原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
学号： 1001131
北京工商大学
院 （系） 计算机与信息工程学院
专 业 控制工程
学生姓名 201年月
实验目的
通过实验掌握几种常用的模型参数估计算法和阶次辨识理论，并在实验的基础上总结体会不同辨识方法的适用范围和优缺点。
实验内容
《过程辨识》书P538实验2 离散模型的参数估计及阶次辨识，选择模拟的是第一个过程，采用递推的随机逼近算法对被辨识系统进行辨识。
系统模拟图如图1所示
+ +
图 1 系统模拟图
其中
(1)
输入信号采用幅值为1的M序列，其特征多项式由实验者根据具体需要确定；是均值为零，方差为服从正态分布的不相关噪声，方差的大小由信噪比确定。信噪比定义为：
(2)
实验取=0.1和1两种情况。数据长度L分别取300、500、1000或2000。
估计噪声的方差和模拟静态增益。
计算参数估计偏差指标
(3)
其中，
静态增益相对偏差
(4)
实验原理
随机逼近法，是一种应用广泛的参数估计方法。它是在有随机误差干扰的情况下，用逐步逼近的方式估计某一特定值的数理统计方法。寻找带误差的量测到的未知回归函数的零点或极值，是系统辨识，适应控制、模式识别、适应滤波和神经元网络等领域中都要遇到的问题。随机逼近提供了解决这一问题的递推方法。
随机逼近法的原理就是利用变量x1,x2,…，及对应的随机变量y(x1),y(x2)…，通过迭代计算，逐步逼近方程式的解。常用的迭代算法有Robbins-Monro(RM)算法和Keifer-Wolfowitz(KW)算法等。
考虑的参数辨识问题，设准则函数。式中，为某一标量函数；表示k 时刻之前的输入输出数据集合。那么，准则函数的一阶负梯度为
(5)
模型参数辨识问题归结为求方程的解。根据随机逼近原理，有
(6)
如果准则函数取为
(7)
则参数估计的迭代方程可写为
(8)
其中为收敛因子，它必须满足收敛性条件，一般地，随着k的增加要有足够的下降速度，但又不能下降得太快，否则被处理的数据总量太少。
四、实验过程
实验模型
由(1)式知， ，再根据题目给出的系统结构图，可以得到如下的系统模型：
(9)
即：
(10)
由(10)式即可得到系统的待辨识模型为：
(11)
将(11)式化为最小二乘形式为：
(12)
其中，为待辨识参数。
实验结果
4.1递推的随机逼近辨识结果
数据长度L=1000，加入=1白噪声，辨识结果如图3和表1所示。
(a)
运行结果：
(b)
图3=1的白噪声
表1 辨识结果(L=1000，=1)
a1 a2 b1 b2 辨识值 -1.4542 0.6802 1.0048 0.5130 理论值 -1.5000 0.7000 1 0.5000
数据长度L=1000，加入=0.1白噪声，辨识结果如图4和表2所示。
(a)
运行结果：
(b)
图=0.1的白噪声
表2 辨识结果(L=1000，=0.1)
a1 a2 b1 b2 辨识值 -1.4985 0.6941 0.9780 0.5081 理论值 -1.5000 0.7000 1 0.5000
（二）AIC模型定阶结果
AIC模型定阶结果如图5所示。
图
四、源程序
参数辨识的源程序：
succes
文档评论（0）