- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
AR 模型:
AR 模型具有如下的形式:A(q)y(t)=e(t) 其中,y(t)为系统的输出,(e)为白噪声输入信号。
关于平移算子q 的多项式A(q)定义为
A(q)= 1+a q- 1+a q-2+ ….+a q-na
1 2 na
这个程序只是用于标量时间序列,不支持多变量数据。这里随机过程 AR 模型中的驱动白
噪声 e(t )是模型固有组成部分 ,须将它与因观测误差或其他干扰引起的附加噪声严格区分。
对于一个平稳过程 ,当用某种模型描述的逼近速度较慢时 ,改用其他模型可能获得更快的逼
近速度。AR ( n)模型所描述的过程是一均值为零、 满足正态分布的平稳随机过程 ,最基本
的建模方法是最小二乘建模法 ,该方法具有较高的精度。AR ( n)模型的优点是 ,建模简单 ,
计算迅速 ,预测容易 ,参数易于估计。
ARx 模型:
ARx 模型具有如下的形式: A(q)y(t)=B(q)u(t-nt)+e(t) ,其中,A(q),B(q)为关于平移算子q 的
多项式,定义为:
A(q)= 1+a q- 1+a q-2+ ….+a q-na
1 2 na
B(q)=b +b q- 1+ ….+b q-n(b- 1)
1 2 nb
其模型是通过最小2 乘法估计出的,其不支持多输出建模,当e(t)不是白噪声时且na 参数
非零时,将得不到正确的估计模型。
AR 模型与ARx 模型的比较:
从两者形式可以看出arx 模型比ar 模型多了两项,分别为B(q)和u(t)项,说明arx 模型是考
虑了某时刻以前的所有输入量u (t )以及此刻的白噪声e (t )得出的系统模型,而ar 模型
仅考虑应用白噪声e (t )做驱动得出系统模型。ar 模型估计起来简单运算量较小。
Matlab 仿真如下:
ar 程序:
e = iddata([],randn(300,1));
A = [1 - 1.5 0.7]; B = [0 1 0.5];
m0 = idpoly(A,B);
y=sim(m0,[e]);
m1=spa(y);
mb = ar(y,4,burg);
bode(m1, ’r ’,mb);
arx 程序:
A = [1 - 1.5 0.7]; B = [0 1 0.5];
m0 = idpoly(A,B);
u = iddata([],sin([1:300]) + 0.5*randn(300,1));
e = iddata([],randn(300,1));
y = sim(m0, [u e]);
z = [y,u];
m = arx(z,[2 2 1]);
bode(m0, ’r ’,m);
ar 输出辨识结果图:绿线为辨识结果,红线为实际频率响应曲线
1
arx 辨识结果图:绿线为辨识结果,红线为系统标准bode 图
Ident 工具的使用:
1.数据导入:load count.dat; u=count(:,1); y=count(:,2);
2.处理:
将u ,y 导入import data 中,并进行detrend 及remove mean 操作。
再将所得输入输出信号process 得到各个模型,如下图所示:
2
P 1d 处理结果
Arx441 处理结果:
3
4
文档评论(0)