系统辨的识 分类.ppt

4系统辨识的方法  4.1经典的辨识方法 1.经典的辨识方法: 思路:首先获得系统的非参数模型(频率响应,阶跃 响应,脉冲响应),然后通过特定的方法将非参数模型转化 成参数模型(如传递函数)。包括下述几类方法: ①阶跃响应辨识方法 ②脉冲响应辨识方法 ③频率响应辨识方法 ④相关分析辨识方法 ⑤谱分析辨识方法 ⑥最小二乘法 ⑦极大似然法  4.1经典的辨识方法 2主要应用范围: ①寻求描述单变量线性定常系统的频率特性或传递函数; ②建立系统的非参数模型非参数模型,用曲线或一组采 样值来表示系统的特性; ③在实验的基础上求出系统的参数模型,再用微分方程 频率响应函数或传递函数来描述系统。  4.1经典的辨识方法 3.的系统辨识方法还存在着一定的不足 ①利用最小二乘法的系统辨识法一般要求输入信号已知 并且必须具有较丰富的变化,然而,这一点在某些动态系统 中,系统的输入常常无法保证; ②极大似然法计算耗费大,可能得到的是损失函数的局 部极小值; ③经典的辨识方法对于某些复杂系统在一些情况下无能 为力。  4.1.1脉冲响应辨识 1辨识原理: 思路:通过相关法获得系统的脉冲响应,然后通过特定 的方法将脉冲响应转化成参数模型(如传递函数)。 单位 脉冲 脉冲 LTI系统 性系统 M序列 系统 g(t)r 输出 计算脉冲响应  4.1.1脉冲响应辨识 2.从系统的输入数据和输出数据中得到系统的传递函数 输入输 相关 脉冲响 传递 出数据 函数 应函数 函数  4.1.2最小二乘法辨识 1.辨识原理 假设实际系统为: y(k)+ay(k-1)+…+any(k-m)=b(k)+b(k-1)+…+b(k-n)+5() 实际被控对象:y=ΦO+5 估计输出:y=①6 定义残差:c=y-y=y-O 使最小二乘指标最小:J=ee 0J/00→6=(Φ)dy  4.1.2最小二乘法辨识 一次完成最小二乘算法(适合离线辨识:要求数据量大; 辨识精度高) 推导得出模型参数:b=(①Φ)①y y(n)…-y(1)(n+1)…() y(n+1) y(n+1)…-y(2)l(n+2)…u(2) y(n+N) L-y(+N-1)…-y(N)a(n+N)…a(N) (2n+1)×1 (2n+1)×1 (2n+1)×1  4.1.2最小二乘法辨识 2特点 最小二乘法(LS)是一种经典的和最基本的,也是应用最广 泛的方法。但是,最小二乘估计是非一致的,是有偏差的,所以 为了克服他的缺陷,而形成了一些以最小二乘法为基础的系 统辨识方法;广义最小二乘法(LS)、辅助变量法(V)、增广 最小二乘法(ELS)和广义最小二乘法(GLS),以及将一般的最 二乘法与其他方法相结合的方法,有最小二乘两步法 (C○R-LS)和随机逼近算法等。  4.13极大似然辨识 1辨识原理: 极大似然法应用于随机系统辨识,它根据观测数据一 般都具有随即统计特性这一实际情况,引入随机变量(观 测输出量)的条件概率密度或条件概率分布p(ylθ),构造 个以观测数据和未知参数为自变量的似然函数L(YMe),并通 过极大似然函数来获得系统模型的参数估计量n 2方法 ①构造一个似然函数,次似然函数以数据和未知参数 为自变量 ②由极大似然函数求得未知参数。