系统辨识课程综述.doc

《系统辨识》课程综述 摘要：在控制理论与控制工程领域，系统辨识经过四十余年的发展取得的进步。本文综述了系统辨识的发展历程，最后总结了系统辨识今后的发展方向。 关键词：系统辨识；发展历程；辨识方法；(set-membership)辨识、H∞辨识、支持向量回归分析等）逐渐成形。 1967年瑞典Karl J.Astorm提出最小二乘辩识，解决了线性定常系统参数估计问题和定阶方法，六年后，他又提出了自启调节器，建立自适应控制的基础；1976年美国R.Brokcett提出用微分几何研究非线性控制系统；1985年意大利A.Isidori发表《非线性控制系统》；1981年加拿大的G.zames提出针对系统不确定状况的鲁棒控制设计方法；1983年Y.CHo和X.RCao等提出离散事件系统理论；90年代开始基于神经网络、模糊逻辑、遗传算法等智能信息处理方法的智能控制理论成为人们的研究热点。近二十年来，系统科学与工程在非线性系统的辨识与控制、分布参数系统的辨识与控制、随机系统与自适应控制、离散事件系统和混合系统、不确定系统的鲁棒控制、智能控制等研究方向上取得了许多重要成果。 进入新世纪，系统辨识与控制科学既拥有广阔的发展前景，又面临着严峻的挑战，现实生活中的客观需求和理论上的谋求突破都要求该学科进入到更高、更广的发展空间。现代科技的发展对控制系统的智能性提出了越来越高的要求：具有多种信息或传感信息的综合能力；具有自学习和自适应能力，能够自主调整控制结构；控制系统本身应该具有良好的控制特性，在出现故障和意外时，能够及早进行自我故障诊断及排除；现代控制系统还应具有良好的容错性、鲁棒性和高可靠性等。近年来，学者们在系统辨识领域形成了三大热点研究方向：基于鲁棒控制数学模型要求的鲁棒辨识，基于特殊信号驱动下的系统辨识以及基于智能信息处理的非线性系统辨识，极大地推动了对非线性、时变、不确定性对象的系统建模的研究进程。 3 系统辨识方法 系统辨识的主要内容包括四个方面：实验设计、模型结构辨识、模型参数辨识、模型验证。对于一个给定的系统，辨识步骤大致分为：根据辨识的目的，利用先验知识，初步确定模型结构，采集数据并进行适当的处理；进行模型结构和参数辨识；最后通过验证得到最终模型。系统辨识的基本过程如图1： 系统辨识的方法有很多，如以阶跃响应法、脉冲响应法、频率响应法、相关分析法、谱分析法、最小二乘法和极大似然法等为代表的传统系统辨识；以神经网络、遗传算法、小波网络、模糊理论等知识为基础的新型辨识方法。下面简要介绍几种传统和现代的辨识方法。 （1）最小二乘法 最小二乘法（LS）是一种最经典和最基本的数据处理方法。最小二乘（Least Square），即指其追求在方程求解、拟合和建模中的误差平方和最小。对系统辨识问题，即为系统辨识定义三要素中的等价准则（函数）为模型的辨识误差的平方和最小。LS法的思想是由已知的观测数据对如下准则函数求取最优解而获得未知参数的估计值。对系统辨识问题，还存在一个可辨识性问题。当给定输入输出数据时，对假定的模型结构是否能唯一地确定模型的参数，这就是可辨识问题。在上述LS估计问题中，可辨识性即为基于参数模型的辨识问题归结的模型参数的LS最优化问题是否存在唯一解问题。可辨识性直接与系统的结构、系统的输入输出信号的性质相关，与系统结构的关系、对输入输出模型，则有求系统阶次准确已知，系统传递函数模型的分子分母互质。对状态空间模型，则要求系统能控并能观。与输入信号的关系，要求过程的所有模态都必须被输入信号“持续激励”，即系统的输入输出信息“充分丰富”。 H∞辨识的数学描述新颖独特，但从实用的角度看却不甚理想。鲁棒辨识问题的完美解决，应是一种能与现今成熟的鲁棒控制理论框架紧密衔接的辨识机制，辨识过程是递推实现的，辨识结果（名义模型及其误差界）可在线得到更新，控制器可根据辨识结果间歇地进行调整。从目前的情况看，这一目标还不太现实，还有大量的理论问题有待于研究。关键在于弄清鲁棒辨识与鲁棒控制之间存在何种形式的折衷关系，辨识器对未知对象进行估计，控制器则基于辨识结果对其进行控制。系统运行较为平稳时，有效的新的信息量对辨识器不足以激发出更好的辨识结果，对不确定性的掌握程度将逐渐减弱，使得控制器的控制效果变差，系统的运行出现波动。这样一来，对辨识器有效的激励信息量反而大大增加，辨识器又可逐步恢复对系统不确定性的掌握，控制器的有效运行又使系统的运行恢复平稳。这样一种循环往复的过程将体现一种在线调整的特征。遗憾的是，除与传统辨识方法存在一定联系的集员辨识方法外，几乎所有的鲁棒辨识算法至今只能离线完成，而前者对过多精确验前信息的要求,在许多复杂的工业环境中却失去了实际意义。相信对递推鲁棒辨识算法的解决，将有助于对辨识与控制之间关系的深入了解。 （3）非参数模型辨识—神