动态系统的描述.ppt

2-3 随机动态系统的数学模型 随机型差分方程 受控自回归滑动平均模型（CARMA） 受控自回归模型（CAR） Auto Regression Controlled Moving Average 2-3 随机动态系统的数学模型 随机型差分方程 自回归滑动平均模型（ARMA） 自回归模型（AR） 滑动平均模型（MA） 2-3 随机动态系统的数学模型 预报误差模型（PEM: Predictive Error Model） 描述动态随机模型的一般数学表达式： 预报值 预报值 预报值 新息序列 输入序列 输出序列 时间坐标 参数向量 2-4 小结 目的：给出系统辨识所需的模型类 连续模型与离散模型 微分方程——差分方程 连续状态方程——离散状态方程 权函数与卷积——权序列与卷积和 S传递函数——Z传递函数 考虑实际过程中噪声的存在 确定型模型——随机型模型 预报误差模型 第二章 动态系统的描述 2-1 SISO线性连续系统的动态模型 时域模型：微分方程 权函数和卷积 阶跃响应 状态方程 频域模型：传递函数G(S) 频率特性G(jω) 连续系统的离散化 第二章 动态系统的描述 2-2 线性离散系统的动态模型 线性差分方程 权序列与卷积和 状态方程 2-3 随机动态系统的数学模型 随机噪声的数学模型 随机型差分方程 预报误差模型 2-1 线性连续系统的动态模型 时域模型：微分方程 线性系统输入u(t)，输出y(t)，u(t)的n阶导数与y(t)的n阶导数分别用u(n)(t)与y(n)(t)表示，用微分方程描述n阶线性定常系统的动态特性： 线性连续系统 u(t) y(t) (2-1-1) 2-1 线性连续系统的动态模型 时域模型：权函数和卷积 系统输入为单位脉冲δ(t)，输出g(t)为脉冲响应： 系统在任意输入u(t)作用下，有： (2-1-2) 2-1 线性连续系统的动态模型 时域模型：权函数和卷积 考虑到т0时，u(т)=0，g(т)=0，那么： 或者等价的有： 称为u(t)与g(t)的卷积，g(t)为权函数（加权函数）。已知g(t) 可求出任意u(t)作用下的y(t) (2-1-3) (2-1-3) 2-1 线性连续系统的动态模型 时域模型：阶跃响应函数 输入为单位阶跃函数： 输出为单位阶跃响应函数： 若令t -т=λ，则有： (2-1-4) (2-1-5) (2-1-6) 2-1 线性连续系统的动态模型 单位阶跃相应函数k(t)与g(t)之间的关系： 已知k(t)可求出任意u(t)作用下的y(t)： 2-1 线性连续系统的动态模型 时域模型：状态方程 把高阶微分方程改写成一阶微分方程组可以得到状态方程： 其中x(t)为k维列向量，A为k×k维矩阵，B为k维列向量，C为k维行向量，d为标量。与(2-1-1)式输入输出关系等价的状态方程(2-1-7)式不是唯一的 (2-1-7) 2-1 线性连续系统的动态模型 频域模型：传递函数G(s) 由微分方程(2-1-1)式的拉氏变换可以得到： 由状态方程(2-1-7)式的拉氏变换可以得到： 2-1 线性连续系统的动态模型 频域模型：频率特性G(jω) 令G(s)中的s=j ω，得到： 幅频特性： 相频特性： 对数幅频特性、对数相频特性：Bode图 幅相频率特性：Nyquist图 (2-1-12) 2-1 线性连续系统的动态模型 连续系统的离散化：从解微分方程的角度 近似认为在一个采样周期中u(t)保持不变；求解x(t)和y(t)而得到离散化后的方程，即经过采样后系统的状态方程： 离散化后方程（k=t0，k+1=t）： (2-1-26) 2-1 线性连续系统的动态模型 连续系统的离散化：从解微分方程的角度 因为在一个采样周期T中u(t)将保持不变： 2-1 线性连续系统的动态模型 连续系统的离散化：从拉氏变换到Z变换的角度 对象G0(s) 离散后的Z传递函数G0(z)是： 其中零阶保持器的传递函数为： 从以上两个角度得到的结果完全等价 2-2 线性离散系统的动态模型 SISO系统的线性定常差分方程 其中k即kT，aj,bj是常系数，移位算子q-1y(k) =y(k-1) 线性离散系统 u(k) y(k) (2-2-1) (2-2-2) 2-2 线性离散系统的动态模型 与Z传递函数的关系 对于SISO系统，可以找出差分方程与Z传递函数之间的关系。零初始条件下对(2-2-1)式进行Z变换： 其中z=e-Ts，按Z传递函数定义，有： 2-2 线性