系统辨识论文.docVIP

PAGE 19 系统辨识论文 离散化 离散化的实质就是求原连续传递函数D（s）的等效离散传递函数D(z)。 1、已知传递函数 2、已知状态方程模型。 可先把它转化为传递函数，在此我们只讨论第一种情况。 Matlab实现 1、G=tf(状态方程模型)，得到传递函数 2、C2d用于将连续系统转换为离散系统 3\、Gd=c2d(G,Ts,method) 4、Method包括zoh,foh,Tustin,prewarp,mached. 5、Ts为采样周期，越小越精确。 function tf2de(num,den,delay) % num为传递函数分子系数 % den为传递函数分母系数 % delay为延时系数,无延时环节为0 % 系统建立 if delay==0 sys=tf(num,den) else sys=tf(num,den,inputdelay,delay) end % 系统离散化 dsys=c2d(sys,1,z); inputdelay=dsys.InputDelay; [dnum,dden]=tfdata(dsys,v); dnum1=zeros(1,inputdelay); dnum=[dnum1 dnum]; Gz=filt(dnum,dden,1) 有延迟 delay=2; tf2de(num,den,delay) Transfer function: s + 2exp(-2*s) *  s^2 + 1.2 s + 0.8  Transfer function: 1.164 z^-3 - 0.07338 z^-41 - 0.8649 z^-1 + 0.3012 z^-2 Sampling time: 1 有延迟 delay=2; tf2de(num,den,delay) Transfer function: s + 2exp(-2*s) *  s^2 + 1.2 s + 0.8  Transfer function: 1.164 z^-3 - 0.07338 z^-41 - 0.8649 z^-1 + 0.3012 z^-2 Sampling time: 1 无延迟 num=[1 2]; den=[1 1.2 0.8]; delay=0;  tf2de(num,den,delay) Transfer function: s + 2s^2 + 1.2 s + 0.8  Transfer function: 1.164 z^-1 - 0.07338 z^-21 - 0.8649 z^-1 + 0.3012 z^-2 Sampling time: 1 无延迟 num=[1 2]; den=[1 1.2 0.8]; delay=0;  tf2de(num,den,delay) Transfer function: s + 2s^2 + 1.2 s + 0.8  Transfer function: 1.164 z^-1 - 0.07338 z^-21 - 0.8649 z^-1 + 0.3012 z^-2 Sampling time: 1 最小二乘法的应用(ARX model) ARX 模型线性差分方程形如： 所以最小二乘法ARX议程的解为： ########################辨识######################## function linearLeastSquare0(m) % m 辨识使用的数据个数 % 假定采用的系统为 y(k) - 1.2*y(k-1) + 0.8*y(k-2) = u(k-1) % 并假定输入u(k)为[-1 1]的随机数 % 产生输入数据 for k=1:m u(k)=sin(k); end % 初始化输出 y(1) = 0; y(2) = 0; % 噪声幅值大小 noiseRange=input(\n噪声幅值范围[-a a]\n请输入(输入－1退出) a=); % 获得辨识原始数据 for k= 3:m y(k) = 1.2*y(k-1) - 0.8*y(k-2) + u(k-1) + noiseRange*rand; end subplot(2,1,1); % 打印原始数据 stem(u