系统辨识si-.ppt

第八章 模型结构的辨识 第一节 根据汉克尔矩阵辨识模型的阶次 第二节 根据积矩矩阵辨识模型的阶次 第三节 根据残差平方和辩识模型的阶次 第四节 F检验法 第五节 根据残差的特性估计阶次 第六节 根据赤池信息准则估计阶次 第七节 根据最终预报误差准则估计阶次 第八节 依模型阶次的最小二乘递推算法 第一节 根据汉克尔矩阵辨识模型的阶次 一、无噪声情况（确定性） 二、弱噪声情况 三、强噪声情况 第二节 根据积矩矩阵辨识模型的阶次 一、无噪声情况 二、有噪声情况 第三节 根据残差平方和辩识模型的阶次 前面讨论的Hankel矩阵判秩定阶法或积矩矩阵定阶法在获得模型参数估计值之前就可预先确定模型的阶次，它基本上与参数辨识方法无关。 本节所要讨论的定阶方法则需要在获得模型参数估计值之后，求得模型残差序列，并根据残差变化来确定模型的阶次，它和参数辨识方法是密切相关的。 第四节 F检验法 用统计假设检验方法进行显著性检验来确定模型的阶次。 第六节 根据赤池信息准则估计阶次 第七节 根据最终预报误差准则估计阶次 * 参数估计是在假定已知被识系统的模型结构的条件下，来确定数学模型中的参数的。 本章将讨论多种实用的、利用输入输出数据来估计模型阶次的方法。 如果系统模型是线性结构的，则具体描述形式可采用差分方程。这时模型结构就只归结于差分方程的阶次。 一、无噪声情况（确定性） 假定已知脉冲响应序列 定义：Hankel矩阵 当ln时，对应的N-2l+3个汉克尔矩阵的行列式全为0 但在随机环境下，由于有噪声干扰，当ln时，相应矩阵的行列式值不会全为0 。 定理：当l大于系统的阶次n时，有 即 二、弱噪声情况 当信噪比较大时，可采用作图法来判别系统的阶次 对于每一个l值，计算所有的 再取平均值，然后计算相邻平均值的比值。 作出Dl ~ l关系图 Dl到达最大值的l就是系统的阶次n 三、强噪声情况 在强噪声情况下，不采用脉冲响应序列构造Hankel矩阵 ，而采用脉冲响应序列的自相关系数来构造。 先求出脉冲响应序列g的自相关序列： 再求自相关系数： 采用与前面构造hankel矩阵的相同方法，只不过用ρ代替g 判别方法与弱噪声情况相同 一、无噪声情况 设系统的差分方程描述为 其中n为系统的真实阶次，输入输出数据{y(k),u(k)} 要求 Nn 构成数据矩阵： 这里l是一个变数， 如果输入信号是持续激励的，则Ul+1一定是满秩的 Yl并不都是满秩的。但由于差分方程的约束， Yl的秩不会超过系统的真实阶次n 定义积矩矩阵 二、有噪声情况 系统的差分方程描述为 数据矩阵 由受到噪声的干扰，Zl总是满秩的。因此无法用 来判断阶次。 为解决这个问题，可采用积矩矩阵的行列式比来进行判断。定义： 作出Dl~l关系图 在l=n处，有明显的跳跃现象 这个方法与参数估计无关，可利用输入输出数据构造矩阵?预先确定系统的阶次。 系统的差分方程描述为 数据方程 最小二乘估计为 代入原数据方程，得到残差的估计值 准则函数计算值 对于不同的估计阶次，准则函数值不同。 一般情况下，随着阶次的增加，J显著下降，当阶次大于n0时，下降终止。 (1) 依次增加估计阶次， (2) 用参数估计方法估计参数值， (3) 利用估计值计算残差平方和， (4) 绘出Jn~n曲线，可从图判断出系统的阶次。 通过对残差平方和的分析，判定系统阶次的方法是判断相邻阶次的残差平方和是否有显著变化，若估计的阶次大于系统的真实阶次，则残差平方和不再有显著的变化。可以归结为，阶次从n1增加到n2时，残差平方和Jn2较Jn1是否有显著变化 1968年，?str?m提出用F检验的方法来判定系统的阶次 下面对这一方法作一介绍。 设 构造统计量为 定理：若 ，则 与 是相互独立的随机变量，且满足 对于单输入单输出系统模型估计问题来说，阶次n是是逐一增加的，又因为N足够大(大于100时)， ，则 统计量可写为 J(n+1) 较J(n)不会有显著的下降 统计量t(n,n+1)的值比较小 J(n+1) 较J(n) 有显著的下降 统计量t(n,n+1)的值比较大 可以通过观察统计量t(n,n+1)的变化情况，可判定系统的阶次 设主要假设 通过查F分布表，可得临界值（百分位点） 说明有显著下降，还需增加阶次。 说明无显著下降，这时的n就是系统阶次。 下面是一个实际计算实例，根据残差平方和很难断定系统的阶次，现用F检验确定系统的阶次。 1.01 416.56 6 F(2, ∞) = 3.00 3.58 418.72 5 F(2,1000) = 3.00 9.56 426.40 4 F(2,300) = 3.03 9.80 447.25 3 F(2,2