现代控制工程-第8章系统辨识.pptVIP

8.3 线性动态模型的最小二乘参数估计 用矩阵形式表达为： * 8.3 线性动态模型的最小二乘参数估计 由数学中的极值条件 * 当 满秩，则离散模型参数的最小二乘法估计为 观测到N个输入数据以后，根据上式求得参数的估计值，所以称为一次完成法。 8.4 最小二乘参数估计的递推算法 8.4.1 基本递推算法 * 当又获得了一组新的观测数据 8.4.1 基本递推算法 * 定义 可得出最小二乘估计的递推公式： 8.4.2 带遗忘因子的递推算法 带遗忘因子的递推最小二乘估计算法的基本思想：重视当前数据，将过去的数据逐渐“遗忘”掉。 * 8.4.2 带遗忘因子的递推算法 遗忘因子对参数估计结果很有影响: 遗忘因子越小表明遗忘得越快，越重视当前数据，越能反映当前系统的变化，这适合于参数变化速度相对于辨识速度较快的时变系统。 遗忘因子越大，表明重视了更多的历史数据，可以得到更多的系统信息，因此辨识的模型精度较高，适合于参数变化速度远低于辨识速度的慢时变系统。否则，由于没有充分利用老数据中所含的系统信息，辨识精度较低。 遗忘因子一般在0.95～0.995的范围内选取。当=1时，就表示没有“遗忘”，式(8.36)就成为式(8.35)。 * 8.5 线性系统的结构辨识 由观测数据根据某个准则辨识模型的阶次和滞后步数的过程称