系统辩识 第1章.ppt.pptVIP

系统辩识与建模(System indentification and Modeling) 前 言 随着控制过程复杂性的提高，控制理论的应用日益广泛，但是它的实际应用常常不能脱离被控对象的数学模型。 比如： 第一章 辩识的一基本问题 1.1 系统辩识技术的发展概况 此外，这种建模方法往往适合于在被测试对象脱离正常运行的条件下进行，即所谓的离线方式下进行，从而给正常生产带来不便。 自50年代后期，开始将相关分析技术逐步引入系 统辩识工作中，这反映了生产实际对进行在线测 试（也就是对象处于正常运行条件下测试）和克 服随机测量误差的迫切需要，同时也使系统辩识 逐步成为整个控制科学中一项独特的、引人注目 的热门技术。 常用的辨识方法有 1.2 系统和模型 根据“黑箱”所表现出来的输入、输出信息，建立与黑箱特性等价的系统外特性模型。 1.2.2 模型 2. 模型的表现形式 A. 经济学上的 Cobb-DougLas 生产关系模型（代数方程）  动态模型 — 其允许把系统属性值的变化推导为一个时间的 函数，是用于描述处于过渡过程时的各状态变 量之间的关系。如：化学反应速度系数k与绝 对的温度下T之间是时间函数： 线性模型 — 必须满足迭加原理和均匀性非线性模型 — 一般不满足叠加原理，是时间函数 确定性模型— 当系统的状态确定之后，系统的输出 响应是唯一确定。随机性模型— 即使系统状态确定了，系统的输出响 应仍然是不确定的。或者说是考虑随即 扰动的模型。 输入输出模型 — 只刻画系统外部特性的数学模型，即只展 现给定输入和系统输出之间的关系，而不 提供系统内部有关信息的模型。 状态空间模型 — 描述系统内部状态的数学模型，如：状态 空间模型。 参数模型 —即用属性表达式描述的模型，如：各种方程； 非参数模型—用图、曲线、表格等表示的模型，如：阶跃响 应曲线、频率特性等 数学模型与方程式 1.2.3 建立系统数学模型的基本方法： 机理分析法 和 测试法 B、测试法： 过程的输入、输出信号一般总是可以测量的，由于系统的动态特性必定在这些输入、输出数据中表现出来。那么就可以利用输入、输出数据所提供的信息，来建立系统的数学模型，这种建模方法又叫作辨识。 建立数学模型的基本原则为： 1.3、辩识问题的提法 2）获取适合的实测数据 3）确定恰当的损失函数 例如：实际中有时采用输出误差平方和最小准则 1.4、辩识的内容和步骤 可归纳出辩识的一般步骤： 即：根据辩识的目的，利用先验知识，确定初步模型结构,再依据系统实验数据,进行模型参数、模型结构的辩识，最后验证最终模型。 2、先验知识： 对一个给定的过程进行辩识之前，要通过一些手段,对过程(或系统）取得一般的了解,粗略地掌握它们的一些先验知识。 如：系统的非线性程度、时变或时不变、比例或积分特性、时间常数、过渡过程时间、截止频率、纯迟延、静态放大倍数、以及噪声特性和操作条件……。 　 这些对实验设计将起指导性作用。 （1）输入信号的选择： （2）系统时间的选择 对连续时间过程进行辩识时，输入输出信息需要经过采样处理，采样时间的选择直接影响辩识模型精度。工程上需统筹考虑如下因素： 　　ａ.要满足采样定理。即：采样速度不低于信号截止频率的两倍； 　　ｂ.与模型最终应用时的采样时间尽可能保持一致，同时尽量顾及辩识算法、控制算法的计算速度、执行机构、检测元件的响应速度等问题； 　　 c .若采样时间太大，信号损失量太多，直接影响模型精度。若采样时间过小，则除了可能会碰到硬件速度和数值计算出现病态等麻烦外，还会显著影响模型静态增益的估计值。工程上，经验公式： 　 4. 数据预处理 输入、输出数据通常都含有直流成份或低频成份，用某些辩识方法清除它们对辩识精度的影响。此外数据中的高频成分对辩识精度也是不利的。因此，对输入输出数据一般都要进行零值化和剔除高频成份预处理，处理得好，就能显著提高辩识的精度。 模型结构初定 　 模型结构参数的确定 在假定模型结构的前提下，利用辩识的方法确定模型结构参数。 比如：模型结构决定选用差分方程的