This

A polynomial transformation technique is used to obtain a frequency-domain model for a dual-rate system in which the output sampling period is an integer multiple of the input updating period. Based on this model, a self-tuning control algorithm is proposed by minimizing output tracking error criteria from directly the dual-rate input–output data. Convergence properties of the algorithm are analysed in detail in the stochastic framework. The output tracking error at the output sampling instants has the property of minimum variance. It is shown that the control algorithm can achieve virtually optimal control asymptotically, ensuring the closed-loop systems to be stable and globally convergent. A simulation example illustrates the self-tuning scheme presented. 

For a dual-rate sampled-data system, an auxiliary model based identification algorithm for combined parameter and output estimation is proposed. The basic idea is to use an auxiliary model to estimate the unknown noise-free output (true output) of the system, and directly to identify the parameters of the underlying fast single-rate model from the dual-rate input–output data. It is shown that the parameter estimation error consistently converges to zero under generalized or weak persistent excitation conditions and unbounded noise variance, and that the output estimates uniformly converge to the true outputs. An example is included.

Two

In