《基于Matlab电动车机器人系统辨识与仿真.》.doc

目 录 1 建立数学模型的方法 1 1.1 机理建模 1 1.2 系统辨识 1 1.3 机理建模和辨识相结合的建模法 1 2 系统辨识的基本概念 1 2.1 L.A.Zadeh定义 1 2.2 P.Eykhoff定义 2 2.3 L.Ljung定义 2 3 系统辨识的内容及步骤 2 3.1 获取验前知识、明确辨识目的 2 3.2 实验设计 3 3.3 确定模型结构 3 3.4 参数估计 4 3.5 模型验证 4 4 系统辨识工具箱基本理论 4 4.1 观测数据的获取 5 4.2 数据预处理 5 4.3 模型结构的选择 5 4.4 参数估计 5 4.5 模型检验与动态仿真 6 5 基于系统辨识工具箱的电动车机器人辨识仿真 6 5.1 观测数据的获取 6 5.2 数据预处理 6 5.3 模型结构的选择和阶次确定 8 5.4 确定模型参数 9 5.5 模型阶数验证和模型验证 9 6 结论及总结 12 参考文献 13 附：程序 14 1 建立数学模型的方法 模型就是把关于实际系统的本质的部分信息简缩成有用的描述形式，它的主要功能是模拟实际系统的行为，而不是去描述实际系统的实际结构。模型可以分为物理模型和数学模型。建立数学模型一般有机理建模、黑箱建模和灰箱建模三种方法。 1.1 机理建模 又称理论建模或白箱建模，根据所研究系统的物理机理，利用物质和能量的守恒性以及连续性原理、有关物理定律（牛顿定理、流体力学、热力学定律等），考虑物理量之间的关系，推导出数学模型。此方法适用于简单系统的建模，通常能达到精度要求。 1.2 系统辨识 又称试验建模或黑箱建模，对于一个已存在的实际系统，根据观察，测量并记录得到的输入输出数据，经过一些加工处理，求出非参数或参数模型，这种建模方法就是系统辨识。这种方法不需要深入了解过程的机理，需要的先验知识少，能提供由其他方法难以建立的环境或噪声的动态特性。 1.3 机理建模和辨识相结合的建模法 又称灰箱建模，对系统进行数学建模时，机理已知的部分采用理论建模方法，机理未知的部分采用辨识建模的方法，发挥两种方法各自的优点，建立更为精确的数学模型。 2 系统辨识的基本概念 系统辨识是控制论的一个分支，系统辨识、状态估计、控制理论构成了现代控制论的三大支柱。随着各门学科的定量化，系统辨识的应用越来越广泛，不仅是航空、航天、电力、化工等工程应用领域，还延伸到生物信息学、医学工程、社会经济等多各学科。以下是不同时期的学者给系统辨识下的定义。 2.1 L.A.Zadeh定义 系统辨识（System Identification）就是在输入和输出数据的基础上，从一组给定的模型类中，确定一个与所测系统等价的模型。属于黑箱模型。 2.2 P.Eykhoff定义 辨识问题可以归结为用某个模型来辨识客观系统(或将要构造的系统)本质特征的演算,并用这个模型把对客观系统的理解表示成有用的形式。 2.3 L.Ljung定义 辨识有3个要素——数据、模型类和准则。辨识就是按照某个准则在模型类中选择与数据拟合最好的模型。其中，数据（能观测到的输入或输出数据）是辨识的基础，模型类（所考虑的模型的结构）是寻找的模型范围，等价准则（用来衡量模型接近实际系统的标准）是辨识的优化目标。 总而言之，辨识的按照原则，利用所观测到的含有噪声的输入输出数据，从一类模型中确定一个与所测系统拟合最好的模型 图3-1 系统辨识的内容及步骤 3.1 获取验前知识、明确辨识目的 在辨识之前应了解尽可能多的有关对象的知识，以减少辨识过程中的困难。需要知道辨识的一般过程、系统运行条件、工作过程、支配过程的物理定律、某些预测试验。 获取预备知识的首要问题是辨识目的，欲了解系统的某些特性（自然频率、阻尼系数、放大系数等），只要非参数模型（如波德图）即可；欲对系统进行控制（如自适应控制），则需找出参数模型。辨识的目的将决定模型类型、精度要求、辨识要求、辨识方法。 3.2 实验设计 安排实验的目的是为了获得输入输出数据。输入变量应能够设置，且必须包含足够丰富的频率分量，输出变量应能够测量，并且和我们感兴趣的现象有关。设计实验的原则是所获得的数据（对研究目的来说）包含的信息要尽可能地多。当然，还要考虑到实现的可能性及实验费用等。 实验设计中要考虑的问题包括：在系统输入允许的情况下，如何选择输入信号、采样速度、实验期限及做哪些预备性实验等。由于观测到的数据一般含有噪声，因此辨识建模实际上是一种试验统计方法。 图3-2 实验设计 3.3 确定模型结构 除了单变量线性系统的阶、多变量线性系统的结构不变量和一些逼近算法的近似模型，模型的结构主要是依靠先验知识来决定的。模型形式有多种，最常见的是随机、线性、动态、离散系统。在这一环节中，要注意模型阶次的选择、纯滞后时间的估计等方面。 3.4 参数