现代控制工程_第8章系统辨识.pptVIP

第 8 章 系统辨识;自动控制理论是基于被控对象的数学模型来分析和设计控制系统的。因此，建立系统的数学模型是现代控制理论研究的基本问题之一。“系统辨识”的任务是研究建立系统数学模型的方法。 本章简要介绍系统辨识的基本概念、最小二乘参数估计方法和系统结构辨识方法。;第8章 系统辨识;8.1 系统辨识的概念;（1）黑箱问题，也叫完全辨识问题：被辨识对象的基本特性是完全未知的。 （2）灰箱问题，又叫不完全辨识问题：在辨识前已知道系统的一些基本特征。例如：已经知道系统是线性的，其通频带大致是多少，不能确切知道的只是系统的动态方程的阶次以及方程的系数值等。 许多工程上的辨识问题属于灰箱问题，系统辨识内容就简化成阶的辨识和参数估计问题了。;8.1 系统辨识的概念; 8.2.1 参数估计问题 ;8.2.1 参数估计问题;8.2.1 参数估计问题;8.2.2 最小二乘法的基本算法;8.2.2 最小二乘法的基本算法;8.2.2 最小二乘法的基本算法;8.2.2 最小二乘法的基本算法;8.2.2 最小二乘法的基本算法;8.2.3 最小二乘法的性质;8.2.3 最小二乘法的性质;8.2.3 最小二乘法的性质;8.2.4 应用举例;设有一常输入x0=1，则;8.2.4 应用举例;8.2.4 应用举例;8.2.4 应用举例;8.2.4 应用举例;8.3 线性动态模型的最小二乘参数估计;8.3 线性动态模型的最小二乘参数估计;由数学中的极值条件; 8.4.1 基本递推算法;8.4.1 基本递推算法;带遗忘因子的递推最小二乘估计算法的基本思想：重视当前数据，将过去的数据逐渐“遗忘”掉。;遗忘因子对参数估计结果很有影响: 遗忘因子越小表明遗忘得越快，越重视当前数据，越能反映当前系统的变化，这适合于参数变化速度相对于辨识速度较快的时变系统。 遗忘因子越大，表明重视了更多的历史数据，可以得到更多的系统信息，因此辨识的模型精度较高，适合于参数变化速度远低于辨识速度的慢时变系统。否则，由于没有充分利用老数据中所含的系统信息，辨识精度较低。 遗忘因子一般在0.95～0.995的范围内选取。当=1时，就表示没有“遗忘”，式(8.36)就成为式(8.35)。 ;由观测数据根据某个准则辨识模型的阶次和滞后步数的过程称为“定阶”。 定阶一般是按“假设－检验”的步骤反复进行：由低阶向高阶逐次假定系统的阶次，分别估计模型的参数，然后对得到的模型进行检验，以满足要求的最低阶作为所确定的模型阶次。 低阶模型对系统描述粗糙，但分析设计容易，而高阶模型对系统描述精度高，但分析设计复杂，尤其不利于在线辨识与自适应控制。; 1．性能指标最小定阶 对于给定的阶次n，最小二乘法是使性能指标J取最小值条件下，得到的参数估计。 给定不同的阶次n，可以得到不同的参数估计和相应的性能指标最小值。 当模型阶次n小于系统实际阶次时，随着n的增加，性能指标最小值将明显下降；当模型阶次n大于系统实际阶次后，随着n的增加，性能指标最小值的下降并不显著。因此，可以取曲线下降开始变慢的值作为阶的估计。 一般用数理统计中的“F检验”确定曲线下降是否明显，从而确定模型的阶次。;8.5.1 模型阶次的确定;8.5.2 系统纯时滞的辨识;8.5.2 系统纯时滞的辨识;8.6 闭环系统的可辨识性;8.6 闭环系统的可辨识性;8.6 闭环系统的可辨识性;8.7 MATLAB在系统辨识中的应用 ;2. 用thm=rarx(z,nn,adm,adg)或[thm,yhat,P,phi]= rarx(z,nn,adm, adg,th0,p0,phi0)命令实现递推最小二乘法 z=[y,u]为对象的输入输出数据矩阵，其中y为对象的输出数据向量??u为对象的输入数据向量。y、u均为列向量的形式。 nn=[na,nb,nk]为模型的阶次和纯时滞大小。 adm,adg用于指定采用的递推最小二乘方法的类型。Adm= ff,adg=lam为采用具有遗忘因子lam的递推最小二乘方法。 yhat为输出的当前预测矩阵值。th0为指定模型参数的初始值。 p为当前参数估计的协方差矩阵。p0为指定参数估计的协方差矩阵初值。 phi为当前的数据向量。phi0为数据向量的初值。psi为梯度向量。 thm为参数估计值矩阵，thm的第k行为时刻k的参数估计值。 ; THE END