Matlab系统辨识工具箱.ppt

Matlab系统辨识工具箱 1. 观测数据的获取 观测数据含输入、输出、噪声等。而工具箱提供系统辨识的输入信号函数idinput，调用格式为： u＝idinput(N,type,band,levels) N为生成输入信号的数据长度。type为输入信号类型，包含：高斯随机信号type＝rs，二值随机信号type＝rbs，二值伪随机信号type＝prbs，正弦扫描信号type＝sine。band为1×2行向量，即信号带宽。当信号类型为rs、rbs和sine时，band＝[低频,高频]，其中低频和高频为Nyquist标准频率，其值在0～1之间；当信号类型为prbs时，band＝ [2log p-1,M]，表示信号周期长为(22logp-1)，且在1/M间隔内信号幅值不变；band缺省值为[0,1]，即生成白噪声信号。levels为1×2行向量，用来决定输入信号幅值的上下界，当信号类型为rs时，下界为高斯信号的均值减1，而上界为高斯信号的均值加1。 2. 数据预处理 在系统辨识工具箱中，函数dtrend用来去除输入输出数据中的趋势项，函数idfilt利用Butterworth滤波器对数据进行滤波，利用idresamp函数对输入输出数据进行重新采样来插值或删减数据。这3个函数的基本调用格式分别为： zd＝dtrend(z,o,brkp) [zf,thf]＝idfilt(z,ord,Wn,hs) [zr,R_act]＝idresamp(z,R,filter_order,tol) 3. 模型结构的选择 系统辨识工具箱提供对多种模型类的支持，包括非参数和参数等模型类。非参数模型类包括脉冲响应和频域描述等模型。参数模型类有ARX、ARMAX、BJ、输出误差和状态空间等模型。 系统辨识工具箱提供通用参数模型结构和参数存储与表示形式，即Theta模型格式。该格式以矩阵形式存储各种参数模型结构和参数，并能方便地与各种参数模型进行相互转换。 系统辨识工具箱提供的模型结构选择函数有struc、arxstruc、ivstruc和selstruc。 函数struc生成ARX结构参数，调用格式为： NN＝struc(NA,NB,NK) 其中，NA、NB分别为ARX模型多项式A(q)、B(q)的阶次范围；NK为ARX模型纯时延的大小范围；NN为模型结构参数集构成的矩阵。 函数arxstruc用来计算ARX模型结构的损失函数，即归一化的输出预测误差平方和，调用格式为： v＝arxstruc(ze,zv,NN) 其中，ze＝[y u]为模型辨识的I/O数据向量或矩阵。zv＝[yr ur]为模型验证的I/O数据向量或矩阵。NN为多个模型结构参数构成的矩阵，NN的每行都具有格式nn＝[na nb nk]。v的第1行为各个模型结构损失函数值，后面的各行为模型结构参数。 函数ivstruc用来基于辅助变量法的ARX模型结构损失函数的计算，调用格式为： v＝ivstruc(ze,zv,NN) 其中参数同arxstruc。 函数selstruc用来在损失函数的基础上进行模型结构选择，调用格式为： [nn,vmod]＝selstruc(v,c) 其中v由函数arxstruc或ivstruc获得的输出矩阵，为各个模型结构的损失函数。c为可选参数，用于指定模型结构选择的方式。 4. 参数估计 系统辨识工具箱中，支持的参数模型包括AR、ARX、ARMAX、BJ、状态空间和输出误差等模型，含一次完成和递推辨识等算法。一次完成算法的参数模型辨识函数有ar、arx、armax、ivx等。用递推算法进行参数模型辨识的函数有rarx、rarmax等。 函数ar用于AR模型辨识，调用格式为： th＝ar(y,n,approach) y为对象在白噪声作用下的输出；n为AR模型的阶次；approach指定参数估计的最小二乘类方法，取值包括：①fb为前向-后向方法（缺省时默认）；②ls为标准的最小二乘法；③yw为Yule-Walker方法；④burg为Burg方法；⑤gl为几何网络法。 函数arx、ivx用于ARX模型的辨识，前者为基于最小二乘法，后者为用辅助变量法进行系统参数的估计，调用格式分别为： th＝arx(z,nn) th＝ivx(z,nn) 其中，z＝[y u]为输出输入数据矩阵。nn＝[na,nb,nk]分别给出ARX模型中多项式A(q-1)、B(q-1)的阶次和系统时延。 函数armax对ARMAX模型进行辨识，格式为：th＝armax(z,nn,’trace’) 其中，z的含义同前。nn＝[na,nb,nc,nk]给出ARMAX模型中多项式A(q-1)、B(q-1)、C(q-1)阶次和系统时延。’trace’指定显示迭代优化过程信息。 rarx为基于递推最小二乘算