最小二乘法在系统辨识中的应用..docVIP

最小二乘法在系统辨识中的应用 摘 要 本文通过对文献的阅读，对文献中所涉及的最优化算法应用过程进行了概括。文献中将水压仿真器作为研究对象，在考察水压仿真器性质时，采用系统辨识的方法对系统进行分析与处理，并采用最小二乘算法作为系统辨识的方法，将辨识结果与实际结果的差值平方和作为最小二乘算法的损失函数，最终得到关于水压仿真器的较为理想的辨识模型。在对参考文献进行概述之后，具有针对性的介绍了最小二乘算法中线性最小二乘问题以及非线性最小二乘问题，详细介绍了线性最小二乘问题的算法的理论基础及实现过程。 背景说明 在实际工程应用中，很多领域都会涉及到利用最优化算法来获得问题的最优解，实现对所研究问题的优化处理。控制领域中，经常需要对系统进行辨识操作，而系统辨识中常用的方法即为最小二乘算法。 文献中将水压仿真器作为研究对象，水压仿真器是一个电液压力伺服系统，由计算机控制运行，根据设定指令产生期望的压力输出。利用递推最小二乘算法对种特殊的电液压力伺服系统进行辨识。文献中设计了能使系统稳定的闭环，对系统施加合适的输入信号，记录系统的输出并建模，通过一系列的辨识步骤推导出被控对象的数学模型。文献中所研究的水压仿真器通过控制伺服阀的开口实现高压油进入工作腔或油液流出该腔，从而控制工作腔的压力变化。由于测量难度，采用理论推导方法建立被控对象的数学模型很困难。采用系统辨识的方法对水压仿真器分析，通过试验测试，验证了所。 问题解决过程 水压仿真器通过控制伺服阀的开度实现工作腔压力变化，通常都采用闭环控制，如下图所示。 图中，r表示输入信号，y为输出信号，均可以由测量得到。根据测量出的输入输出数据，对系统的模型进行辨识，得到辨识模型，辨识出闭环模型以后，由于控制器增益以及反馈通道增益已知，所以，可以得出被控对象的开环传递函数G。 文献中给出了水压仿真器的具体参数以及控制压力值，选择适当的伪随机序列作为输入信号，对特定压力值下的系统进行辨识。将辨识出的对象模型代入闭环系统进行仿真，得到其阶跃响应曲线，把它与实际闭环系统的阶跃响应进行比较。通过比较，验证出，辨识结果较为理想，能够较好的逼近实际系统。因此得出了该种方法可行的结论。 辨识方法描述 文献中采用最小二乘法对水压仿真器的模型进行辨识。辨识结果不可能与原系统完全吻合，只能按照某种特定的准则，使所估计的模型在该准则下最好地辨识出所研究的系统。最小二乘法则是在最小方差意义下提供与实验数据最好拟合的模型。模型结构如下： 其中，和分别为系统的输出和输入；，为迟延算子多项式；是一个均值为0、服从正态分布，并且与相互独立的随机噪声。 假设系统待辨识的参数向量为： 假定已经获得一组输入输出数据(t=1~N)，假设t时刻由输入输出数据构成的一个向量为： 令实际输出数据向量。 经过系统辨识方法所得到的估计的系统输出数据向量为 其中，为辨识所得到的参数估计值向量。 系统辨识误差： 损失函数定义为： 对损失函数取一阶导数，并令损失函数的一阶导数等于0，即 经过计算，得到使损失函数达到最小值时的参数估计值为： 得到参数估计值以后，便能够闭环系统的数学模型。 最小二乘算法 4.1 算法的概括 一般地，最小二乘问题的目标函数具有下面的特殊形式： (2.1) 其中，表示残余量，为从到上的平滑函数，假设。 最小二乘问题可以认为是无约束优化问题的最大来源，可以广泛地应用于多个领域。利用公式(2.1)描述辨识模型与实际系统的误差值。通过最小化该函数，能够选择出与模型最好匹配的参数值。定义向量为： (2.2) 因此，可以将f修改为： 对f(x)求一阶导数： (2.3) 用表示的梯度，这样，f的梯度可以表示为： (2.4) 在很多应用场合中，计算出一阶偏导数组成Jacobian矩阵J(x)是可以实现的。因此可以求出公式(2.4)中的梯度。 目标函数f(x)的二阶导数形式为： 利用，我们可以计算出上式中的第一项，无需考虑的二阶导数项。通常情况下，上式中的比公式中的第二项更重要。 4.2 线性最小二乘问题 在为线性的特殊情况下，为一个常数，可记为： (2.5) 其中，。另外 注意到，由于对任意的都成立，使得中的第二项消失。函数是一个凸函数。通过令可得，公式(2.5)中的解一定满足： (2.6) 式(2.6)被称为是(2.5)的正则方程(normal equations)。在