软测量技术和应用第三讲(系统辨识1).pptVIP

4、最小二乘类辨识方法 其中， 零均值白噪声 4.4 广义最小二乘参数估计 考虑用如下差分方程表示的ARARX模型： 令 噪声模型未知 4、最小二乘类辨识方法 于是得到， 由于e(k)仍然为不可测噪声，因此采用估计值来代替不可测噪声 令 4、最小二乘类辨识方法 广义最小二乘参数估计递推算法： 给定初始条件： 计算 和 构造 利用RGLS算法前三个公式递推计算 计算 ，构造 利用RGLS算法后三个公式递推计算 返回第二步进行迭代计算，直至获得满意的辨识结果 4、最小二乘类辨识方法 广义最小二乘参数估计递推算法步骤： 4、最小二乘类辨识方法 其中， 零均值有色噪声 4.5 辅助变量法 考虑用如下ARX模型： 于是有 它的最小二乘参数估计等于 4、最小二乘类辨识方法 e(k)为白噪声，该项等于0 e(k)为有色噪声，该项不等于0 Question：如何构造一个辅助向量h*，满足以下两个条件 4、最小二乘类辨识方法 辅助变量的选择 构造辅助变量 Tally法 l为噪声模型 的阶次 4、最小二乘类辨识方法 辅助变量法的递推算法： 当h*(k)=h(k)时，辅助变量法就变成普通的最小二乘法，或者说最小二乘法是辅助变量法的一种特例。 作业： 用MATLAB编写一个递推最小二乘辨识函数，并调试； 自学MATLAB系统辨识工具箱，对以下过程进行辨识 在SIMULINK中搭建上述系统，输入采用白噪声或者PRBS信号激励过程，噪声信号v(k)采用噪信比SNR大约为10%的白噪声。将u(k)和y(k)保存在workspace中，并将其作为系统辨识用的样本数据。 辨识结果： （1）对比真实模型参数和辨识参数； （2）对比真实模型和辨识模型的阶跃响 应曲线。 软测量技术及应用 第三讲 软测量建模方法 ——系统辨识（1） 梅 华 hmei2006@第三讲 软测量建模方法 ——系统辨识（1） 内容提要 系统辨识的基本概念 可辨识性与测试信号设计 随机过程基础 离散系统的最小二乘类辨识方法 加权最小二乘法 增广最小二乘法 广义最小二乘法 辅助变量法 1、系统辨识的基本概念 白箱模型 黑 箱 黑箱模型 灰箱模型 机理建模 系统辨识 1、系统辨识的基本概念 在输入和输出数据的基础上，从一组给定的模型类中，确定一个与所观测系统等价的模型 ——Zadeh，1962 辨识就是按照一个模型准则在一组模型集中选择一个与数据拟合最好的模型 ——Ljung，1987 http://www.control.isy.liu.se/~ljung/ 1、系统辨识的基本概念 系统辨识流程图 1、系统辨识的基本概念 出现模型缺陷的原因主要有以下四个方面： 测试或者实验设计不完善，导致输入输出数据不能提供充分的系统信息； 模型集/结构没有包含该系统的正确描述； 模型准则选择不恰当； 依据模型准则无法在模型集内找到最优模型的数值解。 1、系统辨识的基本概念 实验设计： 测试信号设计 采样时间的选择 测试方式的选择 模型结构的选择 非参数模型or参数模型 参数模型的类型 传递函数模型 差分方程模型 状态方程模型 2、可辨识性与测试信号设计 2.1可辨识性与可辨识条件 可辨识性就是辨识过程能否通过输入输出数据得到唯一的一组模型参数，并且/或者得到的模型能够等于实际系统的性质。 一个辨识过程可以用下面的式子表示： 可辨识性问题就是 是否具有唯一解 2、可辨识性与测试信号设计 可辨识条件 对于开环系统的可辨识条件是： 辨识过程中被辨识过程的动态必须被测试信号持续激 励，或者说测试信号必须持续激励过程内部的所有模 态，从而使得相应的过程输出中包含尽可能多的系统信 息。 对于闭环系统的可辨识条件是： 闭环系统的输入测试信号必须是持续激励； 闭环系统内部包含非线性环节使得闭环系统包含有极限环，从而使得闭环系统能够自发地产生稳定的振荡。 2、可辨识性与测试信号设计 持续激励的定义 称离散时间信号为n阶持续激励的，如果下面的极限存在： 且矩阵 非奇异 特别的，一个n阶的线性过程可辨识的充分必要条件是测试信号是2n阶持续激励信号。 2、可辨识性与测试信号设计 2.2 测试信号设计 必须是持续激励，能够充分激发过程的所有