自适应控制大作业解说.docVIP

自适应控制结课作业 班级：组员：  2016年1月 目　录  TOC \o 1-3 \h \z \u  HYPERLINK \l _Toc10668 1 遗忘因子递推最小二乘法  PAGEREF _Toc10668 1  HYPERLINK \l _Toc29022 1.1最小二乘理论  PAGEREF _Toc29022 1  HYPERLINK \l _Toc26001 1.2带遗忘因子的递推最小二乘法  PAGEREF _Toc26001 1  HYPERLINK \l _Toc14866 1.2.1白噪声与白噪声序列  PAGEREF _Toc14866 1  HYPERLINK \l _Toc12407 1.2.2遗忘因子递推最小二乘法  PAGEREF _Toc12407 2  HYPERLINK \l _Toc7167 2.2仿真实例  PAGEREF _Toc7167 3  HYPERLINK \l _Toc11759 2 广义最小方差自校正控制  PAGEREF _Toc11759 7  HYPERLINK \l _Toc30843 2.1广义最小方差自校正控???  PAGEREF _Toc30843 7  HYPERLINK \l _Toc24051 2.2仿真实例  PAGEREF _Toc24051 8  HYPERLINK \l _Toc8180 3 参考模型自适应控制  PAGEREF _Toc8180 14  HYPERLINK \l _Toc9168 3.1参考模型自适应控制  PAGEREF _Toc9168 14  HYPERLINK \l _Toc19208 3.2仿真实例  PAGEREF _Toc19208 17  HYPERLINK \l _Toc23910 3.2.1数值积分  PAGEREF _Toc23910 17  HYPERLINK \l _Toc27877 3.2.2仿真结果  PAGEREF _Toc27877 17  HYPERLINK \l _Toc3729 参考文献  PAGEREF _Toc3729 23   PAGE \* MERGEFORMAT 1 1 遗忘因子递推最小二乘法 1.1最小二乘理论 最小二乘最早的想法是高斯在1795年预测行星和彗星运动轨道时提出来的，“未知量的最大可能的值是这样一个数值，它使各次实际观测和计算值之间的差值的平方乘以度量其精确度的数值以后的和为最小”。这一估计方法原理简单，不需要随机变量的任何统计特性，目前已经成为动态系统辨识的主要手段。最小二乘辨识方法使其能得到一个在最小方差意义上与实验数据最好拟合的数学模型。由最小二乘法获得的估计在一定条件下有最佳的统计特性，即统计结果是无偏的、一致的和有效的。 1.2带遗忘因子的递推最小二乘法 1.2.1白噪声与白噪声序列 系统辨识中所用到的数据通常含有噪声。从工程实际出发，这种噪声往往可以视为具有理想谱密度的平稳随机过程。白噪声是一种最简单的随机过程，是由一系列不相关的随机变量组成的理想化随机过程。白噪声的数学描述如下：如果随机过程均值为0，自相关函数为，即 式中，为单位脉冲函数(亦称为Dirac函数)，即 ，且 则称该随机过程为白噪声，其离散形式是白噪声序列。 如果随机序列均值为零，且两两互不相关，即对应的相关函数为： 则这种随机序列称为白噪声序列。其谱密度函数为常数。白噪声序列的功率在到的全频段内均匀分布。 建立系统的数学模型时，如果模型结构正确，则模型参数辨识的精度将直接依赖于输入信号，因此合理选用辨识输入信号是保证能否获得理想的辨识结果的 PAGE \* MERGEFORMAT 14 关键之一。理论分析表明，白噪声作为被辨识系统的输入时，可以激发系统的所有模态，可对系统充分激励，可防止数据病态，保证辨识精度，可以保证获得较好的辨识效果。 图1-1 白噪声序列 1.2.2遗忘因子递推最小二乘法 假设被辨识的系统为一单入单出的离散时间系统，且已知为CAR模型（带控制量的自回归模型），如图2所示： 图1-2 辨识系统模型 即 式中，为输入变量，为输出变量，为白噪声，且 则上式可转化为如下最小二乘格式： 式中，为数据向量，待估参数向量，且 取算法的性能指标为 式中，为遗忘因子（）。 带遗忘因子的递推最小二乘估计的算法公式为： 公式表明，新的参数估计是用新的实际测量值与基于老模型进行预测得到的量之偏差，对前面的参数估计加以修正得到的，修正系数阵为。的物理意义是参数估计