机械控制工程基础北京机械工业管理学院朱骥北主编第七章辨识系统简介课件教学.pptVIP

7.4 时间序列模型及其简介 一、均值非平稳过程 均值非平稳过程指随机过程的均值随均值函数的变化而变化。 我们可以引进两种非常有用的均值非平稳过程：确定趋势模型和随机趋势模型。 （一）确定趋势模型 当非平稳过程均值函数可由一个特定的时间趋势表示时，一个标准的回归模型曲线可用来描述这种现象。 （二）随机趋势模型 随机趋势模型又称齐次非平稳ARMA模型。为理解齐次非平稳ARMA模型，可先对ARMA模型的性质作一回顾。 二、方差和自协方差非平稳过程 一个均值平稳过程不一定是方差和自协方差平稳过程，同时一个均值非平稳过程也可能是方差和自协方差非平稳过程。 不是所有的非平稳问题都可以用差分方法解决，还有期望平稳和方差非平稳序列，为了克服这个问题，我们需要适当进行方差平稳化变换。 可得 的最小二乘法估计 为了求估值 ，要求 ，如果 太大，则要花费大量机时计算 ，因此 不能太大。由于这种限制，使得估计量 的精度不如第一种方法。当 ， ， 。所以 仍为一致性和无偏性估计。 第三步：噪声模型的辨识与第一种方法相同。 三、 第三种方法 这个方法也分三步，但与前两种方法不相同。它不是计算系统模型的脉冲响应序列，而是采用一个增广的差分方程，在拟合系统输入－输出数据时，把残差变成不相关，然后应用最小二乘法辨识这个增广系统。最后再估计原系统和噪声模型参数。 称式(14-128)为增广系统，其阶数为 ，而噪声 是白噪声 。式(14-129)为辅助模型。 将式(14-112)代入式(14-111)，得 (14-127) 或 (14-128) 式中 (14-129) 定义参数向量 第一步：估计辅助模型的参数，设 (14-130) 用最小二乘法估计式(14-128)的参数 (14-131) 式中 第二步：估计系统模型参数 。 因为 和 中的参数 已经估计出来，把估值 代入式(13 -132)，则在式(14-132)中只有 和 的参数 未知。现在要估计 ，为此把式(14-132)乘开，并使等号两边 的同次幂系数相等，由此产生 个包含 和 参数的线性方程。 由式(14-129)可得 (14-132) 把这一方程组表示成下列向量－矩阵形式： 式中， 为 维向量， 为 矩阵，为 维随机误差向量。这样，可得 的最小二乘估计为 当 故 ， 为一致性和无偏性估计。 第三步：估计噪声模型参数。 根据恒等式(14-129)，把其中的 和 用 和 代入，令等式两边 同次幂各系数相等，可得参数 的 个线性方程，类似于第二步，建立下列向量－矩阵方程： (14-135) 可得 的最小二乘法估计 因为 是一致性和无偏性估计，所以 是一致性和无偏性估计。 (14-136) 前两种方法采用原系统脉冲响应序列，形成解高阶（ 比较大）最小二乘法估计问题。第三种方法显然减少了这种困难，因而便于参数估计。由式(14-128)可看到，如果用阶数高的拟合输入－输出数据，就能得到白色残差。不过，在这个模型的传递函数中有公因子，消去公因子，就能得到实际系统的传递函数。 为了说明怎样在第二步和第三步中建立最小二乘法的方程，现举一简单例子。 设 可得 从最后两个式子列出第二步中式(14-133)所示的方程： 再从 和 的式子中列出第三步中式(14-135)所示的方程： 上述方程可较容易地转换为递推方程。 例14-1 用多步最小二乘法计算下列三阶系统： 上述方程各参数的真值为 按下列条件进行计算： ⑴ 输入 和 都是零均值的独立高斯随机变量，输出端信噪比为 。 ⑵ 以后截断脉冲响应序列，实际脉冲响应序列如图14-5所示。 数据长度N＝300，计算结果如表14-1所示。 从表14-1可看出，在多步最小二乘法中，第三种方法的计算时间最少，而且精度最高。 1.12min 1.48min 1.84min 计算时间 0.41 0.38777±0.00472 未算 未算 1.00 0.99389±0.006