基于ARMAX模型的子空间辨识算法.pdfVIP

第32卷 第1期 计 算 机 仿 真 2015年1月 文章编号：1006—9348(2015)01—0310—04 基于ARMAX模型的子空间辨识算法 李天一，郑建荣 (华东理工大学机械与动力工程学院，上海 200237) 摘要：针对于子空间辨识算法辨识闭环系统时，由于输入信号与不可测噪声是相关的，往往会得到有偏估计的问题。提出一 种采用自回归滑动平均模型(ARMAX)的闭环子空间辨识方法，通过扩展最小二乘方法 (ELS)估计ARMAX模型中的马尔 科夫 (Markov)参数，使用预测的子空间辨识方法 (PBSID)获取系统参数矩阵，避免了采用高阶 自回归模型(ARX)所导致的 过大的估计方差等问题。算法实例验证结果表明，改进方法能够获得较好的闭环系统一致性估计，辨识精度较高，有非常 良 好的应用前景。 关键词：子空间辨识 ；闭环系统；自回归滑动平均模型；扩展最小二乘法 中图分类号：TP301．6 文献标识码：B A New SubspaceIdentificationM ethodBasedonARMAX M odel LITian-yi，ZHENGJian—rong (SchoolofMechanicalandPowerEn~neering，EastChinaUniversityofScienceandTechnology，Shanghai200237，China) ABSTRACT：Mostoftheexistingsubspaceidentificationmethodsgetbiasedestimationforclosed-loopconditions， becauseoftheinputsignalandtheunmeasurednoisearerelated．Thispaperpresentsaclosed-loopsubspaceidenti— ficationmethodbasedonAutoRegressiveMovingAveragemodel；estimatesMarkovparameters intheARMAXmodel bytheextendedleastsquaremethod；recoverssystem praametermatrixbyusingthepredictor—basedsubspaceidenti— ficationmethod．ItavoidsthetoolargeestimationvariancecausedbyhighorderAutoRergessivemode1．A closed- loopsimulationexampleisgiventodemonstratethattheidentificationalgorithm Cna obtainconsistentestimatesandis effective． KEYW ORDS：Subspaceidentification；Close-loop；ARMAX model；Extendleastsquares 1 引言 基于高阶自回归模型的子空间辨识方法 (SSARX)通过一个 子空间辨识算法 (SIM)是辨识多输入多输出(MIMO)系 高阶自回归模型(ARX)预估计马尔科夫(Mrakov)参数 ，然后 统状态空间模型的有效工具。相比于传统的辨识方法如预 用马尔科夫参数计算系统矩阵。在有足够的外部激励的情 测误差法(PEM)，子空间辨识算法将输入输出数据存储于分 况下 ，该方法可以得到渐进一致性估计。基于预测的子空间 块 Hankel矩阵当中，并通过对特定矩阵 的奇异值分解 辨识方法 (PBSID)同样使用 ARX模型来获得马尔科夫参 (SVD)或QR分解得到系统的状态空间矩阵。因此，子空间 数