最小二乘在辨识系统中的应用.doc

学号： XXXX大学 系统辨识实验报告 最小二乘应用 院 （系） 计算机与信息工程学院 专 业 控制理论与控制工程 学生姓名 XXXXX 成 绩 指导教师 2013年6月 摘　要：系统辨识在工程中的应用非常广泛，系统辨识的方法有很多种，最小二乘法是一种应用极其广泛的系统辨识方法。本文阐述了动态系统模型的建立及其最小二乘法在系统辨识中的应用，并通过实例分析说明了最小二乘法应用于系统辨识，比如模糊最小二乘辨识应用于等精度测量，最小二乘法辨识算法在故障检测中的应用，最小二乘辨识模型的控制器误差修正。 关键词：最小二乘法；系统辨识；辨识精度 随着科学技术的不断发展，人们认识自然、利用自然的能力越来越强，对于未知对象的探索也越来越深入。我们所研究的对象，可以依据对其了解的程度分为三种类型：白箱、灰箱和黑箱。如果我们对于研究对象的内部结构、内部机制了解很深入的话，这样的研究对象通常称之为“白箱”；而有的研究对象，我们对于其内部结构、机制只了解一部分，对于其内部运行规律并不十分清楚，这样的研究对象通常称之为“灰箱”；如果我们对于研究对象的内部结构、内部机制及运行规律均一无所知的话，则把这样的研究对象称之为“黑箱”。研究灰箱和黑箱时，将研究的对象看作是一个系统，通过建立该系统的模型，对模型参数进行辨识来确定该系统的运行规律。对于动态系统辨识的方法有很多，但其中应用最广泛，辨识效果良好的就是最小二乘辨识方法，研究最小二乘法在系统辨识中的应用具有现实的、广泛的意义。 1　动态系统模型的建立 要想了解动态系统的特性，首先就要根据先验知识和对于该系统了解的程度建立该动态系统的模型。动态系统的建模问题是进行系统辨识首先要解决的问题。建立被控系统的数学模型通常有理论分析和试验分析两种方法。理论分析方法就是在已知系统内部规律的基础上(此时该系统即为“白箱”)，推导出系统的动态方程和输入输出关系。然而人们对一些复杂被控对象(“灰箱”或“黑箱”)的内部规律及其诸多重要参数认识得并不十分清楚。在这种情况下，往往需要采用试验分析的方法才能奏效。试验分析的方法也就是系统辨识的方法。动态系统的模型可以分为参数模型和非参数模型。凡应用微分方程、差分方程或状态方程表达的数学模型，称为参数模型。而非参数模型是以图线关系或其表达式给出的模型。参数模型又分为外部关系模型和内部关系模型。如果某动态系统模型表达的是系统输入与输出之间的关系，如描述系统特性的传递函数及脉冲传递函数，则称该动态系统模型为外部关系模型；内部关系模型是全面描述系统内部关系特性的一种模型。 线性连续定常系统的动态过程可由微分方程表达的数学模型来描述： 其中y(t)和u(t)分别为系统的输出与输入变量；(i =1,2,…,n)及(i =1,2,…,n)为常系数；n为模型的阶次。线性离散定常系统的动态过程可由差分方程表达的数学模型来描述： 其中y(k)和u(k)分别为离散系统的输出与输入变量序列； (i=1,2,…,n)及 (i=1,2,…,n)为常系数；n为模型的阶次。 动态系统的内部关系模型可由状态方程来描述，线性连续定常系统的状态方程和输出方程为 X = AX+BU y = CX 线性离散系统的状态方程和输出方程为 X(k+1) = AX(k)+BU(k) y(k) = CX(k) 其中X为状态向量，U与y分别为系统的输入与输出，A、B、C分别为系统矩阵、控制矩阵与输出矩阵。由状态方程和输出方程描述的数学模型应是具有能控性与能观测性的最小实现，才能使待辨识的参数最少且具有可辨识性。 线性连续定常系统的输入输出模型还可通过脉冲响应k(t)来描述： 其中y(t)和u(t)分别为系统的输出与输入变量。 线性离散定常系统的输入输出模型可通过脉冲响应g(t)来描述： 2　最小二乘法在系统辨识中的应用 系统辨识是通过建立动态系统模型，在模型输入输出数据的基础上，运用辨识方法对模型参数进行辨识，从而得到一个与所观测的系统在实际特性上等价的系统。应用最小二乘法对系统模型参数进行辨识的方法有离线辨识和在线辨识两种。离线辨识是在采集到系统模型所需全部输入输出数据后，用最小二乘法对数据进行集中处理，从而获得模型参数的估计值；而在线辨识是一种在系统运行过程中进行的递推辨识方法，所应用的数据是实时采集的系统输入输出数据，应用递推算法对参数估计值进行不断修正，以取得更为准确的参数估计值。由于在线辨识方法具有实时采集系统输入输出数据，实时辨识模型参数，且占据计算