建模与仿真CH_2.ppt

2001年9月--12月 《通信电路原理》--无九 动力系统建模与仿真Power System Modeling and Simulation(2) 线性水轮机发电机组的模型： 提示： 可以使用非线性模型，简单的方法是用神经网络来模拟机组的非线性特性。 简化的弹性水击模型 刚性水击模型 2.6 系统辨识建模法 系统辨识事实上是一种以真机试验为基础的系统建模型方法。它通过观测一个系统，或一个过程的输入与输出的关系，来确定描述该系统或过程动态特性的数学模型。 由于通常不可能寻找到一个与实际系统完全等价的模型，尤其是对水轮机调节系统这样复杂的动态系统，因此，从实用的观点看，模型能“最好”地拟合所关心的实际系统的动态或静态特性既可满足要求。 此外，由于现场测试的输入输出数据一般都含有噪声，因此辨识建模实际上是一种实验统计的方法，它获得的模型是与实际系统外特性等价的一种近似描述。 系统辨识方法的可靠性及算法的复杂程度很大程度上依赖于对被辨识对象的了解程度。系统辨识方法可以用于完全未知的系统，但其算法相对复杂。因此，如前述内容，可运用机理 分析法确定其数学模型结构，用系统辨识法确定模型的参数。这种方法属于系统辨识方法的一种，在系统辨识理论中通常称为模型的参数估计，也是我们这里将要讨论的主要内容。 系统辨识的基本原理可用下图加以说明。 系统辨识原理说明 辨识过程如下：首先定义一评价函数J，它通常是误差e的函数，实际系统和模型系统在同一激励信号x的作用下，产生实际输出信号yr和模型输出信号ym，其误差为e，经辨识算法计算 评价函数J，并按某种规定的方法去修正模型参数 ，反复进行，直至误差e满足预先规定的最小值为止。简言之就是令 寻找一组模型参数 使得 则 就是系统参数 的一个估计。 完成辨识通常有两种模式。一种是离线辨识，即先进行现场辨识试验，将观测的输入输出数据记录下来，试验后，再根据所记录的全部数据来辨识系统的数学模型；另一种是在线辨识，它的辨识估计是在现场辨识试验中进行的，即对在线采集的数据进行递推计算，新的数据被用来修正、刷新已有的估计值。如果刷新的过程进行的非常快，那末就有可能获得一定精度的时变系统的参数估计值，因此又称为在线实时辨识。现在使用较多的是离线辨识的方法。 系统模型辨识过程示意图 1. 系统辨识使用的数学模型 差分方程： 引入时间平移算子 q, 令q-1y(k)= y(k-1)，则上式又可写成 其中： 对应的脉冲传递函数： 差分方程与微分方程是对应的，都是在时域描述系统动态特性的方法； 脉冲传递函数与传递函数是对应的，都是在频域描述系统动态特性的方法； 传递函数与脉冲传递函数可以相互变换； 在进行系统辨识时，因为现场试验的数据是离散的，一般使用系统的差分方程模型，如果需要系统的传递函数模型，再进行变换； 在进行系统辨识时，有时还需要了解噪声特性，因此，系统的差分方程还可写成其噪声模型： 2. 最小二乘类算法辨识 在系统辨识领域，最小二乘类算法(包括最小二乘基本方法，增广最小二乘法，广义最小二乘法和多级最小二乘法等)是一类基本的估计方法。最小二乘类算法，既可用于动态系统，也可用于静态系统；既可离线辨识，亦可在线辨识。并且，最小二乘类辨识算法原理简单，编制程序容易。此外，许多用于辨识和参数估计的算法往往也可以解释为最小二乘类算法。所有这些原因使得最小二乘类算法深受工程界重视，广泛应用于模型辨识领域。在最小二乘类算法中最小二乘基本算法是最基本的，也是应用最广泛的一种算法，其余都是在最小二乘基本算法原理上推导出来的。 基本最小二乘算法的原理如下： 设线性时不变离散系统 式中，na为系统输出阶次；nb为系统输入阶次。将式移项后可得系统输入输出的最小二乘格式 式中，na为系统输出阶次；nb为系统输入阶次。将式移项后可得系统输入输出的最小二乘格式 式中，xT(k)和θ分别认为是系统的输入向量和参数集合 将L个方程(基于L次测量)写成矩阵方程，可得 其中： 由于只能测量到y(k)和xT(k)，噪声(误差)ξ(k)无法确定，所以由Y和x按上式只能得出真值θ得估计值 ，即 这里 称为拟合误差，又称残差。 最小二乘辨识算法的准则是要求在拟合中产生的L个残差ε(k)的平方和为最小，即找到一种估计能使准则函数 即 为使其极小化，令 当xTx非奇异时(正则矩阵)，有 为了一般化，还可对每个残差项加以不同的权。令W为所给定的加权矩阵，则加权后的准则函数为 在获得一批数据之后，用上两式可以一次求得各参数估计值，所以这种算法又称为一次完成算法或成批算法。由于矩阵x的维数将随数据量测次数的增加而不断增加，致使矩阵xTx求逆愈为困难，给计算机的