一、实验题目梯度校正最小二乘法-Read.doc

实验题目：梯度校正最小二乘法 实验工具：MATLAB 三、实验目的：通过MATLAB仿真实现梯度校正最小二乘法的验证。 工作间清零四、实验框图： 工作间清零 给出系统输入输出观测数据并画出图形 给出系统输入输出观测数据并画出图形 给被识别参数g和h赋初始值 给被识别参数g和h赋初始值 按照下面公式计算出权矩阵R(k) 按照下面公式计算出权矩阵R(k) 按照如下公式计算脉冲响应估计值g 按照如下公式计算脉冲响应估计值g 计算模型输出值ym及系统输出与模型输出之间的误差Ey 计算模型输出值ym及系统输出与模型输出之间的误差Ey 显示脉冲响应估计值、模型输出值、系统输出与模型输出之间的误差 显示脉冲响应估计值、模型输出值、系统输出与模型输出之间的误差 画出被识别参数g的各次估计值 画出被识别参数g的各次估计值 画出系统输出与模型输出之间的误差 画出系统输出与模型输出之间的误差 画出脉冲响应曲线 画出脉冲响应曲线 停机 停机 五、实验思想: 递推算法的基本机构为：新的参数估计值等于老的参数估计之加上增益矩阵与信息的乘积。梯度校正参数识别方法具有相同的结构，但基本原理却完全不同与最小二乘法参数识别。它的基本思想是沿着准则函数的负梯度方向，逐渐修正模型参数的估计值，直至准则函数达到最小值。 六、实验程序及结果: 辨别个数为3时的程序： clear u=[-1,-1,-1,-1,1,1,1,-1,1,1,-1,-1,1,-1,1,-1,-1,-1,-1,1]; y=[0,-2,-6,-7,-7,-3,5,7,3,-1,5,3,-5,-3,1,-1,1,-5,-7,-7]; %画出u和y的图形 figure(1),subplot(2,1,1),stem(u),subplot(2,1,2),stem(y),hold on k=1:20;plot(k,y) %给出初始值 h1=[-1,0,0];h2=[-1,-1,0];g=[0,0,0];I=[1,0,0;0,1/2,0;0,0,1/4]; h=[h1,h2,zeros(3,16)]; %计算样本数据h(k) for k=3:18 h(:,k)=[u(k),u(k-1),u(k-2)]; end %计算权矩阵R(k)和g的估计值 for k=1:18 a=h(1,k)^2+(h(2,k)^2)/2+(h(3,k)^2)/4;a1=1/a;R=a1*I; g(:,k+1)=g(:,k)+R*h(:,k)*(y(k+1)-h(:,k)*g(:,k)); end %绘图 g1=g(1,:);g2=g(2,:);g3=g(3,:); figure(2);k=1:19;subplot(121);plot(k,g1,r,k,g2,g,k,g3,b),grid on %计算模型输出ym及系统输出与模型输出之间的误差Ey for k=1:18 ym(k)=h(:,k)*g(:,k);Ey(k)=y(k+1)-ym(k); end k=1:18;subplot(122);plot(k,Ey),grid on g,ym,Ey %显示脉冲响应估计值、模型输出及系统输出与模型行输出之间的误差 figure(3);x=0:1:3;y=[0,g(1,18),g(2,18),g(3,18)];xi=linspace(0,3);yi=interp1(x,y,xi,cubic); plot(x,y,o,xi,yi,m),grid on %画出脉冲响应估计值及其三次插值曲线 辨别个数为3时的结果 g = Columns 1 through 8 0 2.0000 4.6667 5.2381 5.2381 1.5374 2.1438 2.2393 0 0 1.3333 1.6190 1.6190 3.4694 3.7726 3.8204 0 0 0 0.1429 0.1429 1.0680 0.9164 0.9403 Columns 9 through 16 1.9658 1.9559 2.0063 1.9918 1.9980 1.9953 1.9995 1.9995 3.9571 3.9621 3.9873 3.9946 3.9977 3.9990 3.9969 3.9969 1.0087 1.0062 0.9936 0.9972 0.9957 0.99