2003版系统辨识最小二乘法大作业.docxVIP

系统辨识最小二乘法作者：王景

系统辨识最小二乘法

作者：王景

西 北 工 业 大 学

系统辩识大作业

题目：最小二乘法系统辨识

一、问题重述：

用递推最小二乘法、加权最小二乘法、遗忘因子法、增广最小二乘法、广义最小二乘法、辅助变量法辨识如下模型的参数

Y

Y

G?

U

s4?6.5s3?14s2?11.5s?3

?

s4?20s3?120s2?232s?320

离散化有

z^4-3.935z^3+5.806z^2-3.807z+0.9362

=z^4-3.808z^3+5.434z^2-3.445z+0.8187

噪声的成形滤波器

E

E

N?

W

1

?

s4?20s3?120s2?232s?320

离散化有

4.004e-010z^3+4.232e-009z^2+4.066e-009z+3.551e-010

=z^4-3.808z^3+5.434z^2-3.445z+0.8187

采样时间0.01s

要求：1.用Matlab写出程序代码；

画出实际模型和辨识得到模型的误差曲线；

画出递推算法迭代时各辨识参数的变化曲线；

最小二乘法:

在系统辨识领域中,最小二乘法是一种得到广泛应用的估计方法,可用于动态,静态,线性,非线性系统。在使用最小二乘法进行参数估计时,为了实现实时控制,必须优化成参数递推算法,即最小二乘递推算法。这种辨识方法主要用于在线辨识。MATLAB是一套高性能数字计算和可视化软件,它集成概念设计,算法开发,建模仿真,实时实现于一体,构成了一个使用方便、界面友好的用户环境,其强大的扩展功能为各领域的应用提供了基础。对

于一个简单的系统,可以通过分析其过程的运动规律,应用一些已知的定理和原理,建立数学模型,即所谓的“白箱建模”。但对于比较复杂的生产过程,该建模方法有很大的局限性。由于过程的输入输出信号一般总是可以测量的,而且过程的动态特性必然表现在这些输入输出数据中,那么就可以利用输入输出数据所提供的信息来建立过程的数学模型。这种建模方法就称为系统辨识。把辨识建模称作“黑箱建模”。系统辨识又分为参数辨识和阶次辨识,在本文中只讨论参数辨识问题

最小二乘递推算法所用的模型：最小二乘递推算法为:

Z(k)=B()u(k)+v(k)

v

v(k)

N(z?1)

e(k)

u(k)

G(z?1)

+

y(k)

z(k)

图1最小二乘递推算法辨识实例结构图

v(k)是服从N(0,1)分布的不相关随机噪声。

G(z?1)?B(z?1) ，N(z?1)?D(z?1) ，

A(z?1) C(z?1)

考虑如图1示仿真对象,系统的差分方程为

z(k)=3.808*z(k-1)-5.434*z(k-2)+3.445*z(k-3)-0.8187*z(k-4)+u(k)-3.935*u(k-1)+5.806*u(k-2)-3.807*u(k-3)+0.9362*u(k-4)+v(k) (3.69)

仿真对象选择如下的模型结构

z(k)?a

1

z(k?1)?a

2

z(k?2)?a3z(k?3)?a4z(k?4)

?bu(k)?bu(k?1)?b3u(k?2)?b

1 2 4

u(k?3)?b5u(k?4)?v(k)

(3.68)

其中，v(k)是服从正态分布的白噪声N(0,1)。输入信号采用4位移位寄存器产生的M序列，

L幅度为1。按式(3.69)构造h(k)；加权阵取单位阵Λ I；利用式(3.61)计算K(k)、θ(k)

L

和P(k)，计算各次参数辨识的相对误差，精度满足要求式(3.67)后停机。

最小二乘递推算法辨识的Malab6.0程序流程图：

最小二乘递推算法辨识程序

clear%清理工作间变量L=35;%M序列的周期

y1=1;y2=1;y3=1;y4=0;%四个移位寄存器的输出初始值fori=1:L;%开始循环，长度为L

x1=xor(y3,y4);%第一个移位寄存器的输入是第三个与第四个移位寄存器的输出的“或”

x2=y1;%第二个移位寄存器的输入是第一个移位寄存器的输出x3=y2;%第三个移位寄存器的输入是第二个移位寄存器的输出x4=y3;%第四个移位寄存器的输入是第三个移位寄存器的输出

y(i)=y4;%取出第四个移位寄存器的幅值为0和1的输出信号，即M序列i