第十五章 极大似然法辨识教案.pptVIP

现在用二次型函数逼近 ，即假设存在 和余项 ，使 (15-47) 根据式(15-41)和式(15-47)可得 (15-48) 设 ，则式(15-48)可写成 式中 (15-49) 对上式配平方得 (15-50) 式中 (15-51) 在式(15-50)中， 为已知值。当 时，即当 时， 为极小。所以 的新估计 为 (15-52) 对式(15-51)应用矩阵求逆引理，得 (15-53) (15-54) 把式(15-53)代入式(15-52)得 (15-55) 式中 (15-56) (15-57) 而 最后，需要求 的递推关系式。根据 的定义，有 由式(15-30)得 的第一行为 根据式(15-36)可得 则 同理，可得 的其他各行， 与 的递推关系以下式表示： (15-58) 方程式(15-53)、(15-55)、(15-56)、和方程式(15-58)为递推极大似在法的一组计算公式。可以证明，这个方法以概率1收敛到估计准则的一个局部极小值。这是一个比较好的方法。 第三节 导弹气动参数的极大似然法辨识 建立了导弹数学模型并得到了观测数据后，需要解决模型中的参数估计问题，即所谓的参数辨识问题。由于我们采用的是Bryan的气动力系数的线性化数学模型，因此气动参数辨识只是在已知模型下的参数估计问题。目前在气动参数辨识中应用最广泛的是极大似然法。 一、极大似然法辨识的基本公式 设非线性动力学系统为 式中， 为 维状态向量， 是 维输入向量， 是 维观向量， 是 维待估参数向量， 分别为过程噪声和测量噪声。 (15-59) 定义似然函数如下： (15-60) 式中， 为观测向量维数，N是采样点数， 是 在 时刻的估值。对式(15-60)数，并将等号右边“-”变“+”，即得式(15-61)。这样对式(15-60)取极大值，等价于对式(15-61)取极小值。 (15-61) 由上面的指标函数可知，求 的估值问题，归结为对式(15-62)求极小值问题。由于导弹的动力学方程是由彼此间存在耦合的微分方程组描述的，故指标函一般不是气动系数的二次函数，必须通过优化算法来获得参数估计值。通常使用改进的牛顿－拉卜森算法。 式(15-61)中的第一项与被估参数 无关，故指标函数可简化为 (15-62) 关于测量噪声 的方差 ，可用下式计算： (15-63) 设已知 的某一估值为 ，相应的指标函数是 ，要求 使指标函数 达到极小值。令 (15-64) 式(15-64)中略去 项，可得 (15-65) (15-66) 二、模型分解后的气动参数辨识 由于导弹飞行动力学模型很复杂，所需辨识的气动参数很多，计算量很大。为了减少计算量，节省CPU时间，必须对导弹的动力学模型进行分解。考虑到气动力系数主要反映在导弹质心运动力学方程上，而力矩系数则主要反映在绕质心旋转的运动分开，分别辨识力系数和力矩系数，也就是将一个六自由度复杂系统的辨识问题分解为两个三自由度简单系统的辨识问题，其中耦合项可作适当处理，这样可以大大减少计算量。` 采用模型分解辨识气动参数可节省CPU时间的另一个原因是，在实际的辨识过程中，力系数比较容易辨识，一般只需迭代四、五次即可达到收敛精度的要求，而力矩系数的辨识则需要花费更多的时间。迭代运算公式如下： (15-67) (15-68) 上面式中， 称为灵敏度。 (15-69) 牛顿－拉卜森算法的具体迭代过程为：根据导弹的风洞实验或理论计算结果给出待估参数的迭代初值 ，再根据导弹的动力学方程求出在 条件下的导弹状态值 、观测值 和灵敏度方程 ，然后由式(15-68)计算出 ，再以 代替原来的 ，重复上述过程。 每一次迭代过程都要计算 和 ，当 时，则所得的参数估值 即为所求之值。 为事先给定的精度，通常取 。 (15-70) 若迭代过程出现发散现象，即 ，就采用变步长的方法进行搜索，即以 代替 ，其中