仿真和预测分析.ppt

仿真和预测 仿真和预测 在前一个章节，我们得到了线性时不变系统的描述表达式 （3.1） 在这一个章节，我们讨论这个表达式的应用，在假设我们知道一个系统的描述表达式后，我们可以做哪些工作 仿真 预测 仿真和预测 仿真 在系统数学模型已知的情况下，如果我们给定系统的输入序列u*(t), t=1,2,…,N，在不考虑扰动的情况下，我们就可以计算出相应的系统输出 （3.2） 扰动是不可知的，但是我们可以用计算机的伪随机数来生成扰动信号e*(t), t=1,2,…,N （3.3） 仿真和预测 仿真 这样的仿真是只是实验性的，并不能完全反应真是系统的所有动态特性 但是如果系统建模得当，真实系统的关键特性还是可以在仿真中体现出来的，这也是仿真在工程上起着非常重要的原因 仿真技术在很多工业领域都有重要应用，如飞行模拟器，火电机组仿真器等等 这些仿真器可能使用比（3.1）更加复杂的表达式来描述系统，但是从根本上说，他们最基本的原理都是相通的 仿真和预测 预测 在不考虑扰动项v(t)的情况下，基于t-1采样时刻之前的数据，我们可以预测t时刻系统的输出为 其中 的意思是基于t-1时刻之前的数据，对y(t)时刻的数据的预测，这种表达方式在预测控制的论文和专著中经常出现 仿真和预测 扰动的影响 然而真实的系统输出应该是有扰动影响的，如(3.1)，如果不考虑扰动，就必然有预测误差 为了减小扰动的影响，在预测的时候绕动项v(t)也是必须要考虑的 在预测y(t)的时候，t时刻的扰动是不可测v(t)是不可测的，因为还没有发生，但是t-k时刻的扰动项v(t-k)却是已知的，k=1,2,3,… 仿真和预测 扰动的影响 在预测y(t)的时候，t时刻的扰动v(t)是不可测的，因为还没有发生，但是t-k时刻的扰动项v(t-k)却是已知的，k=1,2,3,… 虽然t时刻的扰动v(t)不可得到，但是我们可以用历史值v(t-k)来预估 仿真和预测 扰动的影响 扰动模型的可逆性 给定扰动的数学模型 那么我们可以通过v(t)反算e(t)，符合如下的计算公式 其中 （3.2） （3.3） （3.4） 仿真和预测 扰动的影响 因为H(q)是首一多项式，所以 e(t)是不可知的，因此此时t时刻的扰动还没有发生 我们假设 仿真和预测 扰动的影响 基于t-1时刻的数据，我们希望得到最可能接近v(t)的预估值 ，即满足如下的条件 经过计算，我们得到当 的时候，满足此条件 因此，我们认为m(t-1)是基于t-1时刻的数据，对v(t)的预估值，我们用 来表示 仿真和预测 扰动的影响 基于t-1时刻的数据，我们希望得到最可能接近v(t)的预估值 ，即满足如下的条件 经过计算，我们得到当 的时候，满足此条件 因此，我们认为m(t-1)是基于t-1时刻的数据，对v(t)的预估值，我们用 来表示 仿真和预测 扰动的影响 e(t-k)是不可测量的，但是v(t-k)却是已知的，代入(3.2)和(3.3)，我们做以下的变换 （3.4） 这样，基于知道t-1时刻的v(t)的历史值，可以计算出t时刻v(t)的预估值 仿真和预测 y(t)的一步预测值 这样基于t-1时刻以前的数据，我们可以计算出y(t)在t时刻的预估值 （3.5） 仿真和预测 y(t)的一步预测值 整理(3.5)，我们可以用以下形式表示 （3.5） （3.6） （3.7） 仿真和预测 y(t)的一步预测值 定义{l(k)} 同样定义 那么 仿真和预测 y(t)的一步预测值 (3.6)可以重新写成 （3.8） 从(3.8)可以看出，y(t)的一步预测值不是一个概率模型，而是一个确定值 仿真和预测 初始值的问题 以上的计算都是假定t-1时刻之前的历史数据都是已知的，但是在实际系统中，只有[0,t-1]这个区间内的数据才是真实存在的，(3.8)可以重新写成一个近似形式 仿真和预测 预测误差 从(3.6)和(3.1)我们可以算出预测误差为 因为e(t)是t时刻的一个随机量，我们不可能从t-1时刻的历史数据预估出来