- 1、本文档共21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
中国科学技术大学
[系统辨识实验报告]
[P
[张凯]
一实验题目:单温区空间晶体生长炉温度系统建模
二实验对象:单温区空间晶体生长炉
炉内的温场分布、温度精度和温度稳定度是成功生长优质晶体的必要条件,并直接影响
着生长出晶体的质量。因此,精确的温度控制对生长高品质的晶体至关重要,而精确的系统
模型是保证控温精度的基础。本实验内容是运用系统辨识的方法建立单温区晶体生长炉的模
型
三实验内容
1数据预处理
1.1读入数据
代码:
data=xlsread(Data.xls);
plot(data);
输出图像如下
可以看到,输出图像很不光滑,存在很多“毛刺”,即图像中存在很多不恰当的值,应当去
除。
1.2剔除野点
思想:求出平均值和标准差,去除3之外的点。
datax=data(:,1);
datay=data(:,2);
x1=find(datax==41);
x2=find(datax==51);
x3=find(datax==46);
yE1=mean(datay(x1));
yV1=var(datay(x1));
yE2=mean(datay(x2));
yV2=var(datay(x2));
yE3=mean(datay(x3));
yV3=var(datay(x3));
low=yE1-3*sqrt(yV1);
high=yE1+3*sqrt(yV1);
z1=datay(x1);
xnew1=find(z1lowz1high);
ynew1=z1(xnew1);
low=yE2-3*sqrt(yV2);
high=yE2+3*sqrt(yV2);
z2=datay(x2);
xnew2=find(z2lowz2high);
ynew2=z2(xnew2);
low=yE3-3*sqrt(yV3);
high=yE3+3*sqrt(yV3);
z3=datay(x3);
xnew3=find(z3lowz3high);
ynew3=z3(xnew3);
ynew=[ynew1;ynew2;ynew3];
plot(ynew);
去除野点后的图像如下:
1.3归一化和零均值化
yguiyi=(ynew-min(ynew))./(max(ynew)-min(ynew));
yE=yguiyi-mean(yguiyi);
plot(ylast);
输出图像如下:
1.4低通滤波
在以上的图像中可以看到,图像依然不光滑,“毛刺”依然存在,所以我们需要滤波。
考虑到高斯低通滤波和巴特沃斯低通滤波可能存在振铃现象,在中值滤波和均值滤波中我们
选择均值滤波。
代码
w=fspecial(average,[80,1]);
xlast=filter2(w,datax);
ylast=filter2(w,yE);
plot(ylast);
(1)模板30*30,滤波后图像
(2)模板80*80,滤波后图像
从上图可以看出
(1)模板越大,则曲线越光滑。
(2)两个图像在最后均出现了阶跃,这是原图像自动填充0的原因,使得边缘部分的结果
出现了很大的失误,所以在下面的辨识中,我会舍弃前后两端的数据。
(3)所以折中考虑,模板越大,损失的数据越多,所以选择80*80的模板。
1.5预处理后检验
把原始数据分成两部分,一部分用来辨识,一部分用来检验模型。
预处理后便是部分输入的图像
预处理后便是部分输出的图像
预处理后检验数据部分输入图像
预处理后检验部分输出部分
2辨识算法
以下n的取值均为2,在以下部分为给出为什么n取2最好
2.1批量最小二乘
2.1.1源代码
%批量最小二乘算法
dafi=ones(N,2*n);
fori=0:N-1
dafi(i+1,:)=[-vo_iden(i+1:i+n)vi_iden(i+1:i+n)];
end
cta=inv(dafi*dafi)*dafi*vo_iden(n+1:n+N);
Y1=test*cta;
%plot(Y1);
E1=Y1-vo_test(n+1:n+N);
En1(1,n)=E1*E1;
cta
2.1.2辨识结果
2.1.3检验模型
(1)用测试数据输入后得到图像
(2)和实际输入偏差的曲
文档评论(0)