2015系统辨识要点分析.pptVIP

模型验证的原理如图所示，其中 p≥ 1 * (b) 检验残差的白色性也是一种简单且有效的方法。在相同输入驱动下当系统模型的输出与系统的输出之差具有很好的白色性则模型的特性较好地表达了系统的动态特性。 (c) 因为辨识所用的输入信号和正常工况下的输入信号不一样，而辨识的主要目的是为了控制，也可用正常工况下系统的输入检验模型和实际系统的输出是否吻合，以确定模型的有效性。 * (d) 利用不同时间区段内采集的数据，分别建立模型。如果模型的特性基本相符，则模型是可靠的。 (e) 利用两组不同的数据，独立辨识出模型，并分别计算出损失函数，然后数据交叉使用再计算出损失函数。如果没有明显变化则模型是可靠的。 (f) 增加辨识中的数据长度，如果损失函数不再显著下降，则模型是可靠的。 * * 举例：最小二乘参数估计 考虑如下线性模型： 最小二乘估计即最小化如下误差： * 上式可简化为： 其中： * 对x求导并等于零： 得到的批处理最小二乘估计值为： * 例1-1： 量测方程为： 被估参数为： 求参数x的批处理最小二乘估计 * 批处理最小二乘结果： * 线性递推最小二乘的一个循环的公式为： 或： * 例1的递推公式为： 第一章完 * * 模型的其他分类1 解析模型：代数方程、微分方程、差分方程、状态方程 程序模型：神经网络仿真程序 语言模型：模糊关系模型