自适应控制第1章.pptVIP

第1部分系统辨识理论、方法及应用 1.1 系统辨识的基本原理 1.1.1 系统辨识的定义和基本要素 随机过程X(t):在每一个时间点（t0）上，都是一个随机变量，其概率密度函数p(x,t)随时间变化。 平稳随机过程：在所有时间点上，概率分布都相同的随机过程，其概率密度函数p(x)不随时间变化。 各态遍历平稳随机过程：从整个时间轴上看，每个随机事件都会发生的平稳随机过程。其谱密度函数与概率密度函数类似。时间平均等于集合平均。 白噪声 如果一个零均值、平稳随机过程的谱密度为常数，称之为白噪声 特点： e=y-yg （1.1.8） 1.2.2 离散系统的参数模型 1.3 系统辨识的步骤与内容 1.3.1 系统辨识的步骤 实现系统辨识的过程可以分为以下几个步骤： ①选定一类代表被辨识系统的数学模型。 ②在系统上加一个适当选择的试验信号，并且记录其输入-输出数据。如果系统处在连续运行中，并且不允许加试验信号，则利用正常系统运行数据来辨识。 ③完成参数辨识，在给定的类型中选定模型，使其最好地拟合于统计数据。 ④进行有效性检验以考核所选模型对于最终的辨识对象来说是否适当地代表了该系统。 ⑤如果有效性检验通过，则辨识过程结束,否则必须选择另一类模型并且重复步骤②到④,直到获得有效的模型为止。 1.3.2 系统辨识的内容 （1）先验知识与明确辨识目的 （2）试验设计 （a）扰动信号的选择 （b）采样方法和采样间隔 （3）模型结构确定 （4）模型参数的估计 （5）模型的验证 1.4 系统辨识的基本应用 建模与仿真 预测预报 故障诊断 自适应控制 质量监控 选定一组模型1.1.4：量测温度＝估计温度+干扰噪声（量测误差）， n：模型阶次 等价准则1.1.5 等价准则衡量模型接近实际过程的标准 连续信号下：1.1.6 数据离散情况下：1.1.7 输出误差1.1.8 J是参数的非线性函数；当输入序列已知时，可作多步预测； 输入误差1.1.9 广义误差1.1.10，由输入误差和输出误差组合 其中1.1.11 ，1.1.12 J是参数的线性函数；只能作一步预测； 方程式误差表示1.1.13，广义误差 误差准则1.1.14θ为方程中参数 1.2连续/离散，时域/频域，参数/非参数 参数模型用有限参数表示研究对象的模型 SISO的n阶微分方程1.2.1 拉氏变换1.2.2 传函1.2.3 简写1.2.4 MIMO m入r出1.2.5，1.2.6 MIMO状态空间描述1.2.7 ABCD系数矩阵、控制矩阵、输出矩阵、传递矩阵 定常系统1.2.8 1.2.2离散系统单变量及不考虑干扰的情况下1.2.9 后移算子1.2.10 定义1.2.11则1.2.9变为1.2.12 初始条件为0，对1.2.9 z变换得1.2.13，其中z傅立叶变换算子 Z传递函数1.2.14 离散时间系统ARX模型1.2.15（auto regression exogenous受控自回归模型），d对象的纯时间滞后系数，v(k)白噪声 其中1.2.16 ARMAX模型1.2.17（受控自回归滑动平均模型），有色噪声 其中1.2.18 BOX-JENKINS模型（BJ）1.2.19 * * 第1章 系统辨识的基本概念 L. A. Zadeh[1962] ：辨识就是在输入和输出数据的基础上，从一组给定的模型类中，确定一个与所观测系统等价的模型。 L.Ljung[1978]：辨识即是按规定准则在一类模型中选择一个与数据拟合的最好的模型。 系统辨识的三要素：数据、模型类和准则。 辨识目的 选择 准则 模型类 辨识实体 数据观测 数据 数据拟合 模型 系统辨识三要素 图1.1.1 系统辨识的原理 J(y,yg)=f(e) （1.1.1） J(y,yg)→min （1.1.2） Gg=G0 （1.1.3） 白噪声的用途 有色噪声 指每一时刻的噪声和另一时刻的噪声相关，因而其谱密度也不再是常数。在工业生产实际中，白噪声在物理上是不存在的，常见的往往是有色噪声。 图1.1.2 加热炉加热工艺示意图 1.1.2 系统辨识的等价准则 图1.1.3 输入误差示意图 图1.1.4 广义误差示意图 1.2 系统描述的数学模型——参数模型类 1.2.1 连续系统的参数模型 图1.2.1 SISO系统示意图 图1.2.2 MIMO系统示意图 图1.3.1 辨识过程示意图 3 Zadeh的定义给出了系统辨识的三要素：数据、模型类和准则。 数据：由观测实体而得。不唯一，受观测时间、观测目的、观测手段等影