系统辨识与自适应控制实验.docx

PAGE PAGE 29 / 29 中南大学 系统辨识及自适应控 制实验 史 伟 东测控 1102 班 史 伟 东 测控 1102 班 0909111814 号 2014 年 11 月 专业班级实验日期 实验一 递推二乘法参数辨识 设被辨识系统的数学模型由下式描述： z 2 2.0z 3 1.5z 4 1 y( k) 1 1.5z 1 0.7z 2 0.1z 3 u(k) 1 1.5z 1 0.7z 2 0.1z 3 (k) 式中 (k)为方差为 0.1 的白噪声。要求： ） 当输入信号 u(k)是方差为 1 的白噪声序列时，利用系统的输入输出值在线辨识上述模型的参数； 当输入信号 u(k)是幅值为 1 的逆 M 序列时， 利用系统的输入输出值在线辨识上述模型的参数； 分析比较在不同输入信号作用下，对系统模型参数辨识精度的影响。 ）clear all; close all; a=[1 -1.5 0.7 0.1];b=[1 2 1.5];d=3; %对象参数 na=length(a)-1;nb=length(b)-1; %计算阶次L=500; %数据长度uk=zeros(d+nb,1);yk=zeros(na,1); %输入输出初值u=randn(L,1); %输入采用方差为 1 的白噪声序列 xi=sqrt(0.1)*randn(L,1); % 方差为 0.1 的白噪声干扰序列theta=[a(2:na+1);b]; %对象参数真值thetae_1=zeros(na+nb+1,1); %参数初值P=10^6*eye(na+nb+1); for k=1:L phi=[-yk;uk(d:d+nb)]; % 此处 phi 为列向量 y(k)=phi*theta+xi(k); % 采集输出数据 %递推公式K=P*phi/(1+phi*P*phi); thetae(:,k)=thetae_1+K*(y(k)-phi*thetae_1); P=(eye(na+nb+1)-K*phi)*P; %更新数据thetae_1=thetae(:,k); for i=d+nb:-1:2 uk(i)=uk(i-1); end uk(1)=u(k); for i=na:-1:2 yk(i)=yk(i-1); end yk(1)=y(k); end plot([1:L],thetae); %line([1:L],[theta,theta]); xlabel(k);ylabel( 参 数 估 计 a,b); legend(a_1,a_2,a_3,b_0,b_1,b_2); axis([0 L -2 2]); ）clear all; a=[1 -1.5 0.7 0.1];b=[1 2 1.5];d=2; %对象参数 na=length(a)-1;nb=length(b)-1; %计算阶次L=20; % 数据长度uk=zeros(d+nb,1);yk=zeros(na,1); %输入初值 x1=1;x2=1;x3=1;x4=0;S=1;% 移位寄存器初值，方波初值xi=rand(L,1);% 白噪声序列 theta=[a(2:na+1);b]; %对象参数真值for k=1:L phi(k,:)=[-yk;uk(d:d+nb)]; % phi(k,:) 为行向量， 便于组成 phi 矩阵 y(k)=phi(k,:)*theta+xi(k); % 采集输出数据 IM=xor(S,x4); if IM==0 u(k)=-1; else u(k)=1; end S=not(S);M=xor(x3,x4); % 产生 M 序列 %更新数据x4=x3;x3=x2;x2=x1;x1=M; for i=nb+d:-1:2 uk(i)=uk(i-1); end uk(1)=u(k); for i=na:-1:2 yk(i)=yk(i-1); end yk(1)=y(k); End 实验二 最小方差自校正控制实验 设二阶纯滞后被控对象的数学模型参数未知或慢时变， 仿真实验时用 下列模型： 2.5z 3  1.5z 4  1 0.5z 1 y( k) 1 1.5z 1 0.7z 2 u(k) 1 1.5z 1 0.7z 2 (k) 式中 (k)为方差为 0.1 的白噪声。要求： ） 当设定输入 yr(k)为幅值是 10 的阶跃信号时，设计最小方差直接自校正控制算法对上述对象进行闭环控制； ） 1）当设定输入 yr(k)为幅值是 10 的方波信号时，设计最小方差直接自校正控制算法对上述对象进行闭环控制； ） 如果被控对象模型改为： 0.5z 3 1.5z 4 1 0.5z 1 y( k) 1 1.5z 1 0.7z 2 u(k) 1