stiffness using subspace methods." Thesis, McGill University, 2010. http://digitool.Library.McGill.CA:80/R/?func=dbin-jump-full&object_id=86800.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Анотація:
Studying joint stiffness against a compliant load is a difficult problem because the intrinsic and reflex torques cannot be measured separately experimentally. Moreover, the joint stiffness is operated within a closed loop because the ankle torque is fed back through the load to change the ankle position. In this thesis, a state space model for ankle joint stiffness is developed. Then, a discrete-time, subspace-based method is used to estimate this state space model for overall stiffness. By using appropriate instrumental variables, the subspace method can estimate the state space model for joint stiffness in both open-loop and in closed-loop conditions. This thesis also presents a subspace method to identify state space models for biomedical systems with short transients or systems with time-varying behaviors, from ensembles of short transients. The simulation and experimental results demonstrate that those algorithms provide accurate estimates under their respective conditions.
L'étude de la rigidité articulaire en réponse à une charge est un problème difficile car les couples réflexes et intrinsèques ne peuvent pas être mesurés séparément expérimentalement. En outre, la rigidité articulaire opère en boucle fermée car le couple de la cheville est réinjectée à travers la charge pour modifier la position de la cheville. Dans cette thèse, un modèle d'espace d'état pour la rigidité articulaire de la cheville est développé. Une méthode sous-espace à temps discret est ensuite utilisée pour estimer ce modèle d'espace d'état pour la rigidité globale. En considérant les variables instrumentales appropriées, la méthode sous-espace permet d'estimer le modèle espace d'état pour la rigidité articulaire en boucles ouverte et fermée. Cette thèse présente également une méthode sous-espace pour identifier les modèles d'espace d'état pour les systèmes biomédicauxou les systèmes variant dans le temps caractérisés par des phénomènes transitoires de courte durée. Les simulations et les résultats expérimentaux démontrent que ces algorithmes fournissent des estimations précises en fonction de leurs conditions propres.
3

Chui, Nelson Loong Chik. "Subspace methods and informative experiments for system identification." Thesis, University of Cambridge, 1997. http://ethos.bl.uk/OrderDetails.do?uin=uk.bl.ethos.298794.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
4

Dahlen, Anders. "Identification of stochastic systems : Subspace methods and covariance extension." Doctoral thesis, KTH, Mathematics, 2001. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-3178.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
5

Zhou, Ning. "Subspace methods of system identification applied to power systems." Laramie, Wyo. : University of Wyoming, 2005. http://proquest.umi.com/pqdweb?did=1095432761&sid=1&Fmt=2&clientId=18949&RQT=309&VName=PQD.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
6

Dahlén, Anders. "Identification of stochastic systems : subspace methods and covariance extension /." Stockholm : Tekniska högsk, 2001. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-3178.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
7

Lam, Xuan-Binh. "Uncertainty quantification for stochastic subspace indentification methods." Rennes 1, 2011. http://www.theses.fr/2011REN1S133.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Анотація:
In Operational Modal Analysis, the modal parameters (natural frequencies, damping ratios, and mode shapes) obtained from Stochastic Subspace Identification (SSI) of a structure, are afflicted with statistical uncertainty. For evaluating the quality of the obtained results it is essential to know the appropriate uncertainty bounds of these terms. In this thesis, the algorithms, that automatically compute the uncertainty bounds of modal parameters obtained from SSI of a structure based on vibration measurements, are presented. With these new algorithms, the uncertainty bounds of the modal parameters of some relevant industrial examples are computed. To quantify the statistical uncertainty of the obtained modal parameters, the statistical uncertainty in the data can be evaluated and propagated to the system matrices and, thus, to the modal parameters. In the uncertainty quantification algorithm, which is a perturbation-based method, it has been shown how uncertainty bounds of modal parameters can be determined from the covariances of the system matrices, which are obtained from some covariance of the data and the covariances of subspace matrices. In this thesis, several results are derived. Firstly, a novel and more realistic scheme for the uncertainty calculation of the mode shape is presented, the mode shape is normalized by the phase angle of the component having the maximal absolute value instead of by one of its components. Secondly, the uncertainty quantification is derived and developed for several identification methods, first few of them are covariance- and data-driven SSI. The thesis also mentions about Eigensystem Realization Algorithm (ERA), a class of identification methods, and its uncertainty quantification scheme. This ERA approach is introduced in conjunction with the singular value decomposition to derive the basic formulation of minimum order realization. Besides, the thesis supposes efficient algorithms to estimate the system matrices at multiple model orders, the uncertainty quantification is also derived for this new multi-order SSI method. Two last interesting sections of the thesis are discovering the uncertainty of multi-setups SSI algorithm and recursive algorithms. In summary, subspace algorithms are efficient tools for vibration analysis, fitting a model to input/output or output-only measurements taken from a system. However, uncertainty quantification for SSI was missing for a long time. The uncertainty quantification is very important feature for credibility of modal analysis exploitation
En analyse modale operationelle, les paramètres modaux (fréquence, amortissement, déforméees) peuvent être obtenus par des méthodes d'identification de type sous espaces et sont définis à une incertitude stochastique près. Pour évaluer la qualité des résultats obtenus, il est essentiel de connaître les bornes de confiance sur ces résultats. Dans cette thèse sont développés des algorithmes qui calcule automatiquement de telles bornes de confiance pour des paramètres modaux caractèristiques d'une structure mécanique. Ces algorithmes sont validés sur des exemples industriels significatifs. L'incertitude est tout d'abord calculé sur les données puis propagée sur les matrices du système par calcul de sensibilité, puis finalement sur les paramètres modaux. Les algorithmes existants sur lesquels se basent cette thèse dérivent l'incertitude des matrices du système de l'incertitude sur les covariances des entrées mesurées. Dans cette thèse, plusieurs résultats ont été obtenus. Tout d'abord, l'incertitude sur les déformées modales est obtenue par un schema de calcul plus réaliste que précédemment, utilisant une normalisation par l'angle de phase de la composante de valeur maximale. Ensuite, plusieurs méthodes de sous espaces et non seulement les méthodes à base de covariance sont considérées, telles que la méthode de réalisation stochastique ERA ainsi que la méthode UPC, à base des données. Pour ces méthodes, le calcul d'incertitude est explicité. Deu autres problèmatiques sont adressés : tout d'abord l'estimation multi ordre par méthode de sous espace et l'estimation à partir de jeux de données mesurées séparément. Pour ces deux problèmes, les schemas d'incertitude sont développés. En conclusion, cette thèse s'est attaché à développer des schemas de calcul d'incertitude pour une famille de méthodes sous espaces ainsi que pour un certain nombre de problèmes pratiques. La thèse finit avec le calcul d'incertitudes pour les méthodes récursives. Les méthodes sous espaces sont considérées comme une approche d'estimation robuste et consistante pour l'extraction des paramètres modaux à partir de données temporelles. Le calcul des incertitudes pour ces méthodes est maintenant possible, rendant ces méthodes encore plus crédible dans le cadre de l'exploitation de l'analyse modale
8

Nilsen, Geir Werner. "Topics in open and closed loop subspace system identification : finite data-based methods." Doctoral thesis, Norwegian University of Science and Technology, Faculty of Information Technology, Mathematics and Electrical Engineering, 2005. http://urn.kb.se/resolve?urn=urn:nbn:no:ntnu:diva-1752.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
9

Ivanova, Elena. "Identification de systèmes multivariables par modèle non entier en utilisant la méthode des sous-espaces." Thesis, Bordeaux, 2017. http://www.theses.fr/2017BORD0561/document.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Анотація:
L’identification des systèmes par modèle non entier a été initiée dans les années 1990 et de nombreux résultats ont été obtenus depuis. Néanmoins, la plupart de ces résultats utilise les méthodes de la famille des méthodes à erreur de prédiction, basées sur la minimisation de la norme ℓ2 de l’erreur d’estimation. Apparues en 1996, les méthodes des sous-espaces sont relativement nouvelles dans la théorie de l’identification de systèmes linéaires. Basées sur des projections géométriques et l’algèbre linéaire, elles présentent une alternative intéressante aux méthodes classiques basées sur la régression linéaire ou non linéaire. Elles permettent d’estimer les matrices d’un modèle à base d’une représentation d’état. Dans le contexte des systèmes non entiers, la notion de pseudo-représentation d’état généralise la notion de représentation d’état en introduisant un paramètre supplémentaire qui est l’ordre commensurable.Actuellement, la méthode des sous-espaces pour des systèmes non entiers n’a cependant été appliquée que dans le domaine temporel. Elle est alors développée dans cette thèse pour une telle classe de systèmes dans le domaine fréquentiel. De plus, comme les systèmes non entiers sont des systèmes à temps continu, un filtrage des données est nécessaire pour respecter la causalité des signaux et pour pouvoir réaliser l’identification. Une étude comparative des différentes méthodes de filtrage dans le contexte de l’identification pour déduire leurs avantages et inconvénients est réalisée dans le domaine temporel. Enfin,les méthodes développées ont été appliquées à un système réel en diffusion thermique.Les modèles obtenus sont généralisés à des matériaux soumis à plusieurs flux de chaleur en entrée tout en considérant leur température en plusieurs points de mesures
The identification of systems by fractional models was initiated in the 1990s and various results have been obtained since. Nevertheless, most of these results are based on prediction error methods (PEM) of identification, based on the minimization of the norm of the estimation error. Apparent in 1996, the subspace methods are relatively new in the theory of the identification of linear systems. Based on geometric projections and linear algebra, they present an alternative to classical methods based on linear or nonlinear regression. They allow estimating the matrices of the state-space representation of a system. In the context of fractional systems, a pseudo-state-space representation generalizes the notion of state-space representation by introducing an additional parameter which is the commensurable order.Currently, the subspace method for non-integer systems has only been applied inthe time domain. It is then developed in this thesis for such a class of systems in the frequency domain. Moreover, since non-integer systems are continuous time systems, datapre-filtering is necessary to respect the causality of the signals and to be able to realize the identification. A study of the different filtering methods in the context of subspaceidentification is then carried out in order to deduce their advantages and disadvantages in the time domain. Finally, the method has been applied to a thermal diffusion system.The obtained models are generalized for several input heat flows, considering their temperature available at several measurement points
10

Jorajuria, Corentin. "Estimation de l'amortissement des aubages en analyse modale opérationnelle." Electronic Thesis or Diss., Ecully, Ecole centrale de Lyon, 2024. http://www.theses.fr/2024ECDL0003.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Анотація:
Les objectifs du secteur aérien européen pour la réduction des impacts environnementaux conduisent à concevoir de nouveaux moteurs d'avion civil. Ces nouvelles conceptions peuvent induire des risques aéroélastiques plus sévères pour les soufflantes de turboréacteur. Dans ce contexte, comprendre et prédire les phénomènes de dissipation d'énergie constitue un enjeu industriel important. Comme ces phénomènes peuvent être variés et complexes, l'approche expérimentale prend une grande importance pour l'étude de l'amortissement. Ces travaux de thèse se concentrent sur l'estimation de l'amortissement au sein de soufflantes de turboréacteurs. Pour cela, ils traitent de méthodes d'estimation modale dans le domaine fréquentiel et temporel. Les problématiques d'estimation modale sont abordées grâce à un banc d'essais permettant de réaliser des mesures vibratoires sur une soufflante à l'échelle 1:1 en rotation sous vide et excitée par des actionneurs piézoélectriques. De plus, les méthodes d'identification de sous-espaces, présentant des avantages intéressants pour l'estimation des modes de soufflantes en rotation, sont traitées de manière plus spécifique. Les performances d'estimation de ces méthodes ont été évaluées sur des modèles numériques. Puis, ces méthodes ont été appliquées sur des mesures vibratoires de soufflante en rotation sous vide. Par ailleurs, les données d'essais en conditions de fonctionnement montrent que les excitations de l'environnement opérationnel peuvent induire des réponses transitoires significatives. En conséquence, nous avons étudié l'influence d'effets instationnaires sur la caractérisation modale grâce à des essais vibratoires pour lesquels les excitations présentent différents taux d'instationnarité. Enfin, les méthodes d'estimation montrant des résultats encourageants sur les essais en rotation sous vide ont été appliquées sur des données expérimentales obtenues en conditions opérationnelles
European goals to reduce air traffic environmental impacts leads to design new civilian turbojet engines. These new designs can result in more severe aeroelastic risks for turbojet engines. In this regard, understanding and predicting dissipation phenomena is a key industrial challenge. As these phenomena can be very wide and complex, experimental approaches take an important role to understand damping. This thesis focuses on the estimation of damping of fan of civilian turbojet engines. To this end, estimation methods in frequency and time domain have been studied. The estimation issues are addressed thanks to a test rig making possible to measure vibratory responses of rotating full-scale fan in vacuum conditions using piezoelectric excitations. Moreover, subspace identification methods, showing particular advantages for the estimation of modes of rotating fans, have been investigated more specifically. Estimation performances of these techniques have been assessed over numerical models. Then, these techniques have been applied over vibratory measurements of a rotating fan in vacuum conditions. Furthermore, experimental data of fans in operation show that excitations can induce significant transient responses. Accordingly, an experimental study evaluating the effect of unsteady responses over modal characterization has been carried out. This experimental study has been performed thanks to modal tests using excitations with different unsteady rate. Finally, estimation methods showing encouraging results over modal tests of a rotating fan in vacuum conditions have been applied over experimental data obtained in operational conditions
Більше джерел

Книги з теми "Subspace identification methods":

1

Katayama, Tohru. Subspace methods for system identification. London: Springer, 2005.

Знайти повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
2

Katayama, Tohru. Subspace Methods for System Identification. London: Springer London, 2005. http://dx.doi.org/10.1007/1-84628-158-x.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
3

Katayama, Tohru. Subspace Methods for System Identification. Springer London, Limited, 2010.

Знайти повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
4

Katayama, Tohru. Subspace Methods for System Identification. Springer London, Limited, 2006.

Знайти повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.

Частини книг з теми "Subspace identification methods":

1

Isermann, Rolf, and Marco Münchhof. "Subspace Methods." In Identification of Dynamic Systems, 409–25. Berlin, Heidelberg: Springer Berlin Heidelberg, 2010. http://dx.doi.org/10.1007/978-3-540-78879-9_16.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
2

Moonen, Marc, Bart Moor, and Joos Vandewalle. "SVD-based subspace methods for multivariable continuous-time systems identification." In Identification of Continuous-Time Systems, 473–88. Dordrecht: Springer Netherlands, 1991. http://dx.doi.org/10.1007/978-94-011-3558-0_15.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
3

Katayama, Tohru. "Role of LQ Decomposition in Subspace Identification Methods." In Lecture Notes in Control and Information Sciences, 207–20. Berlin, Heidelberg: Springer Berlin Heidelberg, 2007. http://dx.doi.org/10.1007/978-3-540-73570-0_17.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
4

Wang, Jing, Jinglin Zhou, and Xiaolu Chen. "Statistics Decomposition and Monitoring in Original Variable Space." In Intelligent Control and Learning Systems, 79–100. Singapore: Springer Singapore, 2022. http://dx.doi.org/10.1007/978-981-16-8044-1_6.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
Анотація:
AbstractThe traditional process monitoring method first projects the measured process data into the principle component subspace (PCS) and the residual subspace (RS), then calculates $$\mathrm T^2$$ T 2 and $$\mathrm SPE$$ S P E statistics to detect the abnormality. However, the abnormality by these two statistics are detected from the principle components of the process. Principle components actually have no specific physical meaning, and do not contribute directly to identify the fault variable and its root cause. Researchers have proposed many methods to identify the fault variable accurately based on the projection space. The most popular is contribution plot which measures the contribution of each process variable to the principal element (Wang et al. 2017; Luo et al. 2017; Liu and Chen 2014). Moreover, in order to determine the control limits of the two statistics, their probability distributions should be estimated or assumed as specific one. The fault identification by statistics is not intuitive enough to directly reflect the role and trend of each variable when the process changes.
5

Kim, Junhee, and Jerome P. Lynch. "Comparison Study of Output-only Subspace and Frequency-Domain Methods for System Identification of Base Excited Civil Engineering Structures." In Civil Engineering Topics, Volume 4, 305–12. New York, NY: Springer New York, 2011. http://dx.doi.org/10.1007/978-1-4419-9316-8_28.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
6

Mirzaei, M., J. W. Bredewout, and R. K. Snieder. "Gravity Data Inversion Using the Subspace Method." In Parameter Identification and Inverse Problems in Hydrology, Geology and Ecology, 187–98. Dordrecht: Springer Netherlands, 1996. http://dx.doi.org/10.1007/978-94-009-1704-0_11.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
7

Zhang, Zhenguo, Xiuchang Huang, Zhiyi Zhang, and Hongxing Hua. "Force Identification Based on Subspace Identification Algorithms and Homotopy Method." In Dynamics of Coupled Structures, Volume 4, 25–31. Cham: Springer International Publishing, 2016. http://dx.doi.org/10.1007/978-3-319-29763-7_4.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
8

Zhu, Rui, Stefano Marchesiello, Dario Anastasio, Dong Jiang, and Qingguo Fei. "Identification of Nonlinear Damping Using Nonlinear Subspace Method." In NODYCON Conference Proceedings Series, 369–77. Cham: Springer International Publishing, 2022. http://dx.doi.org/10.1007/978-3-030-81166-2_33.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
9

Döhler, Michael, Palle Andersen, and Laurent Mevel. "Operational Modal Analysis Using a Fast Stochastic Subspace Identification Method." In Topics in Modal Analysis I, Volume 5, 19–24. New York, NY: Springer New York, 2012. http://dx.doi.org/10.1007/978-1-4614-2425-3_3.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
10

Iglesia, Daniel I., Carlos J. Escudero, and Luis Castedo. "A Subspace Method for Blind Channel Identification in Multi-Carrier CDMA Systems." In Multi-Carrier Spread Spectrum & Related Topics, 167–74. Boston, MA: Springer US, 2000. http://dx.doi.org/10.1007/978-1-4615-4463-0_19.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.

Тези доповідей конференцій з теми "Subspace identification methods":

1

Jamaludin, I. W., N. A. Wahab, N. S. Khalid, S. Sahlan, Z. Ibrahim, and M. F. Rahmat. "N4SID and MOESP subspace identification methods." In 2013 IEEE 9th International Colloquium on Signal Processing & its Applications (CSPA). IEEE, 2013. http://dx.doi.org/10.1109/cspa.2013.6530030.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
2

Tauchmanova, Jana, and Martin Hromcik. "Subspace identification methods and fMRI analysis." In 2008 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE, 2008. http://dx.doi.org/10.1109/iembs.2008.4650193.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
3

Shi, R., and J. F. MacGregor. "A framework for subspace identification methods." In Proceedings of American Control Conference. IEEE, 2001. http://dx.doi.org/10.1109/acc.2001.946206.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
4

Chen, Huixin, Jan Maciejowski, and Chris Cox. "Unbiased bilinear subspace system identification methods." In 2001 European Control Conference (ECC). IEEE, 2001. http://dx.doi.org/10.23919/ecc.2001.7076303.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
5

Turkay, Semiha, and Huseyin Akcay. "Road profile modeling by subspace identification methods." In 2015 15th International Conference on Control, Automation and Systems (ICCAS). IEEE, 2015. http://dx.doi.org/10.1109/iccas.2015.7364616.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
6

Trnka, Pavel, and Vladimir Havlena. "Integrating Prior Information into Subspace Identification Methods." In 2007 IEEE International Conference on Control Applications. IEEE, 2007. http://dx.doi.org/10.1109/cca.2007.4389392.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
7

Jamaludin, I. W., N. A. Wahab, M. F. Rahmat, and S. Sahlan. "Online subspace identification methods for MIMO model." In 2012 IEEE Conference on Control, Systems & Industrial Informatics (ICCSII). IEEE, 2012. http://dx.doi.org/10.1109/ccsii.2012.6470466.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
8

Trnka, Pavel, and Vladimir Havlena. "Integrating Prior Information into Subspace Identification Methods." In 2007 IEEE 22nd International Symposium on Intelligent Control. IEEE, 2007. http://dx.doi.org/10.1109/isic.2007.4359771.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
9

Nasir, Hasan Arshad, and Erik Weyer. "Comparison of prediction error methods and subspace identification methods for rivers." In 2013 3rd Australian Control Conference (AUCC). IEEE, 2013. http://dx.doi.org/10.1109/aucc.2013.6697309.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.
10

Lefkovits, Szidonia, and Laszlo Lefkovits. "Combining Subspace Methods and CNN Segmentation for Iris Identification." In 2019 IEEE 17th World Symposium on Applied Machine Intelligence and Informatics (SAMI). IEEE, 2019. http://dx.doi.org/10.1109/sami.2019.8782780.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.

Звіти організацій з теми "Subspace identification methods":

1

Nandanoori, Sai Pushpak, Kristine Arthur-Durett, Alejandro Heredia-Langner, and Thomas Edgar. A Data-driven approach to Determining the Fidelity in the Hardware-in-the-loop Systems using Subspace Identification Method. Office of Scientific and Technical Information (OSTI), February 2024. http://dx.doi.org/10.2172/2325016.

Повний текст джерела
Стилі APA, Harvard, Vancouver, ISO та ін.

До бібліографії