过程辨识-最小二乘类参数.pptVIP

过程辨识 -最小二乘类参数辨识方法 引 言 最小二乘的基本概念 例5.1 5.3 最小二乘问题的提法 练习： * + + “黑箱”结构 图5.1 SISO过程的“黑箱”结构 过程模型： 附加噪声： 噪声模型： 设过程的输入输出关系可以描述成以下的最小二乘格式 其中z(k)是过程的输出量；h(k)是可观测的数据向量；n(k)是 均值为零的随机噪声。利用数据序列｛z(k)} {h(k)},极小化下 列准则函数 使　　　　　　　　的　　　的估计值　　　称作参数　的最小二乘估计值。 考虑一个离散时间SISO过程，设作用于过程的输入序列为 相应观测到的输出序列为 选择下列模型 其中a,b为待辨识参数。 采用如下准则函数 根据输入输出数据，极小化J，求参数a,b，使得J=min。 这就是所谓的最小二乘问题。 设时不变SISO动态过程的数学模型为 其中u(k)和z(k)为过程的输入输出量；n(k)为噪声；多项式 如何利用过程的输入输出数据，确定多项式A(z-1)和B(z-1) 呢？ 基本假设和基本关系： 1、假定模型的阶次na和nb已经设定，并且一般有 2、将模型写成最小二乘格式 其中 对于k=1,2,…,L,构成一个线性方程组，可以写成： 3、假设噪声 n(k)完全可用一阶和二阶统计矩阵描述，即设它的 均值和协方差阵为 4、假设噪声n(k)是不相关的，而且是同分布的随机变量。即必须 假设{n(k)}是白噪声序列，即 5、假设噪声n(k)和输入u(k)是不相关的，即 6、数据长度L必须充分大。 5.4 最小二乘问题的解 准则函数取 准则函数写成二次型的形式 其中 设 使得 则有 展开，并运用如下两个向量微分公式： 得 正定方程 当 是正则矩阵时，有 又 因为 是正定矩阵，故 也是正定矩阵，即 所以，解 使得 并且是唯一的。 称之为加权最小二乘法 若加权矩阵取 则 称为最小二乘估计，对应的方法称为最小二乘法。 例 假定模型的形式为 实验获得三组数据, 请用一次完成最小二乘算法确定模型参数θ1 和θ2 。 x1 1 2 1 x2 0 -1 2 y 1 1 3 解： 将原模型改写成最小二乘格式 则 对于 构成一个线性方程组，可以写成 其中 *