第一章生产过程的数学模型讲解.pptVIP

1.2.3 常用的辨识建模方法 （1）阶跃响应的获取 合理选择阶跃信号幅值； 试验开始前确保被控对象处于某一选定的稳定工况； 试验必须在相同的测试条件下重复测试。 1、阶跃响应法 第一章 生产过程的数学模型 （2）由矩形脉冲响应确定阶跃响应 将矩形脉冲看作正负两个等幅阶跃信号的叠加。 自衡过程 非自衡过程（含积分环节） 单容系统 双容系统 多容系统 有理分式表示 （3）常用的模型结构 (4)确定传递函数参数的方法 作图法 a.一阶环节——无迟延 模型结构 增益的确定 作图法 两点法 一点法 a.一阶环节——有迟延 模型结构 增益的确定 b.二阶惯性环节 模型结构 增益的确定：同上 τ：作图法 T1、T2：两点辨识法 单位阶跃响应 c.高阶系统的辨识 模型结构 K、τ：同上 n、T：根据y*(t1)=0.4和y*(t2)=0.8确定t1和t2 1 2 3 4 5 6 7 8 0.32 0.46 0.53 0.58 0.62 0.65 0.67 0.685 表1.1 n与 t1/t2 关系 切线法 利用响应曲线拟合过程模型的步骤： 两点计算法 d.非自平衡过程的参数确定（略） 模型结构 其中 模型结构 其中 e.确定有理分式 模型结构 基本思想： 输入信号的自相关函数 输入与输出信号的互相关函数 G(s) 2、脉冲响应法 a、相关函数 自相关函数 互相关函数 (1)脉冲响应的获取 b、白噪声 白噪声是一种均值为0、谱密度函数为非零常数的平稳随机过程，或者说是由一系列不相关的随机变量组成的一种理想化随机变量。 白噪声的数学描述： 如果随机变量 的自相关函数为： 且 式中： 谱密度函数 c、 Weiner-Hopf定理 卷积定理：被控过程在输入信号u(t)的作用下，其输出y(t)可以通过过程的单位脉冲响应的卷积得到。 将 t置换为t+τ，则 g(v) Ru(τ) Ruy(τ) 线性过程的输入输出关系 白噪声的自相关函数为 或 只有 时， ，所以 随机信号（变量） 在任一时刻的值是无法确定的，也不能用确定的方程来表示，但在任一时刻在某一区间的可能性可以用概率和统计平均等参数来描述。 确定性过程—— 其变化过程具有明确的规律性 随机过程——相同条件下测量的多个样本具有偶然性，但它们的总体却往往具有统计意义上的规律性 3、伪随机信号法 a、伪随机信号 人为产生的具有某些随机信号统计特征的随机信号，周期为T。 b、M序列（最大长度二位式序列） 循环周期为NΔt， Δt为每个码的持续时间。M序列的相关函数只需在一个周期内积分，即 -2T -T 0 T 2T M序列的自相关函数波形 例：四位移位寄存器产生周期长度为N=15的M序列 111100010011010 其自相关函数为 c、具体步骤 产生M序列 计算互相关函数 求g(v)的脉冲响应 4、最小二乘参数估计方法 最小二乘类参数辨识方法主要包括： 最小二乘参数估计算法、最小二乘递推算法、增广最小二乘法、广义最小二乘法和多级最小二乘法。 高斯认为：根据观测数据推断未知参数时，未知参数的最合适数值应该是使各次实际观测值和计算值之间差值的平方乘以度量其精确度的数值以后的和为最小。 ——最早的最小二乘法的思想 （1）系统结构 单输入单输出的线性定常系统 y(k)、 v(k)为系统在k时的输入输出变量，n为模型阶次，d为纯迟延时间，e(k)为模型的残差（零均值、方差为 的正态白噪声） 定义向量形式 其中 （2）最小二乘参数估计法 其中 为模型的估计参数 目标函数 即：未知模型参数最可能的值是在实际观测值与计算值误差的 平方累计达到最小值处，所得到的这种模型输出能最好地 接近实际系统的输出。 a.最小二乘的一次完成算法（离线） 采集到N+n+d组输入输出数据 令 若XTX存在逆矩阵 令 b.递推最小二乘法（recursive least squares, RLS） 基本思想： 当被辨识系统在运行时，每取得一次新的观测数据后，就在前次估计结果的基础上，利用新引入的观测数据对前次估计的结果，根据递推算法进行修正，从而递推地得出新的参数估计值，直到参数估计值达到满意的精确程度为止。 具体步骤： 令 , 采集新的数据