课件1_系统辨识的基本概念.pptVIP

第1章 辨识的一些基本概念 输入信号的选择 最低的要求是，在辨识时间内过程的动态必须被输入信号持续激励，或者说，在试验期间，输入信号必须充分激励过程的所有模态。从谱分析角度看，输入信号的频谱必须足以覆盖过程的频谱。这就引出持续激励输入信号的要求。更进一步的要求是输入信号必须具有较好的“优良性”，即输入信号的选择应能使给定问题的辨识模型精度最高。这就是最优输入信号设计问题。 第1章 辨识的一些基本概念 输入信号的选择 就工程意义上说，输入信号的选择还要考虑如下要求： 输入信号的功率或幅度不宜过大，以免工况进入非线性区，也不能太小，否则数据所含的信息量将下降，直接影响辨识的精度； 输入信号对过程的“净扰动”要小，即正、负向扰动机会几乎均等； 工程上容易实现，成本低。 第1章 辨识的一些基本概念 输入信号的选择 持续激励输入信号 最优输入信号 输入信号的功率或幅度不宜过大 输入信号对过程的“净扰动”要小 工程上容易实现，成本低 第1章 辨识的一些基本概念 输入激励信号可以为确定性信号，也可以为随机信号。 常用的确定性输入激励信号 阶跃信号 方波信号 三角波信号 单频/多频正弦信号 单频正弦信号的频带较窄，信号一般不满足充分丰富这一辨识的基本原则/条件。 脉冲信号 第1章 辨识的一些基本概念 常用的随机输入激励信号 白噪声信号 伪随机（M）序列 逆M序列 第1章 辨识的一些基本概念 噪声 的定义 在控制领域,许多情形下系统受到外界或内在的随机干扰因素。这些随机因素一般不可测量，不可预先知道,而且给系统有时带来负面的效果，人们将它们形象地称为噪声。噪声其实亦为随时间变化的随机变量，即亦为随机过程。 第1章 辨识的一些基本概念 噪声 的定义 噪声的描述、分析、产生 仿真 与应用在控制领域中非常重要，其主要应用场合为： 描述系统所受到的外界或内在的随机干扰，基于该描述分析随机系统的系统响应和性能，并设计、优化系统。在进行系统仿真、实验时，甚至在实际控制过程中，用于产生系统的随机信号输入，或模拟系统所受到的随机干扰因素。 第1章 辨识的一些基本概念 噪声 的定义 系统辨识中所用到的数据通常都含有噪声。从工程实际出发，这种噪声往往可以视为具有有理谱密度的平稳随机过程。白噪声是一种最简单的随机过程，是由一系列不相关的随机变量组成的理想化随机过程。理想白噪声只是一种理论上的抽象，在物理上是不可能实现的，现实中并不存在这样的噪声。 第1章 辨识的一些基本概念 噪声 的定义 因而，工程实际中测量数据所包含的噪声往往是有色噪声。所谓有色噪声（或相关噪声）是指噪声序列中每一时刻的噪声和另一时刻的噪声相关。 有色噪声序列可以看成由白噪声序列驱动的线形环节的输出： 第1章 辨识的一些基本概念 白噪声 M序列 逆M序列 在进行系统辨识时，选用白噪声作为辨识输入信号可以保证获得较好的辨识效果，但在工程上难以实现。M序列是一种很好的辨识输入信号，它具有近似白噪声的性质，不仅可以保证有较好的辨识效果，而且工程上又易于实现。由于M序列含有直流分量，这是M序列的弱点，为了克服这一弱点，引入逆M序列，逆M序列比M序列具有更良好的统计性质。逆M序列无直流分量，统计性质与白噪声类似，它是一种比M序列更为理想的伪随机码序列，在辨识领域中有更为广泛的应用。 第1章 辨识的一些基本概念 采样时间的选择 满足采样定理即采样速度不低于信号截止频率的两倍 与模型最终应用时的采样时间尽可能保持一致 经验公式： 表示采样时间 是过程阶跃响应达到95％时的调节时间 直接影响辨识模型的精度。 第1章 辨识的一些基本概念 数据预处理 输入输出数据通常都含有直流成分或低频成分和高频成分，用任何辨识方法都无法消除它们对辨识精度的影响，此外数据中的高频成分对辨识也是不利的。因此，对输入输出数据一般都要进行零均值化和剔除高频成分的预处理，处理得好，就能显著提高辨识的精度。 差分法和平均法对数据进行零均值化预处理以去除直流成分 低通滤波器剔除数据中的高频成分 第1章 辨识的一些基本概念 模型结构辨识 模型参数辨识 最 小 二 乘 法 第1章 辨识的一些基本概念 模型检验 模型是近似的，模型的实际应用效果 注记 检验方法 采用不同时间区段采集数据 利用两组不同的数据 增加数据长度 检验模型与过程输出残差序列的白色性 第1章 辨识的一些基本概念 辨识的精度和应用 精度问题： 原因：结构近似、数据污染和数据长度有限。 辨识结果精度需要有评价的标准，不同的标准会有不同的精度。 最终的评价标准是它在实际应用中的效果。 辨识理论和技术有广泛的应用：主要有以下几个方面 （1）用于控制系统的设计和分析； （2）用于过程的在线控制； （3）用于特定问