在线辨识.pptVIP

在线辨识 在线辨识的概念 计算机本身参与数据采集、处理和系统辨识，不断修正辨识结果的过程，又称联机辨识 是60年代起随着数字电子计算机技术的发展而发展起来的辨识技术。它有两个明显的特点 一是充分利用每次采集到的新数据，使辨识结果不断地更新 二是要求辨识过程的全部运算都在两次采样时刻之间全部完成，根据这一点在线辨识又称为实时辨识 在线辨识方法常用于自适应控制和预测，可以克服因慢时变和数据陈旧而引起的失效 为了降低对计算机内存的要求和提高实时性，在线辨识算法一般以时间递推算法的形式出现 在线辨识 在线辨识的概念 在线辨识的框图 在线模型一方面对控制系统的运行提供指导 另一方面在线模型又通过实时的输入输出数据，不断修正自己 在线辨识 在线辨识的算法格式 通常，辨识可以认为是从数据Zt到参数θ的映射 然而这种形式却不能应用于在线辨识的算法中，因为Zt的大小不是固定的，因此计算时间是无法预测的 对于在线辨识，需要符合以下的算法格式 由此可见，X(t)可以看做是现在的辨识状态，它是由上一步的状态X(t)和这一步的采样值y(t),u(t)得到的，每一个周期的时间是固定的 （6.1） 在线辨识 带有权重的最小二乘法 在上一章节，我们介绍了带有权重的最小二乘估计 由此得到 （6.2） 在线辨识 带有权重的最小二乘法 如果采用（6.2）的表达式计算最小二乘估计，我们必须知道t时刻以前的全部历史数据序列 假设我们知道t-1时刻的θ的估计值θt-1 ，我们能否应用θt-1 以及t时刻的最新数据y(t)和u(t)计算θt 由（6.2）可以看出，R(t)和R(t-1)以及f(t)和f(t-1)它们之间是有一定的联系的 基于带有权重的最小二乘法，我们可以推导出在线的最小二乘在线参数辨识方法 在线辨识 在线最小二乘法 我们定义如下的权重公式 从上式可以看出，离当前时间值t越近，数据的权重越大 表现在历史数据上，可以得到t时刻和t-1时刻之间的关系 （6.3） （6.4） 在线辨识 在线最小二乘法 由（6.2），（6.3）和（6.4）可以得出 （6.5） 由此，我们得到 （6.6） 它符合（6.1）要求的在线递推算法的要求 在线辨识 在线最小二乘法 为了避免计算R-1(t)所带来的麻烦，我们设 对于（6.6），设 （6.7） 那么 以下有矩阵求逆阵的定理 在线辨识 在线最小二乘法 根据P(t)的值，可以得到 设 在线辨识 在线最小二乘法 这样就可以得到递推最小二乘法的公式 在线辨识 初始值问题 对于P和θ的初始值问题，我们可以选择 其中P0可以取值为单位阵，θi可以用离线辨识的初步结果来初始化 如果辨识时间够长，初始值的取值对辨识结果的影响不大 在线辨识 例6.1 使用在线辨识的方法辨识例5.1中的模型 在线辨识 例6.1 使用在线辨识的方法辨识例5.1中的模型 %初始化 na=1; nb=1; n=max(na,nb); lan=0.99; N=size(dataout); N=N(1); theta=zeros(na+nb,1); L=zeros(na+nb,1); P=eye(na+nb); 在线辨识 例6.1 使用在线辨识的方法辨识例5.1中的模型 %在线辨识 for i=1+n:N phi=[]; for j=1:na phi=[phi,dataout(i-j,1)]; end for j=1:nb phi=[phi,dataout(i-j,2)]; end phi=phi; L=P*phi/(lan+phi*P*phi); theta=theta+L*(dataout(i,1)-phi*theta) P=(P-P*phi*phi*P/(lan+phi*P*phi))/lan; end