[工学]系统辨识.pptVIP

系统辨识;系统建模方法;概念;原理;被辨识系统模型可分为参数模型和非参数模型两大类. 参数模型是指差分方程、微分方程、状态方程、传递函数等形式的数学模型; 而非参数模型是指频率响应、脉冲响应、等不显含参数的数学模型. 注：非参数模型适用于描述任意复杂系统; 线性系统辨识经典方法;传统方法;激励信号;白噪声 ;白噪声的用途;伪随机噪声由白噪声截断而来，是一个周期性信号。其自相关函数接近于白噪声的自相关函数。 离散白噪声：连续白噪声等间隔采样而成的随机序列。显然，该噪声具有连续白噪声相同的统计特性 二位式：离散随机变量取值只有两种数值，没有第三种取值情况。例如:-1 1 离散二位式白噪声：序列中元素一般取为1和-1，也是真正意义上的白噪声，用其作为输入信号. ; 相关分析法;相关分析法的基本原理 辨识要解决的问题是：从u(t)，y(t)估计g(t);相关分析法的基本原理 假设u(t)为具有各态历经性的平稳随机过程，则因为系统为线性定常系统，故u(t)的响应y(t)在过渡过程结束后也是平稳随机过程。 若噪声ξ(t)与u(t)统计独立，且有：;那么有： 则u(t)与y(t)的互相关函数为：;因为g(λ)为确定性的，故： 称为Wiener-Hopf方程。 因输入信号u(t)为白噪声与ξ(t)统计独立，故有Ruy(т)=Ruz(т)，以此为基础的方法具有抗扰性，对噪声有滤波作用。 若输入u(t)为白噪声信号，那么： 白噪声输入信号的优良特性：激发所有频段；通常与过程噪声无关; 相关分析法;最小二乘法参数估计; 基本的最小二乘估计 解决问题：在模型阶次n已知的情况下，根据系统的输入输出数 据，估计出系统差分方程的各项系数。;将x(k)代入上式，可得输入输出数据方程为：;上式写成向量形式为：;若N=(2n+1)且ξ=0，则上式中的φ阵为(2n+1)×(2n+1)的方阵。由此，可解得θ的唯一解为：;2.基本的最小二乘法(LS);J取得最小值，也即J为极值，则有：;理论上，偏导为0只能说明J取得极值。可能为极大 值，也可能为极小值。;批处理最小二乘法，每次处理的数据量大，占用内存大不参与参数在线实时估计。所以就出现了扩展方法有： 递推最小二乘法 ： 遗忘因子递推??小二乘法（加权）： 使用于参数突变但不频繁 参数缓慢变化的系统 梯度校正参数估计法：;定义似然函数L为：;辨识θ的原则就是使得L达到极大值，即：;4.2 差分方程的极大似然辨识;设e(k) 方差为;则依极大似然辨识原理有：