第二章 被控过程的数学模型 自动化仪表与过程控制 教学课件3.pptVIP

2.4相关函数法辨识过程的数学模型 辨识线性系统数学模型相关函数法的输入信号： 可以应用两种不同的输入信号： 把系统输入端呈现的正常运行数据作为输入测试信号。优点是作法简单，不会由于外加干扰而破坏系统的正常运行；缺点是不一定保证运行数据中经常有足够的激励系统的信息。 采用伪随机二进制序列作为输入，辨识系统的脉冲响应函数，可以收到很好的效果。特点：既保证了输入信号能激励系统的信息，又不会干扰系统的正常运行，而且也解决了过渡响应法存在的问题。由于此法可以进行在线辨识，为进行实时控制和自适应控制打下了基础。 2.4 .1有关随机过程的基本概念 相关函数法辨识对象动态特性的有关概念： 随机变量： 每次实验，条件相同 ，结果x1 , x2,…,xn,… 不相同，称为随机变量。 X＝{x1 , x2,…,xn}是随机 事件。例如考试成绩， 投币结果。 2.4 .1有关随机过程的基本概念 随机信号：x1(t)是随时间随机地变化的信号，则称为随机信号。若x2(t)，…，xk(t)都是随机信号，则它们的集合称为随机信号的总体。 随机过程：依赖于时间t的随机过程，其基本特征是：在观察区间是一个时间函数；任意时刻上观察到的值是不确定的，是一个随机变量，其中每一个时间的函数称为一个实现，而随机过程就可看成一个由全部可能的实现构成的总体。随机过程可用统计的方法来描述。例如全班同学的体温是随机过程。 2.4 .1有关随机过程的基本概念 随机过程的统计描述 —总体平均值和均方值 2.4 .1有关随机过程的基本概念 平稳随机过程：若一个随机过程，它的统计特性在各个时刻都不变，则称之为平稳随机过程，即有 2.4 .1有关随机过程的基本概念 2.4 .1有关随机过程的基本概念 值得注意的： 平稳随机过程只是一种数学抽象，因自然界中没有绝对不变的东西； 但很多过程，其统计特性变化很慢，可以在足够长的时间内认为是平稳随机过程。 2.4 .1有关随机过程的基本概念 相关函数： 在某一时刻t的信号取值x(t)，对另一时刻 有影响时，则称： 2.4 .1有关随机过程的基本概念 自相关函数 2.4 .1有关随机过程的基本概念 互相关函数： 2.4 .1有关随机过程的基本概念 2.4 .1有关随机过程的基本概念 功率谱密度 对自相关函数进行富氏变换 2.4 .1有关随机过程的基本概念 白噪声： 白噪声概念来自对白光的频谱分析。 定义： 2.4 .1有关随机过程的基本概念 2.4 .1有关随机过程的基本概念 白噪声的功率密度谱在 整个频率范围内是一个 恒值。 白噪声的总功率是无限的， 在实际问题中，一个随机信号的功率密度谱在所考虑的频率范围内是恒定的话，该随机信号可近似地认为是一个白噪声。 2.4 .1有关随机过程的基本概念 相关函数法辨识线性系统数学模型的原理： 一个线性对象的输入 函数x(t)是一个平稳的 随机过程，那么相应的 输出y(t)亦是一个平稳 的随机过程，可以求输入x(t)与输出y(t)的互相关函数Rxy。再利用x(t)的自相关函数Rxx，可求得g*(t)。经L-变换可求得G(s)。 2.4 .1有关随机过程的基本概念 M序列.例： 111100010011010 共15个Δt。 特点：1. Δt为采样周期—Δt为码元宽度 2.为周期信号T=NΔt，上例T=15Δt 3.为“1”电平的比为“0”电平的多一个Δt 4.游程：连续出现a或-a为一个游程 2.4 .1有关随机过程的基本概念 5.自相关函数 当N很大时， 很接近脉冲函数。事实上，M(t)与 不相关。 2.4 .1有关随机过程的基本概念 自相关函数的图形如下： 2.4 .2 相关函数法辨识被控过程的数学模型 维纳－何甫方程： 2.4 .2 相关函数法辨识被控过程的数学模型 2.4 .2 相关函数法辨识被控过程的数学模型 2.4 .2 相关函数法辨识被控过程的数学模型 用白噪声测定对象的动态特性 对线性对象输入一个白噪声，则白噪声的自相关函数是一个δ函数 2.4 .2 相关函数法辨识被控过程的数学模型 采用二电平M序列伪随机信号辨识数学模型 M序列的产生：有多种方法。产生伪随机信号的方法很多，最简单又常用的是二位式序列，只有两种状态，并在有限个时间kΔt(k=0,1,2,…,N),由一个组序列切换到另一个组序列，完成一个循环， Δt表示每个码元的持续时间，循环周期长度为N Δt。例如下图，若an-1,an-2,an-3,an-4为1000，则产生000100110101111与前述M序列相同。 2.4 .2 相关函数法辨识被控过程