《系统辨识》上机实Ⅰ：系统辨识方法初识.docVIP

《系统辨识》上机实习Ⅰ：系统辨识方法初识 应用举例 考虑如下仿真系统：，其中为噪声项，分别取（1），（2），其中为白噪声。这两种情况下，试采用伪随机信号作为输入，应用相关分析辨识系统的脉冲响应函数，辨识出系统的模型参数。 实验步骤 通过系统的模型获取仿真试验数据 利用相关分析法来辨识系统的脉冲响应函数 对所获得的非参数模型进行检验，同时，分别对各种噪声模型的实验结果进行比对 对于参数模型的辨识，通过选取各种不同的参数模型，进行系统的结构辨识，在此基础上应用各种参数估计算法来估计模型的参数，并对所估计的模型进行检验。 例程 clear all; N=1023; A=[1 -1.5 0.7];B=[0 1 0.5];C=[1 0.5];D=[1 0.5]; Model=idpoly(A,B); step(Model,[0 100]); grid on;figure(1); Model_wnoise=idpoly(A,B,1); U=iddata([],idinput(N,prbs)); E=iddata([],idinput(N,rgs)); Y=sim(Model_wnoise,[U,E]); Model_Noise1=idpoly(A,B,C); Y1=sim(Model_Noise1,[U,E]); Model_Noise2=idpoly(A,B,1,D); Y2=sim(Model_Noise2,[U,E]); Z=[Y,U]; Z=detrend(Z); [Impulse_Res,r,c1]=cra(Z,100,0,1); plot(Impulse_Res(2:50)); figure(2); grid on; hold on; impulse(Model_wnoise,r,50); hold off; data=iddata(Y,U); NN=struc(1:3,1:3,1:3); Loss_Fun=arxstruc(data,data,NN); order=selstruc(Loss_Fun,aic); figure(3); Model_Para=arx(data,order); present(Model_Para); compare(data,Model_Para); resid(Model_Para,data); [Para1,Para2]=rarx(data,order,ff,0.98); count=length(Para1); A=[1,Para1(count,1),Para1(count,2)]; B=[0,Para1(count,3),Para1(count,4)]; Model_Para=poly2th(A,B); % data=iddata(Y1,U); % NN=struc(1:2,1:2,1:2); % Loss_Fun=arxstruc(data,data,NN); % order=selstruc(Loss_Fun,aic); % order=[order(1),order(2),1,order(3)]; % Model_Noise1=armax(data,order); data=iddata(Y2,U); NN=struc(1:2,1:2,1:2); Loss_Fun=arxstruc(data,data,NN); order=selstruc(Loss_Fun,aic); order=[order(1),order(2),0,1,0,order(3)]; Model_Noise2=pem(data,order); 本次实验任务 已知系统传递函数为，试用Matlab仿真其阶跃响应并取的其测量值，进而确定系统的脉冲响应函数和传递函数。具体过程和方法参考附件1。 附件1 1 Experiment Design Assuming you have the software tools needed to perform system identification, the first step in this process is to design one or more experiments to capture the systems dynamic behavior. The collected data must contain histories of the system input and output signals sampled at uniform time intervals during the experiments. To provide the best results, the experiments must satisfy the following