系统辨识算法.docxVIP

传统系统辨识算法 1.引言 迄今为止，已经有许多不同的辨识方法。这些辨识方法就其所涉及的模型的 形式来说可以分为两类。一类是非参数模型的辨识方法，一类是参数模型的辨识 方法。 非参数模型的辨识方法(亦称经典的辨识放法)获得的模型是非参数模型。 它在假定过程是线性的前提下，不必事先确定模型的具体结构，因而这类方法可 适用于任意复杂的过程，工程上至今仍经常采用。 参数模型的辨识方法(亦称现代的辨识方法)必须假定一种模型结构，通过 极小化模型与过程之间的误差准则函数来确定模型的参数。如果模型的结构无法 实现确定，则必须利用结构辨识方法先确定模型的结构参数(比如阶次、纯延迟 等)，再进一步确定模型参数。参数模型的辨识方法又可以分为：最小二乘法辨 识、梯度校正法辨识以及极大似然法辨识。 根据计算机与过程之间的不同联接方式，辨识又可以分为离线辨识和在线辨 识。 离线辨识首先将采集到的数据储存在磁盘或磁带中，然后将数据成批输入计 算机进行辨识计算。这种辨识方式多采用成批处理的算法，或称一次完成算法， 其缺点是占用内存较大。 在线辨识通常要在正常运行工况下进行，它一般采用实际处理算法，即每采 样一组数据就进行一次辨识计算。这种辨识方式占用内存量比较小；尤其对时变 过程的辨识或自适应控制问题来说，它比离线辨识方式具有更多的优势。 本次作业使用经典的辨识中的一些方法对系统进行辨识。 在经典的控制理论中