系统辨识与自适应控制研究.ppt

* * * * * 可以看到，两种情况下，估计值和理论值都非常地接近。 * * t0可以为0，Delta t 可以为1，即采样间隔时间为1秒 * * * * * * t0可以为0，Delta t 可以为1，即采样间隔时间为1秒 * * * 这个传递函数与之前的给定函数是及其近似的。 * 这个传递函数与之前的给定函数是及其近似的。 * * * * * * 伪逆矩阵是逆矩阵的广义形式。由于奇异矩阵或非方阵的矩阵不存在逆矩阵，但可以用函数pinv A 求其伪逆矩阵。基本语法为X pinv A ,X pinv A,tol ,其中tol为误差,pinv为pseudo-inverse的缩写：max size A *norm A *eps。函数返回一个与A的转置矩阵A 同型的矩阵X，并且满足：AXA A,XAX X.此时，称矩阵X为矩阵A的伪逆，也称为广义逆矩阵。pinv A 具有inv A 的部分特性，但不与inv A 完全等同。 * * * * 而关于Jacobian信息的辨识，通常是通过神经网络获得。 * Bode图实质上是两幅图，前一个是L（w），单位为分贝。后一个是角度，单位是°。再介绍一个w单位是每10倍变换一次，为了可以看到整个频率带。 * 最小相位系统的幅频特性和相频特性具有一一对应的关系，只要知道对数幅频特性曲线，就可以估计出系统的传递函数，对于非最小相位系统，两者的变化趋势不完全一致，没有一一对应的关系。 * 对于如果在高频端，由计算所得的相角与实验求得的相角相差一个定常的相角变化率，表明所测系统中存在着传递延迟或停歇时间。 * * * * 基于低频段的斜率为-20DdB/dec，w 0.001s-1处的幅值为80dB， ，据此可推算出w 1s-1处低频段的高度为20dB，即K 10。 * 待求解的参数为 * 待求解的参数为3个。 * * * * * * * * * * * * * * * * * * △称为时钟脉冲周期（采样间隔）， * * * * * * * * * * * * * 从计算可以得出，t 3T时，y 3T 0.95K，即系统的输出等于稳态输出值的95%，当t 4T时， y 4T 0.98K，即系统的输出等于稳态输出值的98%。当给定误差带为+-（0.02~0.05）y（无穷）时，一阶系统的过渡过程时间ts等于3~4倍时间常数。显然，时间常数T越小，一阶系统的过渡过程进行得越快，反之，越慢。 * * * * * * * * * * * * * * * * * * * * * * 正是因为，对于周期函数，通过傅里叶级数展开，可以写成一系列正余弦函数的和的形式； 对于非周期函数，通过傅里叶积分，也可以写成一系列正余弦函数的和的形式。 * * * * * * i j时，为方差，i不等于j时，是协方差。 * * pseudo英音：[sju:d?u]美音：[sudo] * N 2n-1，是奇整数。n就是一个自然数，实际上是移位寄存器的级数，在prbs的产生处介绍。 * * * * * 模2加法,又称“异或”。 * * 因此对于一个n级的移位寄存器，它能形成序列的最大可能长度为2n-1个状态的组合。 * * 第二个PRBS相当于原PRBS右移一位。紫色代表原来的PRBS。 * * * * 每逢到15△t 的地方将有一个三角脉冲。 * * 这里的N，就是M序列的周期长度Np 。 * * * 工程上3dB可以忽略不计，所以可在这段低频段内，看做功率谱密度为一常数； * * * 这里，噪声理解为偏差。 * 这里，噪声理解为偏差。 * 这里，噪声理解为偏差。 * 这里，噪声理解为偏差。 * * 是否是平稳随机过程 ，练习7已经证明过了。 * 是否是平稳随机过程 ，练习7已经证明过了。 * * * 对于傅里叶变换这个表达式，因为自相关函数Rx τ 是偶函数，sin（wt）是奇函数，所以，其乘积的积分为0. * * * * * * 扰动信号应具备：① 频带宽度足以覆盖系统频带；② 信号的功率和幅度应不影响系统的运行，幅度应适中，不宜多大，以免进入非线性区，也不宜过小，影响测试。 * 既然白噪声是平稳随机过程，就一定满足 ：均值为常数，自相关函数只与τ有关。 * 既然白噪声是平稳随机过程，就一定满足 均值为常数，自相关函数只与τ有关。 * * 因为谱密度是相关函数的傅立叶变换， δ τ 的傅立叶变换为1，故谱密度为常数（西格玛方）。 上述关系已经包含了白噪声均值为零的概念，这是因为均值除t 0，其他点的值均为0， 所以均值为零。 Dirac函数和1构成一对傅氏变换。 * * 这个证明 和 求 δ τ 的拉氏变换的值为1 是一样的，故其傅里叶变换也是1. * * * 为什么又引入协方差函数呢？因为要从相关性处对白噪声