系统辨识大作业报告.docVIP

系 统 辨 识 大 作 业 报 告 班 级 13202-4 学 号 2013260318 姓 名 亓子龙 报告日期 2013.12.03 一、辨识方法 1.最小二乘法及其递推方法 (1)最小二乘法：构造阵，利用公式计算； (2)递推最小二乘法：取前20个数据，利用基本最小二乘法给出和的初值和，然后利用公式： 迭代计算。 2.辅助变量法及其递推方法 (1) 辅助变量法：首先利用基本最小二乘估计作为计算的初值，利用计算结果构造阵，依据公式迭代计算直至收敛。 (2) 递推辅助变量法：前50个数据利用递推最小二乘估计和初值和，然后依据递推公式进行迭代计算： 3.广义最小二乘法及其递推方法 (1)广义最小二乘法：使用和按基本最小二乘求出估计值，计算残差用残差代替并计算的估值，的计算公式为。利用进行数据滤波，再按最小二乘法重新估计，重复这些步骤直至收敛。 (2)递推广义最小二乘法：前20个数据利用基本最小二乘求得递推的初值，然后按以下公式计算， 根据所得结果对新的观测值进行数据滤波，然后进行的递推，递推公式如下： 4.夏氏偏差修正法、夏氏改良法及递推夏氏法 (1)夏氏偏差修正法：首先计算并作为的初值，然后计算残差并构造矩阵，同时计算矩阵和。其次由计算和，其中。利用公式获得的估计值，循环迭代直到基本保持不变。 (2)夏氏改良法：基本同夏氏偏差修正法，只是的计算变为，减小了计算量。 (3)夏氏递推算法：利用基本最小二乘获得递推初值和，递推公式如下： 5.增广矩阵法 利用基本最小二乘构造阵，进而计算递推初值和。构造向量 其中，然后根据递推方程递推计算： 6.极大似然法 (1)选定初值，、由LS方法获得，可任意指定； (2)计算残差及指标； (3)计算梯度及海赛(Hassian)矩阵； (4)计算的新估值； (5)返回第(2)步直到收敛。  7.辨识结果及噪声特性分析 对于数据uy1.txt，辨识结果如表1： 表1 uy1辨识结果 辨识结果 辨识方法 基本最小二乘 1.4855 0.7869 0.4837 0.1982 递推最小二乘 1.4855 0.7869 0.4837 0.1982 辅助变量法 1.4964 0.7588 0.4878 0.1910 递推辅助变量法 1.5353 0.8332 0.4873 0.2156 广义最小二乘法 1.5022 0.7998 0.4844 0.2034 递推广义最小二乘法 1.4257 0.2646 0.4129 0.1062 夏氏修正法 1.4886 0.7973 0.4822 0.2022 夏氏改良法 1.4886 0.7973 0.4822 0.2022 夏氏递推法 1.4825 0.7945 0.4797 0.2018 增广矩阵法 1.4836 0.7864 0.4828 0.1991 -0.0006 0.0074 极大似然法 1.4630 0.7861 0.4793 0.1956 0.2382 0.3530 对于数据uy2.txt，辨识结果如表2： 表2 uy2辨识结果 辨识结果 辨识方法 基本最小二乘 1.1113 0.4963 0.3791 0.1879 递推最小二乘 1.1113 0.4963 0.3791 0.1879 辅助变量法 1.3875 0.8036 0.3649 0.3289 递推辅助变量法 1.3965 0.7072 0.3802 0.2970 广义最小二乘法 1.2382 0.5884 0.3777 0.2368 递推广义最小二乘法 1.6700 0.9022 0.1731 0.0060 夏氏修正法 1.3834 0.7146 0.3884 0.2873 夏氏改良法 1.3834 0.7146 0.3884 0.2873 夏氏递推法 1.3574 0.6954 0.3998 0.2719 增广矩阵法 1.1674 0.5579 0.3862 0.2133 0.0834 0.0353 极大似然法 1.8196 0.9711 0.3888 0.4478 1.1479 0.0574 对于数据uy3.txt，辨识结果如表3： 表3 uy3辨识结果 辨识结果 辨识方法 基本最小二乘 1.1158 0.4801 0.4254 0.1245 递推最小二乘 1.1158 0.4801 0.4254 0.1245 辅助变量法 4.3487 2.5628 0.5347 1.1997 递推辅助变量法 1.6172 0.8687 0.4325 0.3138 广义最小二乘法 1.2763 0.6117 0.4257 0.1898