[工学]7_自适应控制_最小二乘法.pptVIP

32 第七讲基本最小二乘法参数估计 * 一. 离散系统的数学描述 常用的离散化方法是 Z变换法 零阶保持法 3 差分法 4 双线性变换法 离散系统的输入输出模型 设单输入单输出系统的差分方程为 z变换 则 原式可以写为 扰动为白噪声 表示的历史值对当前值的影响， 称为自回归部分。（AR） 表示输入对的影响。称为受控部分 表示干扰对 的影响。称为滑动平均部分 所以整个系统称为受控自回归滑动平均模型 CARMA 根据噪声模型的不同结构，又可分为四种 受控自回归（CAR）模型 2. 受控自回归自回归（CARAR）模型 其中 3. 受控自回归自回归滑动平均（CARARMA）模型 4. 输出误差（OE）模型 离散系统的状态空间模型 多输入多输出时变系统的状态空间模型为 相应的脉冲传递函数为 CARMA模型 也与下列的状态空间规范型等价 其中 二. 系统辨识基础 系统模型不确定因素 模型结构未知 模型阶次未知 系统参数的未知性 辨识的任务就是依靠实验方法获取具有不定性的受辨系统的数学模型，而且力图使数学模型与过程之间的误差最小。 1. 定义 根据系统的输入／输出数据，从指定的一类模型中确定一个与受辨系统等价的模型。 三个基本要素： 模型类， 观测信息 目标函数 2. 辨识的内容 模型结构选择：线性模型逼近，根据目的，推测 阶次辨识 ：阶次也是设计经验和初步试验结 果，做出定性结论 参数估计：模型确定后，从过程获取输入输出 数据，并按选定的目标函数对这些 数据进行处理，通常是最小化目标 函数的方法。如最小二乘法，最大 似然法。 3. 辨识过程 试验 满秩 称为n阶持续激励。 进行辨识 白噪声和有色噪声都是持续激励 建立一个评价函数，利用数值迭代的方法来寻找最佳辨识结果 模型验证 4. 参数估计的评价指标 1. 无偏性 2. 误差协方差大小 (矩阵) 波动的中心 波动的范围大小 3. 收敛性 如果 时，有 ，则称 收敛到 若 是无偏估计，则有 三. 基本最小二乘法参数估计 最小二乘法原理 已知一个系统模型为 则称能使准则函数 取得最小值的 参数估计值 为 的最小二乘估计 当 等于1，我们得到 系统模型 一般的离散系统模型为 CAR模型可以写成 线性组合 待辨识参数向量 信息向量 考虑结构参数 已知时的辨识问题 2．辨识算法 第一步是进行辨识试验 观测次数N要满足 列向量 列向量 矩阵 第二步：设定准则函数 第三步：使其最小化 得到 求逆 非奇异 定理： 目标函数 达到最小的参数估计 应该满足以下方程 ，如果 满秩，可得唯一解 注：条件是： 对过程噪声未加任何限定，无论是白噪声还是其他形式的噪声，上面结果都成立 此外要求观测次数 ，是为了保证 非奇异 最小二乘结构 3．最小二乘法的估计质量 ① 无偏性 是白噪声 , 与 统计独立 因此 白噪声条件下 ② 误差协方差 已经得到 若 是白噪声序列 , 矩阵 ③ 收敛性 若 a.s. 存在且正定，则有 则有 是白噪声 白噪声条件下 已经得到 当过程是白噪声时，最小二乘估计具有良好的统计特性 若过程噪声是有色噪声，则是有偏估计 白噪声时,当样本趋于无穷时误差的协方差阵趋于0 协方差阵主对角线上的元素代表了相应参数与其真值的均方差，可作为估计的精度 意味着 a.s. ④ 是 的最小方差线性无偏估计 （有效性） 证： 设 是 的任一线性无偏估计，所以 又因为 得到 从而 4. 最小二乘估计的残差及其性质 残差 性质1. 证： 白噪声条件下