自适应课件北航.pptVIP

第2章 实时参数估计 2.1系统辨识概念 什么是系统辨识：是研究建立被控对象或过程数学模型的一种理论和 方法，它根据输入输出数据，从一组给定的模型类别中，确定一个与所研 究系统等价的数学模型。 系统辨识的一般步骤 实验设计与实施：根据建模目的，确定模型类型、精度和方法，设计 获取系统输入输出信息的具体方案。 数据收集与处理：从实验中获得数据，并进行技术处理。 确定模型结构：利用先验知识和经验，假定模型的结构形式。 估计模型参数：对所假定模型结构形式下的相应参数进行估计。 模型检验：按某种准则，对模型的满意程度进行考察。不满意，修改 模型结构，重新估计参数，并再次检验；满意，则辨识工作结束。 2.2 白噪声序列和离散时间系统数学模型 2.2.1 白噪声序列 如果随机过程 的均值和相关函数分别为 2.2.2 离散时间系统数学模型 确定性离散系统 单输入/单输出方程形式： 其中，A0为nxn系数矩阵，B0为nx1输入矩阵， C0 为1xn输出矩阵。 输入/输出方程与状态空间方程关系： 自回归积分滑动平均模型 2.3 最小二乘参数估计法 2.3.1 批处理最小二乘法 由式（2-5）有 其中， 对 求一阶导，并令其为零 2.2147; -0.2424; -1.5523; -0.5707; 0.5078; 0.7394; -1.4378; -2.6328; -0.5359;… 1.4520; -0.4325; -1.2545; 1.1510 ]; % 将y 输入到工作空间 phi =[[ 0; -y(1:end-1)], [0; 0; -y(1:end-2)], [0; u(1:end-1)], [ 0; 0; u(1:end-2)]]; % 组建 Theta = inv (phi’*phi) * phi’*y % 计算 运行结果为： = [-0.5076，0.6075，0.6854，0.7947] 这与真值：-0.5, 0.6, 0.7, 0.8 相差不大。另外，也可以用Matlab的辨识工 具箱获得结果： T = iddata (y, u, 0.5); % 处理数据 G = arx (T, [2,2,1]) % 调用辨识函数 运行结果为： Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + e(t) A(q) = 1 - 0.5077 q^-1 + 0.6075 q^-2 B(q) = 0.6863 q^-1 + 0.7947 q^-2 Estimated using ARX from data set T Loss function 0and FPE 0 Sampling interval: 0.5 其中 q^-i 即为 ,符号 q 就是本书中的符号 z，由此可见，两结果几 乎相同。 * 自适应控制中系统辨识的特点 在结构已经确定的前提下，进行相关参数的估计。 则称 为白噪声过程。其中， 为单位脉冲函数。 离散形式白噪声序列：如果随机序列 的均值为零，且两两不相关， 对应的自相关函数为 则称 为白噪声序列。其中， 为Kronecker函数。 向量白噪声序列 定义为： 其中，R 为正定常数矩阵， 为Kronecker函数。 d为纯时延，且 分别为k时刻的输出和输入。 其中 状态空间方程： (2-1) (2-2) (2-3) 随机性离散系统 自回归滑动平均模型 其中，上式左边项为自回归项，右边第1项为滑动平均项，且 为白噪声序列。 (2-4) 其中， 其它含义与式（2-4）相同，且这里 d = 1，当d1时， B(z-1)多项式中前 d -1项的系数为零。 最小二乘模型 此时，C(z-1)=1。 滑动平均模型 此时，A(z-1)=1。 最小二乘模型 展开上式 设 则前式可表为 (2