系统辨识--概述及非参数辨识课件.pptVIP

输入输出数据 系统的输入输出数据是由对系统的观测而得,这些变化着的输入输出数据“必然”表现出系统的动态和静态特性和行为。 这是能利用测量数据进行辨识建模的着眼点,是辨识的基础。 一般在辨识中假定系统的输入输出数据是可直接测量的,但扰动/噪声是不可测量的。 由于被控系统受各种内外环境因素的影响,实际测量到的输入输出数据都含有一定的扰动和误差, 因此辨识建模实际上是一种实验统计的方法,它所获得的模型仅仅是实际系统的外部特性等价的一种近似描述. 若不考虑系统和测量数据所受到的扰动和误差的影响,实际上系统辨识和建模将仅仅是一个非常简单的方程求解、函数优化、函数逼近、或数据拟合问题,而不会形成为一个相对独立的学科. 输入输出数据中隐含的扰动和误差,是进行辨识困难性的关键. 模型类 系统辨识中,首要的问题是根据辨识的目的及对被辨识系统的先验知识或了解,确定系统所属的模型类. 模型的确定不唯一,受辨识目的、辨识方法等因素影响,根据具体情况、具体需要选择不同的模型类. 在控制领域内,常用的模型类有: 参数模型或非参数模型 Non-parametric methods try to estimate a generic model (step responses, impulse responses, frequency responses,neural network model) Parametric methods estimate parameters in a user-specified model (transfer functions, state-space matrices) 线性的或非线性的 连续的或离散的 确定的或随机的 时变的或定常(时不变)的 集中参数的或分布参数的 频率域或时间域的 等等. 本课程主要研究随机线性定常离散系统的参数模型辨识问题. 值得指出的是,由于建模的目的是模型在系统分析、预报、优化和控制系统设计中的实际应用,太复杂、太精确的模型往往使得所建立的模型在实际中应用的困难性大得多. 因此并不是所建立的模型越复杂、越精确就越好,而是其精确性和复杂性与实际可用性、可操作性的一种折中. 等价准则 等价准则是辨识问题中不可缺少的三大要素之一,它是用来衡量所建立的模型接近实际系统的标准,是用来优化模型的目标,建立具体辨识算法的关键. 等价准则通常被表示成某种误差的泛函,如实际系统与模型的输出误差。 因此,等价准则也称为误差准则、准则函数值、损失函数或代价函数等. 等价准则并不唯一,受辨识目的、辨识方法等因素影响,可以选择不同的等价准则. 一般等价准则可记作 随着对系统的认识的深入,对所辨识的模型的需求多样性,或系统本身的复杂性,近年来,在控制界已经开始深入研究鲁棒辨识和结构辨识方法. 鲁棒辨识方法主要是通过引入能提高模型鲁棒性的不同的辨识准则函数及相应的求解方法,来实现鲁棒辨识. 如 l1辨识和H∞辨识,是目前两类较受关注的鲁棒辨识算法. 结构辨识方法主要是在准则函数中引入对结构复杂性的惩罚项,并进行反复辨识比较,以同时获得结构辨识和参数估计的效果. 如在线性系统的阶次辨识中,其误差准则函数为如下参数模型误差准则函数与阶次惩罚项之和 支持向量回归方法是近年出现的能很好地解决结构辨识,提高辨识模型的鲁棒性的新型辨识方法,其准则函数很好地将结构辨识与提高鲁棒性结合起来 系统辨识的步骤和参数估计 前面给出了系统辨识的定义,现在我们讨论辨识步骤. 验证理论模型. 要求：零极点、结构(阶次及时延)、参数都准确； 设计常规控制器. 要求：动态响应特性、零极点、时延准确；应选择便于分析的模型类. 设计数字控制器. 要求：动态响应特性、时延准确；应选择便于计算机运算的模型类. 设计仿真/训练系统. 要求：动态响应特性准确；便于模拟实现的模型类. 预报预测. 要求：动态响应特性、时延准确；应选择便于计算机运算的模型类. 监视过程参数,实现故障诊断. 要求：参数准确；应选择能直观体现被监视过程参数的模型类. 系统的定量与定性分析. 要求：静态关系准确；模型简单,便于人脑判断. Step 2. 先验知识. 在进行辨识之前,要通过一些手段取得对系统的尽可能多的了解,粗略地掌握系统的一些先验知识,如: 是否为非线性、时变或定常、集中参数或分布参数, 系统的阶次、时间常数、静态增益、延迟时间, 以及噪声的统计特性等. 这些先验知识对模型类的选择和实验设计起着指导性的作用. Step 3. 确定模型类和辨识准则函数. 根据辨识目的和系统的先验知识,确定系统的模型类和辨识准则函数. 确定模型类,主要包括模型的描述形式,模型的阶次等等. 确定辨识准则函数,相应地包括确定具体辨识方法. Step 4. 实验设计. 设计原