系统辨识_1_概述幻灯片.pptVIP

试验时，保持车速和纸浆浓度不变； 对流量和蒸汽压力，分别施加伪随机序列扰动，幅度以不引起断纸为限； 设定采样频率为2，试验时间为1000秒。 采集信号为：定量、水份、纸浆流量和蒸汽压力 第四步：现场准备。 现场准备要做以下几件事： 向企业申请试验时段； 准备扰动信号发生器，并通过预发信号，检验扰动信号是否准确； 测验现场信号的干扰情况，必要时设计模拟信号滤波器； 准备模数转换设备，调好信号的零迁和放大参数； 现场接线，将生产设备、试验设备与计算机连接。 第五步：数据采集。 将采集到的数据存盘，并编写数据说明文件； 第六步：数据预处理。 对采集到的原始数据进行变送器非线性校正、数字滤波、标准化、重抽样等加工，使数据适合辨识工具的处理，同时也应满足模型要求。 以上步骤为数据观测过程。 第七步：选择模型类。 选择模型类的工作有两部分：其一是选择应用模型，通常应依据辨识目的来选择；其二是选择参考模型，参考模型是便于进行结构辨识和参数估计的模型 第八步：结构辨识与参数估计。 应用辨识理论和方法编制程序，对第六步所得的数据进行拟合，得到参考模型的阶次和参数。 第九步：模型检验。 对所得到的参考模型按评判准则进行检验，如不达要求，则分析问题所在，并返回到前期各相应步骤。 第十步：模型转换。 将参考模型转换为应用模型。 第十一步：应用评价。 从应用角度评价模型，如不符合应用要求，应分析问题所在，并返回到相应步骤。 输出误差准则： U(k) w(k) Z(k) ε(k) 过程 模型 Z(k) 输入误差准则： U(k) w(k) ε(k) 过程 逆模型 Z(k) 广义误差准则： 过程 Z(k) w(k) ε(k) 模型 逆模型 U(k) 2 辨识的内容和步骤 辨识的主要内容： 实验设计 模型结构辨识 模型参数辨识 模型检验 （1）实验设计 包含： 输出、输入信号（幅度、频带等） 采样时间 辨识时间（数据长度） 开环或闭环辨识 离线或在线辨识 A 输出、输入信号设计 选择并确定变量 原则：输入变量应能够设置；输出变量应能够直接测量到。 持续激励 对输入变量的最低要求：在实验期间，输入信号必须充分激励过程的所有模态。谱分析角度看，输入信号的频谱必须足以覆盖过程的频谱。 幅值设计： 此外还要求｛u（k）｝的幅度不宜过大或过小。 幅度过大，会使系统进入非线性区域；而幅度过小，又会使系统中的噪声占主导地位。 数据的零值化处理（去除直流分量） ｛u（k）｝对系统的“净扰动”要小，即｛u（k）｝中所含的直流分量要尽可能地小，以保证系统不会偏离正常工作状态。 差分法 平均法 剔除高频成分（一般采用低通滤波器） 最优信号 定理（Cramer-Rao不等式 ）：考虑一个随机向量Z，它在参数θ条件下的条件概率密度为P（z |θ)。在一定的正则条件下，参数θ的任何无偏估计都将满足不等式 其中M为Fisher信息矩阵 Fisher信息矩阵： 定理：如果模型噪声向量是零均值白噪声，并设模型噪声服从正态分布，则最小二乘参数估计值是有效估计值，即参数估计值偏差的协方差阵达到Cramér-Rao不等式的下界 最优输入就是使Fisher信息矩阵的逆的一个标量函数达到最小，这个标量函数就可以作为评价模型精度的度量函数。 D最优准则 φ取迹（A－最优） φ取行列式（D－最优） D－最优结论：如果模型是正确的，且参数估计值是无偏最小方差估计，那么参数估计值的精度通过Fisher信息矩阵M依赖于输入信号。 B 采样时间的选择 满足采样定理，即采样速度不低于信号截止频率的两倍，即T0 不宜太大，太大时信号的信息量损失太大。这将直接影响辨识结果的精度。一般远大于两倍。 但采样间隔T0的选取也不宜太小。这是因为当T0 太小时，由于计算机的截断误差，k + 1 时刻的输入、输出数据的采样值u( k + l ) , z( k + l ）与k时刻的u( k ) ，z( k)可能没有差别，这将导致病态方程组。 与模型最终应用时的采样时间尽可能保持一致 经验公式：T0 =T95 /（5—15），T0表示采样时间，T95是过程阶跃响应达到95％时的调节时间。 C 确定辨识时间（实验期限） 设N 为采样次数，则NT0 ＝实验期限。工程上可选 这里Ta 为系统的主要时间常数，可理解为主导极点实部的负值的倒数。主导极点记为 它们是离虚轴最近的一对极点。 动态特性将主要由这一对极点决定，即 当 ≤ 一10 时 ， y（t）≈ y0 从而系统进入稳态。 D 确定采用开环或闭环辨识 一般作开环辨识，原因是我们要求输入 u（k）能设置。对于闭环系统