系统辨识--概述及非参数辨识.pptVIP

输入输出数据 系统的输入输出数据是由对系统的观测而得,这些变化着的输入输出数据“必然”表现出系统的动态和静态特性和行为。 这是能利用测量数据进行辨识建模的着眼点,是辨识的基础。 一般在辨识中假定系统的输入输出数据是可直接测量的,但扰动/噪声是不可测量的。 由于被控系统受各种内外环境因素的影响,实际测量到的输入输出数据都含有一定的扰动和误差, 因此辨识建模实际上是一种实验统计的方法,它所获得的模型仅仅是实际系统的外部特性等价的一种近似描述. 若不考虑系统和测量数据所受到的扰动和误差的影响,实际上系统辨识和建模将仅仅是一个非常简单的方程求解、函数优化、函数逼近、或数据拟合问题,而不会形成为一个相对独立的学科. 输入输出数据中隐含的扰动和误差,是进行辨识困难性的关键. 模型类 系统辨识中,首要的问题是根据辨识的目的及对被辨识系统的先验知识或了解,确定系统所属的模型类. 模型的确定不唯一,受辨识目的、辨识方法等因素影响,根据具体情况、具体需要选择不同的模型类. 在控制领域内,常用的模型类有: 参数模型或非参数模型 Non-parametric methods try to estimate a generic model (step responses, impulse responses, frequency responses,neural network model) Para