1) generalized minimum variance
广义最小方差
1.
A generalized minimum variance self-tuning controller is applicable to the random system of outside interference whose process model has already know,but the parameters' changing is slow-moving.
广义最小方差自校正控制器适用于过程模型已知,但参数缓慢变化且具有外干扰的随机系统。
2.
Considering which,we built up the longitudinal motion model of it,and designed a self-tuning controller of generalized minimum variance for longitudinal attitude of the UAV.
某型无人机主要用于典型空中目标的模拟飞行,需要严格稳定可靠的自主飞行控制,无人机在整个飞行包线中呈现非线性、时变特性,由此在建立其纵向运动数学模型的基础上,设计了无人机的纵向姿态广义最小方差自校正控制器。
2) Generalized Minimum Variance Control
广义最小方差控制
1.
Through simulation of the Generalized Predictive Controller and Generalized Minimum Variance Controller, the former shows better control quality than the latter, so it is very suitable to be the controller of the draw frame autoleveller.
通过对广义预测控制器和广义最小方差控制器的对比仿真,证明了广义预测控制优于广义最小方差控制,对并条机对象的特点有针对性,符合自调匀整系统的要求。
2.
On the basis of the Astrom stochastic control model,the problem of the non-minimum phase economic systems is discussed and the algorithm of generalized minimum variance control is designed.
应用广义最小方差控制方法设计出自发投资的调控策略。
3) generalized minimum variance benchmarking
广义最小方差基准
4) GMv
广义最小方差算法
5) GMERR method
广义最小误差方法
1.
The first aspect is the restarted GMERR method augmented witheigenvectors.
本文研究求解大型线性方程组的广义最小误差方法(GMERR),从两个方面对方法进行了改进,并提出了相应的算法。
6) Generalized Least Variance Controller
广义最小方差控制器
补充资料：最小方差控制
使有随机噪声作用的系统的输出量的起伏方差保持为最小的控制方式。最小方差控制方式可应用于许多工业过程控制中。最小方差控制是随机最优控制（见随机控制理论）的特殊情形。随机控制的概念和方法也完全适用于这类控制。最小方差控制的求解和实现更为简单，应用更为方便。假定对象输出y(t)、控制输入u(t)和随机干扰 ε(t)之间的关系由可控自回归滑动平均(CARMA)时间序列模型来描述：
y(t)+a1y(t-1)+...any(t-n)
＝b0u(t-k)+b1u(t-k-1)+...+bnu(t-k-n)+ ε(t)+c1ε(t-1)+...+cnε(t-n)式中t时刻输出值y(t)与直到n步前的值 y(t-n)有关这一事实，反映了运动过程的记忆性；输入u(t-k)要经过k步延迟才能影响输出值;ε(t)为前后独立的随机干扰序列。引入延迟算子q-1:q-1x(t)=x(t-1),并采用多项式记号：
A(q-1)＝1+a1q-1+...+anq_n
B(q-1)＝b0+b1q-1+...+bnq_n
C(q-1)＝1+c1q-1+...+cnq_n则系统模型可简化为
A(q-1)y(t)＝B(q-1)u(t-k)+C(q-1)ε(t)最小方差控制是使输出y(t)的方差V＝E{y2(t)}取最小值的控制。由于控制u(t)只与y(t)、y(t-1)、...和u(t-1)、u(t-2)、...等已获取的信息有关,而u(t)直到k步后才开始影响输出y(t+k)的值,因此实现最小方差控制的关键在于预报k步以后的输出，然后选取控制值,使预报值恰等于理论值。最优控制解为
u＝-B-1(q-1)G(q-1)F-1(q-1)y(t)式中多项式F和G由下列方程解出
C(q-1)=F(q-1)A(q-1)+q_kG(q-1)这里F的阶数不超过k-1。这类有限步数的最小方差控制还可推广到无穷步数的情形和多输入、多输出情形。
参考书目
K.J.奥斯特略姆著,潘裕焕译:《随机控制理论导论》，科学出版社,北京，1983。(K.J. Astr╂m，Introduction to Stochastic Control Theory，Academic Press, New York,1970.)
y(t)+a1y(t-1)+...any(t-n)
＝b0u(t-k)+b1u(t-k-1)+...+bnu(t-k-n)+ ε(t)+c1ε(t-1)+...+cnε(t-n)式中t时刻输出值y(t)与直到n步前的值 y(t-n)有关这一事实，反映了运动过程的记忆性；输入u(t-k)要经过k步延迟才能影响输出值;ε(t)为前后独立的随机干扰序列。引入延迟算子q-1:q-1x(t)=x(t-1),并采用多项式记号：
A(q-1)＝1+a1q-1+...+anq_n
B(q-1)＝b0+b1q-1+...+bnq_n
C(q-1)＝1+c1q-1+...+cnq_n则系统模型可简化为
A(q-1)y(t)＝B(q-1)u(t-k)+C(q-1)ε(t)最小方差控制是使输出y(t)的方差V＝E{y2(t)}取最小值的控制。由于控制u(t)只与y(t)、y(t-1)、...和u(t-1)、u(t-2)、...等已获取的信息有关,而u(t)直到k步后才开始影响输出y(t+k)的值,因此实现最小方差控制的关键在于预报k步以后的输出，然后选取控制值,使预报值恰等于理论值。最优控制解为
u＝-B-1(q-1)G(q-1)F-1(q-1)y(t)式中多项式F和G由下列方程解出
C(q-1)=F(q-1)A(q-1)+q_kG(q-1)这里F的阶数不超过k-1。这类有限步数的最小方差控制还可推广到无穷步数的情形和多输入、多输出情形。
参考书目
K.J.奥斯特略姆著,潘裕焕译:《随机控制理论导论》，科学出版社,北京，1983。(K.J. Astr╂m，Introduction to Stochastic Control Theory，Academic Press, New York,1970.)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条