湖南大学系统辨识作业.docVIP

姓名：袁齐权 班级：自动化一班 学号20110703124 3：表1中是在不同温度下测量同一热敏电阻的阻值，根据测量值确定该电阻的数学模型，并求出当温度在时的电阻值。 要求用递推最小二乘求解： （a）设观测模型为 其中v表示白噪声。 利用头两个数据给出（即） （b）写出最小二乘的递推公式； （c）利用Matlab计算 并画出相应的图形。 解：首先根据不同的观测值写成 写成矩阵的 的形式。 现在的任务为给出的估计值。根据观测模型不同温度的观测值为，而参数和输入分别为 利用头两个数据给出最小二乘的初值： 这样可以算得 求得 注意对于手工计算，可以直接用2阶矩阵求逆公式 有了初值，可以写出递推公式： 这样可以根据RLSE公式进行计算。 算得（注意）： P(1) = 0.0134 -0.3536 -0.3536 9.6685 P(2) = 0.0047 -0.1397 -0.1397 4.4118 P(3) = 0.0017 -0.0594 -0.0594 2.2224 P(4) = 0.0008 -0.0327 -0.0327 1.4264 P(5) = 0.0005 -0.0198 -0.0198 1.0025 P(6) = 0.0003 -0.0143 -0.0143 0.8103 P(7) = 0.0002 -0.0110 -0.0110 0.6863 P(8) = 0.0002 -0.0088 -0.0088 0.5986 进而可以画出相应的图形 4：叙述并推导递推最小二乘递推公式（pp64-66）。 在阶“持续激励”输入信号的作用下，加权最小二乘法的解为 记k时刻的参数估计值为 令，并利用 ， 则有 又设，可导出如下的加权最小二乘估计递推算法，记作WRLS(Weighted Recursive Least Squares algorithm)， 置，并利用矩阵反演公式 ， 令增益矩阵为： 那么算法将演变成下面所示的另一种递推算法形式 为了保证计算过程中P(k)矩阵始终是对称的，算法的第3式可采用下面的计算式，以保证不破坏P(k)矩阵的对称性。 。 第四章： 1：叙述课本定理4.1并推导之（pp92-94）； 解：确定性问题的梯度校正参数辨识方法的参数估计递推公式为： 并且权矩阵选取如下形式： 如果权矩阵满足以下条件： 个中存在一个，使得 或者 与不正交 则不管参数估计值的初始值如何选择，参数估计值总是全局一致渐近收敛的，即有： 注意：条件1确定了权的选择范围，条件2是推导条件3的前提，条件3是保证参数估计全局一致收敛的条件。 定理的证明： 建立关于参数估计偏差的离散时间运动方程。由于： 令：，由： 我们有： 即 （**） 建立方程（**）的Lyapunov能量函数。 定义Lyapunov能量函数如下： 其中满足定理中的条件2，。由Lyapunov稳定性定理，只要满足以下条件，则离散时间运动方程（**）具有全局一致渐近稳定的零点。 （a），对于所有的； （b），对于所有的； （c）当时，有； （d），对所有的。 由定理给定的条件可知（a）、（b）和（c）一定满足。 条件（d）满足的证明 记： 则由Lyapunov能量函数的定义，有： 其中： 将及的定义式代入，由于： 我们有： 由定理给的条件2，有 利用和的定义，由 上面的不等式可得： 即有： 由于，所以为了使，必须，即要求： 由定理的条件4，有，因此上面的不等式为： 至此证明了只要定理的条件满足，必有，定理证毕。 权矩阵的选择 或取： 最佳权矩阵的选择（Lyapunov最佳权矩阵）：（注意推导过程） 注意的地方 权矩阵的作用是控制各输入分量对参数估计的影响程度； 若与正交，或大于一定的值后与正交，则得不到全局稳定性，即时，不趋于零。 2： 设和是两个随机变量（向量），且取值所形成的空间为 S， 试解释的几何含义； 解：若存在，则。称： 为关于的回归，或称为关于的回归函数。 3：随机逼近原理的内容为：给定，设方程： 有唯一的解。可以取的样本值，以及对应的样本值，记为，通过迭代，逐步逼近上述方程的解。试叙述随机逼近R-M算法的内容。 解：Robbins－Monro算法： （C） 其中：称为收敛因子。如果满足： （D） 则由（C）确定的在均方意义下收敛于方程（B）的解。 一般取： 另外：当满足以下条件时 由（C）确定的满足： 第五章 1：什么是极大似然估