系统辨识总复习.pptVIP

年 终 总 复 习 Wiener-Khintchine关系式 第3章 系统的数学描述 第5章 最小二乘法辨识 第5章 最小二乘法辨识 第5章 最小二乘法辨识 第5章 最小二乘法辨识 6. 利用书上(3.2.1)式, (3.2.7)式, (3.2.9)式和(3.2.10)式计算 。 (3.2.1)式 (3.2.7)式 (3.2.9)式 (3.2.10)式 第四章 线性系统的经典辨识方法 5.2 递推最小二乘法 5.3 辅助变量法 5.1 最小二乘法 5.4 广义最小二乘法 5.5 增广矩阵法 5.1.1 最小二乘估计算法 实际被控制对象: 估计输出: 使最小二乘指标最小: 定义残差: 假设实际系统为: 一次完成最小二乘算法 ● 推导得出模型参数: N×(2n+1) N×1 (2n+1)×1 (5.1.18) 适合离线辨识；要求数据量大；辨识精度高 5.2 递推最小二乘法 递推最小二乘法的推导过程 ● 一次完成算法为： 如果再来一组新的测量值 {u(n+N+1), y(n+N+1)} 递推最小二乘算法推导过程的核心在于： 1) 避免求逆计算 2) 利用前一次计算的模型参数 注意 一次完成算法： 递推最小二乘法: 递推最小二乘算法的启动,需要设置初始值! ● 第一种方法: 第二种方法: (2n+1)×(2n+1) (2n+1)×1 最小二乘估计的概率性质 ● 1) 无偏性: 衡量估计值是否 围绕真值波动. 2) 一致性 如果估计值具有一致性，说明它将以概率1收敛于真值。 如果施加在系统上的噪声是白噪声，则最小二乘法是无偏估计，其估计值是一致收敛的！ 第5章 最小二乘法辨识 目的: 如果施加在系统上的噪声是有色噪声，则用辅助变量法也可以保证对模型参数的估计是无偏估计，并且估计值是一致收敛的！ 改变最小二乘算法形式! 对噪声进行处理, 转化为白噪声! 辅助变量法 广义最小二乘法 增广最小二乘法 第5章 最小二乘法辨识 数学模型 辨识算法 被控对象 待辨识系统 如何选择辅助变量 ● 1）递推辅助变量参数估计法： 第5章 最小二乘法辨识 例1 考虑一仿真对象: ● 假设待辨识的系统阶次为2。当输入输出的数据长度取为14时，利用一次完成最小二乘算法估计模型参数。 解：(1)系统模型可设为 第5章 最小二乘法辨识 u(3) u(4) (2) 计算中涉及的矩阵如下： 第5章 最小二乘法辨识 第5章 最小二乘法辨识 (3) 编程如下： 第5章 最小二乘法辨识 实例: 二值四级反馈移动寄存器 初值: (a3,a2,a1,a0)=(1,0,0,0) 第二章 系统辨识常用输入信号 均衡性 在M序列的一周期中，“1”和“0”的数目基本相等。 游程分布 序列中取值连在一起的元素合称为一个“游程”。 游程中元素的个数称为游程长度。 3. 移位相加特性 一个M序列{an}与经τ迟延移位序列进行模2相加得 到的仍然是{an} 的某次迟延移位序列。 1 的个数为 (N+1)/2 0 的个数为(N-1)/2 M序列的性质 ● 第二章 系统辨识常用输入信号 游程分布 例如，四级移位寄存器(r=4)的M序列如下： 000 1111 0 1 0 11 00 1 (N=2r-1=15） 共有8 (2r-1=23) 个游程。 长度为r-0=4的游程有一个； 长度为r-1=3的游程有一个； 长度为r-2=2的游程有两个； 长度为r-3=1的游程有4个。 游程不仅反映了M序列不同信号的持续长度，也反映 了信号的变化次数。 第二章 系统辨识常用输入信号 二电平M序列的自相关函数 ● 二电平M序列: x(t) 第二章 系统辨识常用输入信号 作变换： 第二章 系统辨识常用输入信号 周期为 的M序列自相关函数为： 第二章 系统辨识常用输入信号 伪随机噪声的自相关函数为： M序列的自相关函数： 当M序列的 很小 时，可以将它看成是 脉冲函数。 第二章 系统辨识常用输入信号 3.1 连续/离散系统的输入输出模型 3.2 状态空间数学模型 3.4 随机模型 3.3 数学模型之间的等价变换 第三章 系统的数学描述 3.1 连续/离散系统的输入输出模型 被控