系统辨识systemidentification.pptVIP

系统辨识System Identification 主讲：凌青 qingling@mail.ustc.edu.cn 二零一七年春季学期 课程安排 第1周至第13周，共40学时 周四3, 4, 5节，3A106教室 9:45-10:30, 10:35-11:20, 11:25-12:10 9:45-10:30, 10:35-11:45, 11:45-12:00 期末考试 上机实验 课程安排 第1周至第13周，共40学时 周四3, 4, 5节，3A303教室 9:45-10:30, 10:35-11:20, 11:25-12:10 9:45-10:30, 10:35-11:45, 11:45-12:00 期末考试：不考核 上机实验：不考核 论文阅读 参考教材 过程辨识 方崇智，萧德云 清华大学出版社，1988 System Identification: Theory for the User Lennart Ljung 清华大学出版社，2002 系统、模型与辨识 系统辨识＝系统模型辨识＝系统建模 系统：依一定秩序相互联系的一组事物（钱学森） 模型：对系统某一方面的数学描述，包括模型结构与模型参数。模型是对复杂现实的简单概括 辨识：利用系统的输入输出数据来建立系统数学模型的学科 系统辨识的目的 估计某些具有特定物理解释的参数 建立仿真模型 建立预测模型 故障诊断 基于模型的控制 系统辨识的定义 Lotif Zadeh：系统辨识是在输入和输出数据的基础上，从一类模型中确定一个与所测系统等价的模型 Lennart Ljung：系统辨识有三个要素：数据、模型类和等价准则。系统辨识是按照某个准则在模型类中选择一个与数据拟合的最好的模型 系统辨识的分类 白箱建模 / 黑箱辨识 / 灰箱辨识 系统结构辨识 / 系统参数辨识 线性系统辨识 / 非线性系统辨识 时间序列分析 / 动态系统辨识 白箱、黑箱与灰箱 机理建模：属于理论建模方法，通过分析系统的运动规律，运用已知的物理、化学、生命科学等定律、定理和原理，利用数学方法进行推导，建立起系统的数学模型 试验建模：测量系统的输入输出数据，由于系统的静态、动态特性必然表现于这些输入输出数据中，因此可利用输入输出数据所提供的信息来建立系统的数学模型 基于机理的试验建模：将前两种方法结合起来，机理已知部分采用机理建模方法，机理未知部分采用试验建模方法确定 系统辨识的分类 白箱建模 / 黑箱辨识 / 灰箱辨识 系统结构辨识 / 系统参数辨识 线性系统辨识 / 非线性系统辨识 时间序列分析 / 动态系统辨识 系统辨识的基本过程 先验知识 试验设计 试验数据 模型结构 参数估计 模型验证 拒绝 接受 最终模型 辨识中的先验知识 其一，有关模型结构、参数或者数据的实际知识或信息，这些知识或信息是研究者已知的或是从数据中收集到的 其二，研究者在从事辨识工作之前所作的假定，这些假定是关于模型结构、参数或数据的某些限定或约定，往往是为了保证可辨识性的要求的 辨识中的先验知识 关于模型结构的先验知识 分析系统的运动规律（物理、化学、生命科学）得到 通过数据分析得到（线性、时变性、噪声相关性等） 关于数据的先验知识 对数据的限制 假定噪声服从某种指定的分布 关于参数的先验知识 给出参数的区域，或给出决定参数变化范围的变量 提供参数的先验估计（可作为估计算法的初值） 给定或假定参数的先验分布密度（改进估计精度） 辨识试验设计 根据已有的先验知识、预备性的试验结果、辨识的目的，决定如何设计试验 预备性试验（阶跃响应法、频率响应法等） 被辨识系统的主要时间常数 允许的输入信号幅度 过程控制的非线性与时变性 噪声水平 变量之间的延迟等 辨识试验设计 安排试验时，首先确定所要观测的变量，输入信号可以人为给定，输出信号通过检测获得 如何选择输入信号。根据不同输入信号特点，可以采用不同的辨识方法 观测信号采样周期的确定，一般根据系统的动态特性、输入信号特性来确定 确定试验持续时间（辨识精度、试验费用） 选择模型类型 一般模型分为以下几类 稳态模型 / 动态模型 线性模型 / 非线性模型 单变量模型 / 多变量模型 定常参数模型 / 时变参数模型 时间域模型 / 频率域模型 连续时间模型 / 离散时间模型 确定性模型 / 随机性模型 确定模型结构 所谓模型结构确定，在集中式线性定常系统中指的是阶次与纯滞后时间的确定 取决于模型的应用目的及精度要求，往往需要在其精度和复杂性之间进行权衡 在确定结构的过程中，要尽可能的利用对被辨识过程的物理意义的认识，而不只是利用统计方法 参数与状态估计 对试验数据采用统计方法处理，滤去噪声污染和随机干扰 参数估计准则 参数估计方法