系统辨识复习题.docVIP

一、概念题 请给系统辨识下个定义。 如何获得适合辨识的观测数据？ 系统辨识有哪些应用？ 为何要将辨识数据标准化？如何标准化？ 白噪声的定义是什么? 什么是M序列? 线性系统的结构由哪些参量来描述? 什么是预报误差模型? 二、计算与问答题 请用双线性变换将连续传递函数转换为离散传递函数(T=0.5s)。 一被识系统的观测数据含有有色噪声E(k)。拟选的参考模型为A(q-1)y(k)=B(q-1)u(k)+E(k) 请问：1)用LS能否得到A(q-1)和B(q-1)的无偏估计？为什么？ 2)如果将作为辅助变量，能否得到A(q-1)和B(q-1)的无偏估计？写出此时的计算公式。 试述相关最小二乘二步法的适用条件和计算过程。 已选择被识系统的参考模型为，其中w(k)为白色噪声。为了进行递推辨识，请将模型改写为伪线性回归形式，并给出其中所有估计量的表达式。 试述一种多步最小二乘法的适用条件和计算过程。 已选择被识系统的参考模型为，其???w(k)为白色噪声。为了进行递推辨识，请将模型改写为伪线性回归形式，并给出其中所有估计量的表达式。 如果一个系统的部分参数已知（例如，A(q-1)y(k)=B(q-1)u(k)+w(k)中，A(q-1)已知，B(q-1)未知），你怎么去辨识其他未知参数？写出你的计算公式。 Matlab中Rand函数产生的随机数是不是白噪声?说出你的理由。 逐步回归法辨识模型结构的原理是什么？ 结构判断准则FPE和AIC的共同特点是什么？ 三、选择题 1）要辨识一个实际系统，正确的获得辨识数据的过程是： A 在实验室做模拟仿真 B 在被辨识系统处于正常工况时采集数据 C 通过施加激励信号，使被辨识系统处于非正常工况时采集数据 D 在实验室做数字仿真 2）过滤观测数据中的噪声，正确的方法是： A 对系统输出数据做低通滤波 B 对系统输入数据做低通滤波 C 对系统输入、输出数据做不同的滤波 D 对系统输入、输出数据做相同的滤波 3) 最小二乘法的适用模型是： A 带白色噪声的线性回归模型； B 带白色噪声的连续传递函数模型； C 带白色噪声的离散传递函数模型； D 带白色噪声的伪线性回归模型； 4)辨识结果是否好的标准是： A模型阶次是小的； B参数估计误差是小的； C输出估计误差是小的； D模型是稳定的； 5)对于模型A(q-1)y(k)=B(q-1)u(k)+E(q-1)w(k)，A(q-1)、B(q-1)、E(q-1)均是多项式。参数估计法正确的选择是： A 用普通最小二乘法来辨识 B用递推增广最小二乘法来辨识 C用广义最小二乘法来辨识 D用递推普通最小二乘法来辨识 6)某算法中 φ(-y,u,)=[-y(k-1),...,-y(k-n),u(k-1),...,u(k-m),(k-1),...,(k-r)]T; (k)=y(k)-(k), (k)=φT(-y,u,), =[a1,...,an,b1,...,bm,c1,...cr]T; 请问，准则函数中误差(k)=y(k)-(k)选择的是： A参数估计误差 B方程误差 C输出误差 D其它误差 7）如果选择的结构判断准则为：最小，则结构辨识方法为： A F检验法 B 最终预报误差法 C 逐步回归法 D残差自相关法 8)对于一个参数慢时变的系统 A 不能用你学过的方法辨识 B 可用广义最小二乘法来辨识 C 用递推最小二乘法来辨识 D用辅助变量最小二乘法来辨识 9)下列方法中哪个对递推辨识无帮助： A 数据标准化 B 递推滤波 C UD分解 D稳定性检验 10)白色噪声的估计公式为： A B C D 11)使用M序列作扰动信号，下列说法中哪个是错误的： A可以充分激励系统 B 与输入/出数据作相关运算后，模型结构没变，并且可以削弱噪声影响 C 可容易为多输入系统构造正交输入信号 D 比任何其它的扰动信号都更有利于系统辨识 12)用逐步回归法估计模型结构，最适用的模型是： A Ay=Bu+Cw B Ay=Bu+w C y=Bu/A+Cw D y=Bu/A+w 13)在使用标准化的数据进行参数估计之后， A模型不需要修整 B 模型的A(q-1)需要修整 C模型的B(q-1)需要修整 D模型的A(q-1)和B(q-1)都需要修整 14)某二输入单输出系统，输出对输入U1的过渡过程时间为20s，输出对输入U2的过渡过程时间为30s。采样间隔