第一讲_系统辨识与滤波
系统辨识之经典辨识法
系统辨识作业一 学院信息科学与工程学院专业控制科学与工程 班级控制二班 姓名 学号
2018 年 11 月 系统辨识 所谓辨识就是通过测取研究对象在认为输入作用的输出响应，或正常运行时 的输入输出数据记录，加以必要的数据处理和数学计算，估计出对象的数学模型。 辨识的内容主要包括四个方面： ①实验设计； ②模型结构辨识； ③模型参数辨识； ④模型检验。 辨识的一般步骤：根据辨识目的，利用先验知识，初步确定模型结构；采集 数据；然后进行模型参数和结构辨识；最终验证获得的最终模型。 根据辨识方法所涉及的模型形式来说，辨识方法可以分为两类：一类是非参 数模型辨识方法，另一类是参数模型辨识方法。 其中，非参数模型辨识方法又称为经典的辨识方法，它主要获得的是模型是 非参数模型。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，广泛 适用于一些复杂的过程。经典辨识方法有很多，其中包括阶跃响应法、脉冲响应法、相关分析法和普分析法等等，本次实验所采用的辨识方法为阶跃响应法和脉 冲响应法。 1．阶跃响应法 阶跃响应法是一种常用非参数模型辨识方法。常用的方法有近似法、半对数法、切线法、两点法和面积法等。本次作业采用面积法求传递函数。 1.1面积法 ① 当系统的传递函数无零点时，即系统传递函数如下： G(S) = + ?11?1+?+ 1+1 (1-1) 系统的传递函数与微分方程存在着一一对应的关系，因此，可以通过求取 微分方程的系数来辨识系统的传递函数。在求得系统的放大倍数K后，要得到无 因次阶跃响应y(t)(设τ=0)，其中y(t)用下式描述： () ?1 () (1-2) 面积法原则上可以求出n为任意阶的个系数。以n为3为例。有： 3() 2() () {| →∞ =| →∞ =| →∞ = 0 (1-3) ()| →∞ = 1
系统辨识实验二
《系统辨识与自适应控制》实验报告 题目：最小二乘法在系统辨识中的应用 班级：工控08.1 指导老师： 学生姓名： 学号： 时间：2011.5.19 成都信息工程学院控制工程系
实验目的： 1、掌握系统辨识的基本步骤。 2、熟悉matlab 下系统辨识编程（M 文件）。 3、M 序列的产生方法。 4、用最小二乘法对系统进行辨识。 实验设备： 硬件：计算机一台（参数：主频2.8G 、奔腾4核处理器、内存512M ） 软件：matlab6.5 实验原理： 1、最小二乘法系统辨识结构： 把待辨识的过程看作“黑箱”。只考虑过程的输入输出特性。 图中，输入u(k)和输出z(k)是可测的；G （错误！未找到引用源。）是系统模型，用来描述系统的输入输出特性；N （错误！未找到引用源。）是噪声模型，v(k)是白噪声，e(k)是有色噪声，根据表示定理： 可以表示为 )()()()()(11k v k u q B k z q A +=-- （1） + + e (k ) 图1 SISO 系统辨识“黑箱” y (k ) u (k ) z (k ) v (k ) )(1-z N )(1-z G
???+++=++++=-------nb nb na na q b q b b q B q a q a q a q A ...21)(...211)(11211 （2） 由上两式可以表示： l k k v i k u bi i k z ai k z nb i na i ,...,2,1)....()(*)(*)(11=+-+--=∑∑== （3） 上式可以描述成如下最小二乘法格式： )()()(k v k h k z +=θ （4） 2、准则函数 设一个随机序列{}),,2,1(),(L k k z ∈的均值是参数θ的线性函数： {}θ)()(k h k z E T =，其中)(k h 是可测的数据向量，那么利用随机序列的一个实现，使准则函数： 21])()([)(∑=-=L k T k h k z J θθ (5) 达到极小的参数估计值∧ θ称作θ的最小二乘估计。 最小二乘格式： )()()(k e k h k z t +=θ，θ为模型参数向量，()k e 为零均值随机噪声。 3、最小二乘问题的解 考虑系统模型: )()()(k e k h k z t +=θ (6) 准则函数可写成： ()()()θθθL L L T L L H z H -Λ-=z J （7） 极小化准则函数得到：
系统辨识内容与要求
系统辨识实验内容与要求 实验题目：三温区空间晶体生长炉温度系统建模 实验对象：三温区空间晶体生长炉 单晶体是现代电子设备制造技术的一个必不可少的部分，它应用广泛，如二极管、三极管等半导体器件都需要用到单晶体。组分均匀（compositional uniformity）、结晶完整（crystallographic perfection）的高质量晶体材料是保证电子设备性能重要因素。 目前，单晶体制备主要靠晶体生长技术完成。其主要过程是：首先在坩埚等加热器皿中对籽晶进行加热，使其由固相转变为液相或气相，再降低器皿中温度，使液相或气相的籽晶材料冷却结晶，就可得到最终的单晶体。这个过程中，为保证晶体的组分均匀和结晶完整，必须使晶体内部各晶格的受力均匀。因此，为减小重力对晶体生长的影响，研究者提出在空间微重力环境下进行晶体生长的方案。我们研究的空间晶体生长炉就是该方案中的晶体加热设备。 我们研究的空间晶体生长炉采用熔体Bridgman生长方式，其结构如图1所示。炉身由三部分构成：外筒、炉管以及炉管外部的隔热层。炉管由多个加热单元组成，每个加热单元组成一个温区。加热单元由导热性能良好的陶瓷材料制成，两个加热单元之间有隔热单元隔开。加热单元的外测均匀缠绕加热电阻丝，内侧中间部位安装有测温热电偶。炉管外部的隔热层由防辐射绝热材料制成。 微重力环境下，晶体内部各晶格之间的热应力是影响晶体生长质量的关键因素，而热应力是由炉内温场决定的。因此，必须对晶体炉内各温区的温度进行控制，以构造一个具有一定的梯度的、满足晶体生长需要的温场。工作时，将装有籽晶的安瓿管按一定的速度插入晶体炉炉膛内，通过控制流过各温区加热电阻丝的电流控制炉内温场，通过热电偶在线获取各温区的实时温度值，进行闭环控制，。其中，流过电阻丝的电流通过PWM（脉宽调制）方式进行控制。另外，由于晶体炉工作温度的变化范围比较大，传感器热电偶难以在全量程范围内保持很高的线性度，因此，使用的热电偶的电压读数与实际温度值间需要进行查表变换。 本实验内容是运用系统辨识的方法建立晶体炉中某个温区的动力学模型，辨识数据已给出，见SI_Data.xls文件。
系统辨识实验1实验报告
实验报告 --实验1.基于matlab的4阶系统辨识实验 课程：系统辨识 题目：基于matlab的4阶系统辨识实验 作者： 专业：自动化 学号：11351014 目录 实验报告 (1) 1.引言 (2) 2.实验方法和步骤 (2) 3.实验数据和结果 (2) 4.实验分析 (4)
1、 引言 系统辨识是研究如何确定系统的数学模型及其参数的理论。而模型化是进行系统分析、仿真、设计、预测、控制和决策的前提和基础。 本次实验利用matlab 工具对一个简单的4阶系统进行辨识，以此熟悉系统辨识的基本步骤，和matlab 里的一些系统辨识常用工具箱和函数。 这次实验所采取的基本方法是对系统输入两个特定的激励信号，分别反映系统的动态特性和稳态特性。通过对输入和输出两个系统信号的比较，来验证系统的正确性。 2、 实验方法和步骤 2.1 实验方法 利用matlab 对一个系统进行辨识，选取的输入信号必须能够反映系统的动态和稳态两个方面的特性，才能更好地确定系统的参数。本次实验采取了两种输入信号，为反映动态特性，第一个选的是正弦扫频信号，由下面公式产生： 选定频率范围 ，w(t)是时间t 的线性函数，具有扫频性质，可以反映系统的动态特性。 为反映稳态特性，选的输入信号是阶跃信号。以上的到两组数据，利用matlab 的merge()函数，对两组数据融合，然后用matlab 系统辨识工具箱中的基于子空间方法的状态空间模型辨识函数n4sid()来对系统进行辨识 2.2 实验步骤 (1)建立一个4阶的线性系统，作为被辨识的系统，传递函数为 3243211548765 ()125410865 s s s G s s s s s -+-+=++++ (2)产生扫频信号u1和阶跃信号u2 (3)u1、u2作为输入对系统进行激励，分别产生输出y1和y2 (4)画出稳态测试输入信号u1-t 的曲线，和y1-t 的曲线 画出动态测试输入信号u2-t 的曲线，和y2-t 的曲线 (5)使用merge()函数对u1-y1数据和u2-y2数据进行融合，并使用n4sid()函数对系统进行辨识。 (6)画出原系统和辨识出的系统的零极点图，画出原系统和辨识出的系统的阶跃响应特性曲线，通过对比，验证辨识出的系统的准确性。 3、 实验数据和结果 （1） 分别以扫频正弦函数、阶跃函数作为系统的激励，得到的输出：
系统辨识与自适应控制作业
系统辨识与自适应控制 学院： 专业： 学号： 姓名：
系统辨识与自适应控制作业 一、 对时变系统进行参数估计。 系统方程为：y(k)+a(k)y(k-1)=b(k)u(k-1)+e(k) 其中：e(k)为零均值噪声，a(k)= b(k)= 要求：1对定常系统（a=0.8,b=0.5）进行结构（阶数）确定和参数估计； 2对时变系统，λ取不同值（0.9——0.99）时对系统辨识结果和过程进行 比较、讨论 3对辨识结果必须进行残差检验 解：一（1）： 分析：采用最小二乘法（LS ）：最小二乘的思想就是寻找一个θ的估计值θ? ， 使得各次测量的),1(m i Z i =与由估计θ? 确定的量测估计θ??i i H Z =之差的平方和最小，由于此方法兼顾了所有方程的近似程度，使整体误差达到最小，因而对抑制误差是有利的。在此，我应用批处理最小二乘法，收敛较快，易于理解，在系统参数估计应用中十分广泛。 作业程序： clear all; a=[1 0.8]'; b=[ 0.5]'; d=3; %对象参数 na=length(a)-1; nb=length(b)-1; %na 、nb 为A 、B 阶次 L=500; %数据长度 uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i) yk=zeros(na,1); %输出初值 x1=1; x2=1; x3=1; x4=0; S=1; %移位寄存器初值、方波初值 xi=randn(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)]'; %此处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); %产生逆M 序列 if IM==0 u(k)=-1; else u(k)=1; end S=not(S); M=xor(x3,x4); %产生M 序列
系统辨识基础实验指导书
实验一 离散模型的参数辨识 一、实验目的 1． 掌握随机序列的产生方法。 2． 掌握最小二乘估计算法的基本原理。 3． 掌握最小二乘递推算法。 二、实验内容 1． 基于Box--Jinkins 模型模拟一个动态过程，动态过程取为各种不同的情况，输入信号采用M 序列，实验者可尝试不同周期的M 序列。信噪比、观测数据长度也由实验者取为各种不同情况。 2． 模拟生成输入输出数据。 3． 根据仿真过程的噪声特性，选择一种模型参数估计算法，如RLS 、RIV 、RELS 、RGLS 、COR-LS 、STAA 、RML 或MLS 等，估计出模型的参数。 三、实验器材 计算机 1台 四、实验原理 最小二乘法是一种经典的有效的数据处理方法。它是1795年高斯（K.F.Guass ）在预测行星和彗星运动的轨道时提出并实际使用的。 最小二乘法也是一种根据实验数据进行参数估计的主要方法。这种方法容易被理解，而且由于存在唯一解，所以也比较容易实现。它在统计学文献中还被称为线性回归法，在某些辨识文献中还被称为方程误差法。正如各个学科都用到系统辨识技术建立模型一样，最小二乘法也用于很多场合进行参数估计，虽然不一定是直接运用，但很多算法是以最小二乘为基础的。 在系统辨识和参数估计领域中，最小二乘法是一种最基本的估计方法。它可用于动态系统，也可用于静态系统；可用于线性系统，也可用于非线性系统；可用于离线估计，也可用于在线估计。在随机的环境下利用最小二乘法时，并不要求知道观测数据的概率统计信息，而用这种方法所获得的估计结果，却有相当好的统计性质。 在系统辨识和参数估计领域中，应用最广泛的估计方法是最小二乘法和极大似然法，而其他的大多数算法都与最小二乘法有关。最小二乘法采用的模型为 11()()()()()A z y k B z u k e k --=+ 最小二乘估计是在残差二乘方准则函数极小意义下的最优估计，即按照准则函数 ????()()min T T J e e Y Y ΦθΦθ==--= 来确定估计值?θ。求J 对?θ的偏导数并令其等于0，可得 ????()()()()0??T T T J Y Y Y Y ΦθΦθΦΦθΦΦθθ θ??=--=----=?? 即?T T Y ΦΦθΦ=。当T ΦΦ为非奇异，即Φ列满秩时，有1?()T T LS Y θΦΦΦ-=，此即参数的最小二乘估计值。 具体使用时不仅占用内存量大，而且不能用于在线辨识。一次完成算法还有如下的缺陷： （1）数据量越多，系统参数估计的精度就越高。为了获得满意的辨识结果，矩阵T ΦΦ的阶数常常取得相当大。这样，矩阵求逆的计算量很大，存储量也很大。 （2）每增加一次观测量，都必须重新计算1,()T ΦΦΦ-。 （3）如果出现Φ列相关，即不满秩的情况，T ΦΦ为病态矩阵，则不能得到最小二乘估计值。 解决这个问题的办法是把它化成递推算法。依观测次序的递推算法就是每获得一次新的观测数据就修正一次参数估计值，随着时间的推移，便能获得满意的辨识结果。递推辨识算法具有无矩阵求逆，以及跟踪时变系统等特点，这样不仅可以减少计算量和储存量，而且能实现在线辨识。
系统辨识复习资料
1请叙述系统辨识的基本原理（方框图），步骤以及基本方法 定义：系统辨识就是从对系统进行观察和测量所获得的信息重提取系统数学模型的一种理论和方法。 辨识定义：辨识有三个要素——数据、模型类和准则。辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型 辨识的三大要素：输入输出数据、模型类、等价准则 基本原理： 步骤：对一种给定的辨识方法，从实验设计到获得最终模型，一般要经历如下一些步骤：根据辨识的目的，利用先验知识，初步确定模型结构；采集数据；然后进行模型参数和结构辨识；最后经过验证获得最终模型。 基本方法：根据数学模型的形式：非参数辨识——经典辨识，脉冲响应、阶跃响应、频率响应、相关分析、谱分析法。参数辨识——现代辨识方法（最小二乘法等） 2随机语言的描述 白噪声是最简单的随机过程，均值为零，谱密度为非零常数的平稳随机过程。 白噪声过程（一系列不相关的随机变量组成的理想化随机过程） 相关函数： 谱密度： 白噪声序列，白噪声序列是白噪声过程的离散形式。如果序列 满足： 相关函数： 则称为白噪声序列。 谱密度： M 序列是最长线性移位寄存器序列，是伪随机二位式序列的一种形式。 M 序列的循环周期 M 序列的可加性：所有M 序列都具有移位可加性 辨识输入信号要求具有白噪声的统计特性 M 序列具有近似的白噪声性质，即 M 序列“净扰动”小，幅度、周期、易控制，实现简单。 3两种噪声模型的形式是什么 第一种含噪声的被辨识系统数学模型0011()()()()n n i i i i y k a y k i b u k i v k ===-+-+∑∑，式中,噪声序列v(k)通常假定为均值为零独立同分布的平稳随机序列,且与输入的序列u(k)彼此统计独立. 上式写成：0 ()()()T y k k v k ψθ=+。其中，()()()()()()()=1212T k y k y k y k n u k u k u k n ψ------????L L ，，，，，，， ) ()(2τδστ=W R +∞ <<∞-=ωσω2)(W S )}({k W Λ,2,1,0,)(2±±==l l R l W δσ2)()(σωω== ∑ ∞-∞=-l l j W W e l R S ???≠=≈+=?0 , 00,Const )()(1)(0ττττT M dt t M t M T R bit )12(-=P P N
系统辨识及自适应控制实验..
Harbin Institute of Technology 系统辨识与自适应控制 实验报告 题目：渐消记忆最小二乘法、MIT方案 与卫星振动抑制仿真实验 专业：控制科学与工程 姓名： 学号： 15S004001 指导老师： 日期： 2015.12.06 哈尔滨工业大学 2015年11月
本实验第一部分是辨识部分，仿真了渐消记忆递推最小二乘辨识法，研究了这种方法对减缓数据饱和作用现象的作用； 第二部分是自适应控制部分，对MIT 方案模型参考自适应系统作出了仿真，分别探究了改变系统增益、自适应参数的输出，并研究了输入信号对该系统稳定性的影响； 第三部分探究自适应控制的实际应用情况，来自我本科毕设的课题，我从自适应控制角度重新考虑了这一问题并相应节选了一段实验。针对挠性卫星姿态变化前后导致参数改变的特点，探究了用模糊自适应理论中的模糊PID 法对这种变参数系统挠性振动抑制效果，并与传统PID 法比较仿真。 一、系统辨识 1. 最小二乘法的引出 在系统辨识中用得最广泛的估计方法是最小二乘法(LS)。设单输入-单输出线性定长系统的差分方程为： ()()()()()101123n n x k a x k a k n b u k b u x k n k +-+?+-=+?+-=，，，， (1.1) 错误！未找到引用源。 式中:()u k 错误！未找到引用源。为控制量；错误！未找到引用源。为理论上的输出值。错误！未找到引用源。只有通过观测才能得到，在观测过程中往往附加有随机干扰。错误！未找到引用源。的观测值错误！未找到引用源。可表示为： 错误！未找到引用源。 (1.2) 式中:()n k 为随机干扰。由式(1.2)得 错误！未找到引用源。 ()()()x k y k n k =- (1.3) 将式(1.3)带入式(1.1)得 ()()()()()()()101111()n n n i i y k a y k a y k n b u k b u k b u k n n k a k i n =+-+?+-=+-+?+ -++-∑ (1.4) 我们可能不知道()n k 错误！未找到引用源。的统计特性，在这种情况下，往往把()n k 看做均值为0的白噪声。 设 错误！未找到引用源。 (1.5)
系统辨识方法
系统辨识方学习总结 一．系统辨识的定义 关于系统辨识的定义，Zadeh是这样提出的：“系统辨识就是在输入和输出数据观 测的基础上，在指定的一组模型类中确定一个与所测系统等价的模型”。L.Ljung也给 “辨识即是按规定准则在一类模型中选择一个与数据拟合得最好的模型。出了一个定义： 二．系统描述的数学模型 按照系统分析的定义，数学模型可以分为时间域和频率域两种。经典控制理论中微 分方程和现代控制方法中的状态空间方程都是属于时域的范畴，离散模型中的差分方程 和离散状态空间方程也如此。一般在经典控制论中采用频域传递函数建模，而在现代控 制论中则采用时域状态空间方程建模。 三．系统辨识的步骤与内容 (1)先验知识与明确辨识目的 这一步为执行辨识任务提供尽可能多的信息。首先从各个方面尽量的了解待辨识的 系统，例如系统飞工作过程，运行条件，噪声的强弱及其性质，支配系统行为的机理等。 对辨识目的的了解，常能提供模型类型、模型精度和辨识方法的约束。 (2)试验设计 试验设计包括扰动信号的选择，采样方法和间隔的决定，采样区段（采样数据长度 的设计）以及辨识方式（离线、在线及开环、闭环等的考虑）等。主要涉及以下两个问 题，扰动信号的选择和采样方法和采样间隔 (3)模型结构的确定 模型类型和结构的选定是决定建立数学模型质量的关键性的一步，与建模的目的， 对所辨识系统的眼前知识的掌握程度密切相关。为了讨论模型和类型和结构的选择，引 入模型集合的概念，利用它来代替被识系统的所有可能的模型称为模型群。所谓模型结 构的选定，就是在指定的一类模型中，选择出具有一定结构参数的模型M。在单输入单 输出系统的情况下，系统模型结构就只是模型的阶次。当具有一定阶次的模型的所有参 数都确定时，就得到特定的系统模型M，这就是所需要的数学模型。 (4)模型参数的估计 参数模型的类型和结构选定以后，下一步是对模型中的未知参数进行估计，这个阶 段就称为模型参数估计。
系统辨识试验
2、用普通最小二乘法(OLS)法辨识对象数学模型 选择得仿真对象得数学模型如下 )()2(5.0)1()2(7.0)1(5.1)(k v k u k u k z k z k z +-+-=-+-- 其中,)(k v 就是服从正态分布得白噪声N )1,0(。输入信号采用4阶M 序列,幅度为1。选择如下形式得辨识模型 )()2()1()2()1()(2121k v k u b k u b k z a k z a k z +-+-=-+-+ 设输入信号得取值就是从k =1到k =16得M 序列,则待辨识参数LS θ?为LS θ?=L τL 1L τL z H )H H -(。其中,被辨识参数LS θ?、观测矩阵z L 、H L 得表达式为 ????? ???????=2121?b b a a LS θ , ????????????=)16()4()3(z z z L z , ????????????------=)14()2()1()15()3()2()14()2()1()15()3()2(u u u u u u z z z z z z L H 程序框图如下所示: 参考程序: %ols M 序列z=zeros(1,16); %for k=3:16 z(k)=1、end subplot(3,1,1) %stem(u) %subplot(3,1,2) %画三行一列图形窗口中得第二个图形 i=1:1:16; %横坐标范围就是1到16,步长为1 plot(i,z) %图形得横坐标就是采样时刻i, 纵坐标就是输出观测值z, 图形格式为连续曲线
subplot(3,1,3) %画三行一列图形窗口中得第三个图形 stem(z),grid on%画出输出观测值z得经线图形,并显示坐标网格 u,z%显示输入信号与输出观测信号 %L=14%数据长度 HL=[-z(2) -z(1) u(2) u(1);-z(3) -z(2) u(3) u(2);-z(4) -z(3) u(4) u(3);-z(5) -z(4) u(5) u(4);-z(6) -z(5) u(6) u(5);-z(7) -z(6) u(7) u(6);-z(8) -z(7) u(8) u(7);-z(9) -z(8) u(9) u(8);-z(10) -z(9) u(10) u(9);-z(11) -z(10) u(11) u(10);-z(12) -z(11) u(12) u(11);-z(13) -z(12) u(13) u(12);-z(14) -z(13) u(14) u(13);-z(15) -z(14) u(15) u(14)] %给样本矩阵HL赋值 ZL=[z(3);z(4);z(5);z(6);z(7);z(8);z(9);z(10);z(11);z(12);z(13);z(14);z(15); z(16)]% 给样本矩阵zL赋值 %calculating parameters%计算参数 c1=HL'*HL; c2=inv(c1); c3=HL'*ZL; c=c2*c3 %计算并显示 %DISPLAY PARAMETERS a1=c(1), a2=c(2), b1=c(3), b2=c(4) %从中分离出并显示a1 、a2、 b1、 b2 %End 注:由于输出观测值没有任何噪音成分,所以辨识结果也无任何误差,同学们可以在输出观测值中添加噪音,观察ols得辨识效果。同时,可以尝试增加输入信号得数量,瞧辨识结果有何变化。
系统辨识经典辨识方法
经典辨识方法报告 1. 面积法 辨识原理 分子多项式为1的系统 1 1 )(11 1++++= --s a s a s a s G n n n n Λ……………………………………………（） 由于系统的传递函数与微分方程存在着一一对应的关系，因此，可以通过求取微分方程的系数来辨识系统的传递函数。在求得系统的放大倍数K 后，要先得到无因次阶跃响应y(t)（设τ=0）。大多数自衡的工业过程对象的y(t)可以用下式描述来近似 1)() ()()(a 111=++++--t y dt t dy a dt t y d a dt t y d n n n n K ……………………………（） 面积法原则上可以求出n 为任意阶的各系数。以n=3为例，注意到 1|)(,0|)(d |)(d |)(d 23====∞→∞→∞→∞→t t t t t y dt t y dt t y dt t y …………………………（） 将式（）的y(t)项移至右边，在[0，t]上积分，得 ?-=++t dt t y t y a dt t dy a dt t y d a 01223 )](1[)() ()(…………………………………（） 定义 ?-=t dt t y t F 01)](1[)(……………………………………………………………（） 则由式（）给出的条件可知，在t →∞ ?∞ -=01)](1[a dt t y ……………………………………………………………（） 将式a 1y(t)移到等式右边，定义 )()]()([)() (a 201123 t F dt t y a t F t y a dt t dy t =-=+?…………………………………（） 利用初始条件（）当t →∞时 )(a 22∞=F …………………………………………………………………… （） 同理有a 3=F 3(∞) 以此类推，若n ≥2，有a n =F n (∞) 分子、分母分别为m 阶和n 阶多项式的系统
系统辨识与自适应控制论文
XXXXXXXXXX 系统辨识与自适应控制课程论文 题目：自适应控制综述与应用 课程名称：系统辨识与自适应控制 院系：自动化学院 专业：自动化 班级：自动化102 姓名： XXXXXX 学号: XXXXXXXXX 课程论文成绩： 任课教师： XXXXX 2013年 11 月 15 日
自适应控制综述与应用 一．前言 对于系统辨识与自适应控制这门课，前部分主要讲了系统辨识的经典方法（阶跃响应法、频率响应法、相关分析法）与现代方法（最小二乘法、随机逼近法、极大似然法、预报误差法）。对于系统辨识，简单的说就是数学建模，建立黑箱系统的输入输出关系；而其主要分为结构辨识（n）与参数辨识（a、b）这两个任务。 由于在课上刘老师对系统辨识部分讲的比较详细，在此不再赘述，下面讨论自适应控制部分的相关内容。 对于自适应控制的概念，我觉得具备以下特点的控制系统，可以称为自适应控制系统： 1、在线进行系统结构和参数辨识或系统性能指标的度量，以便得到系统当前状态的改变情况。 2、按一定的规律确定当前的控制策略。 3、在线修改控制器的参数或可调系统的输入信号。 二．自适应控制综述 1.常规控制系统与自适应控制系统比较 （1）控制器结构不同 在传统的控制理论与控制工程中，常规控制系统的结构主要由控制器、控制对象以及反馈控制回路组成。 而自适应控制系统主要由控制器、控制对象、自适应器及反馈控制回路和自适应控制回路组成。 （2）适用的对象与条件不同 传统的控制理论与控制工程中，当对象是线性定常、并且完全已知的时候，才能进行分析和控制器设计。无论采用频域方法，还是状态空间方法，对象一定是已知的。这类方法称为基于完全模型的方法。在模型能够精确地描述实际对象时，基于完全模型的控制方法可以进行各种分析、综合，并得到可靠、精确和满意的控制效果。 然而,有一些实际被控系统的数学模型是很难事先通过机理建模或离线系统辨识来确知的,或者它们的数学模型的某些参数或结构是处于变化之中的.对于这类事先难以确定数学模型的系统,通过事先整定好控制器参数的常规控制往往难以对付。 面对上述系统特性未知或经常处于变化之中而无法完全事先确定的情况,如何设计一个满意的控制系统,使得能主动适应这些特性未知或变化的情况,这就 是自适应控制所要研究解决的问题.自适应控制的基本思想是:在控制系统的运行过程中,系统本身不断地测量被控系统的状态、性能和参数,从而“认识”或“掌握”系统当前的运行指标并与期望的指标相比较,进而作出决策,来改变控制器的结构、参数或根据自适应规律来改变控制作用，以保证系统运行在某种意义下的最优或次优状态。按这种思想建立起来的控制系统就称为自适应控制系统。
《系统辨识》实验手册-16页文档资料
《系统辨识》 实验手册 哈尔滨工业大学控制与仿真中心 2012年8月 目录 实验1白噪声和M序列的产生---------------------------------------------------------- 2实验2脉冲响应法的实现----------------------------------------------------------------5实验3最小二乘法的实现--------------------------------------------------------------- 9 实验4递推最小二乘法的实现---------------------------------------------------------- 12附录实验报告模板----------------------------------------------------------------------16 实验1 白噪声和M序列的产生 一、实验目的 1、熟悉并掌握产生均匀分布随机序列方法以及进而产生高斯白噪声方法
2、熟悉并掌握M 序列生成原理及仿真生成方法 二、实验原理 1、混合同余法 混合同余法是加同余法和乘同余法的混合形式，其迭代式如下： 式中a 为乘子，0x 为种子，b 为常数，M 为模。混合同余法是一种递归算法，即先提供一个种子0x ，逐次递归即得到一个不超过模M 的整数数列。 2、正态分布随机数产生方法 由独立同分布中心极限定理有：设随机变量12,,....,,...n X X X 相互独立，服从同一分布，且具有数学期望和方差： 则随机变量之和1n k i X =∑的标准化变量: () n n n k k k X E X X n Y μ --= = ∑∑∑近似服从(0,1)N 分布。 如果n X 服从[0, 1]均匀分布，则上式中0.5μ=，2 1 12 σ= 。即 0.5n k X n Y -= ∑近似服从(0,1)N 分布。 3、M 序列生成原理 用移位寄存器产生M 序列的简化框图如下图所示。该图表示一个由4个双稳态触发器顺序连接而成的4级移位寄存器，它带有一个反馈通道。当移位脉冲来到时，每级触发器的状态移到下一级触发器中，而反馈通道按模2加法规则反馈到第一级的输入端。
系统辨识与自适应控制读书报告
系统辨识与自适应控制读书报告 1、概述 20世纪60年代，自动控制理论发展到了很高的水平。与此同时，工业大生产的发展，也要求将控制技术提高到更高的水平。现代控制理论的应用是建立在已知受控对象的数学模型这一前提下的，而在当时对受控对象数学模型的研究相对较为滞后。现代控制理论的应用遇到了确定受控对象合适的数学模型的各种困难。因此，建立系统数学模型的方法——系统辨识，就成为应用现代控制理论的重要前提。在另一方面，随着计算机科学的飞速发展，计算机为辨识系统所需要进行的离线计算和在线计算提供了高效的工具。在这样的背景下，系统辨识问题便愈来愈受到人们的重视，成为发展系统理论，开展实际应用工作中必不可少的组成部分。 “系统辨识”是研究如何利用系统试验或运行的、含有噪声的输入输出数据来建立被研究对象数学模型的一种理论和方法。系统辨识是建模的一种方法，不同的学科领域，对应着不同的数学模型。从某种意义上来说，不同学科的发展过程就是建立他的数学模型的过程。辨识问题可以归结为用一个模型来表示客观系统本质特征的一种演算，并用这个模型把对客观系统的理解表示成有用的形式。当然也可以有另外的描述，辨识有三个要素：数据，模型类和准则。辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型。总而言之，辨识的实质就是从一组模型类中选择一个模型，按照某种准则，使之能最好地拟合所关心的实际过程的静态或动态特性。 自适应系统利用可调系统的输入量、状态向量及输出量来测量某种性能指标，根据测得的性能指标与给定的性能指标的比较，自适应机构修改可调系统的参数或者产生辅助输入量，以保持测得的性能指标接近于给定的性能指标，或者说测得的性能指标处于可接受性能指标的集合内。自适应系统的基本结构如图1所示。图中所示的可调系统可以理解为这样一个系统，它能够用调整它的参数或者输入信号的方法来调整系统特性。 未知扰动已知扰动 图1 自适应系统的基本结构 2、系统辨识的方法
动力学系统辨识
系统是由内部相互联系、相互制约、相互作用的要素构成，具有整体功能和综合行为的统一体，整体性是系统最基本的特性，同时系统接受外部因素的制约和作用。 系统建模就是建立表征系统状态参数之间以及与外作用之间的相互作用的数学表达式的过程。系统建模是系统分析和研究的基础，能够反映系统本质特性的模型建立后，可以借助数学分析，数值模拟，计算仿真等手段开展系统分析，从而实现对系统的合理设计和有效控制。 系统建模有两类方法：理论建模和实验建模。理论建模是指从已知的定理，原理和定律出发，对系统的内在规律进行系统分析和研究从而建立起系统的数学模型。实验建模是直接从系统运行或试验中测量到数据，应用系统辨识方法建立系统模型。 系统辨识的作用是研究如何建立系统数学模型。 辨识三要素:数据、模型类和准则。辨识就是按照一个准则在一组模型类中寻找一个与数据拟合得最好的模型。辨识准则有：最小二乘准则：最小方差准则、最大似然准则、贝叶斯准则、H无穷准则等辨识算法。对于给定的候选数学模型集，根据辨识准则建立辨识方程组之后，系统辨识问题就化成了一个极值优化计算问题。对于线性系统，可应用最小二乘准则，对于非线性系统常采用迭代算法求解;也可用逐点递推逼近算法求解。 系统辨识分为离线辨识和在线辨识两种。离线辨识也称事后处理，先将实验过程中输入一输出数据记录下来，实验结束后再进行辨识。由于时间较充裕，记录的信息一般较多，可以适用较复杂的建模问题。优点：估计模型参数精度高，缺点：要求存储量大，运算量大，计算时间长。在线辨识，即在系统运行中边测量边辨识，一般将辨识结果直接用于系统控制，要求处理信息速度较快，通常采用递推算法，不断用新的测量数据修正当时的估计值。由于计算机处理过程比较耗时，目前还主要用于简单模型的建摸。优点：计算量小，适合实时控制和自适应控制。缺点：辨识精度较差。 系统分析是己知系统的数学模型，研究系统对各种外作用的响应历程和表现特性:系统辨识则是反过来，从已经测量出的外作用和响应历程确定系统的数学模型;通常在控制论中称系统分析为正问题，系统辨识是反问题。 系统辨识的目的是系统建模，经常将系统辨识与系统建模合并简称为系统辨识。系统辨识的四个方面的研究内容:试验设计、模型结构辨识、模型参数辨识、模型检验。 系统辨识过程:根据辨识的目的，利用先验知识初步确定模型结构;设计实验方案，采集数据:进行模型结构和参数辨识:最后经过验证获得符合要求的模型。 由于动力学系统本身的复杂性、试验环境对测量系统干扰和试验设计的不完善，输入和输出数据不可避免地含有确定性误差和随机误差，有些情况下还可能出现部分数据未采集等现象，这些误差和异常情况必然要影响辨识算法的计算和建立模型的精度，使辨识过程发散或收敛错误的值。这些误差和异常情况是辨识算法本身无法消除的，因此一般在采用实测数据辨识前都要进行相容性检验、剔除高频成分、可辨识性分析、确定估算初值和数据重构等预处理。
系统辨识之经典辨识法
- -- 系统辨识作业一 学院信息科学与工程学院专业控制科学与工程 班级控制二班 姓名 学号 2018 年 11 月
系统辨识 所谓辨识就是通过测取研究对象在认为输入作用的输出响应，或正常运行时的输入输出数据记录，加以必要的数据处理和数学计算，估计出对象的数学模型。 辨识的内容主要包括四个方面： ①实验设计； ②模型结构辨识； ③模型参数辨识； ④模型检验。 辨识的一般步骤：根据辨识目的，利用先验知识，初步确定模型结构；采集数据；然后进行模型参数和结构辨识；最终验证获得的最终模型。 根据辨识方法所涉及的模型形式来说，辨识方法可以分为两类：一类是非参数模型辨识方法，另一类是参数模型辨识方法。 其中，非参数模型辨识方法又称为经典的辨识方法，它主要获得的是模型是非参数模型。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，广泛适用于一些复杂的过程。经典辨识方法有很多，其中包括阶跃响应法、脉冲响应法、相关分析法和普分析法等等，本次实验所采用的辨识方法为阶跃响应法和脉冲响应法。 1．阶跃响应法 阶跃响应法是一种常用非参数模型辨识方法。常用的方法有近似法、半对数法、切线法、两点法和面积法等。本次作业采用面积法求传递函数。 1.1面积法 ①当系统的传递函数无零点时，即系统传递函数如下： G(S) = a a a a+a a?1a a1?1+?+a1a+1 (1-1) 系统的传递函数与微分方程存在着一一对应的关系，因此，可以通过求取微分方程的系数来辨识系统的传递函数。在求得系统的放大倍数K后，要得到无因次阶跃响应y(t)(设τ=0)，其中y(t)用下式描述： a a a(a)a?1 (a) a a aa aa aa (1-2) 面积法原则上可以求出n为任意阶 的个系数。以n为3为例。有： a3a(a) a2a(a) aa(a) {aa|a→∞ =aa|a→∞ =aa|a→∞ = 0 (1-3) a(a)|a→∞ = 1
自适应控制习题(系统辨识)
自适应控制习题 (徐湘元，自适应控制理论与应用，电子工业出版社， 2007) 【2-1】 设某物理量丫与XI 、X2、X3的关系如下：丫=0 1X1 + 0 2X2+0 3X3 由试验获得的数据如下表。试用最小二乘法确定模型参数 0 1、0 2和0 3 X1:0.620.4 0.420.820.660.720.380.520.450.690.550.36 X2:12.014.214.612.110.88.2013.010.58.8017.014.212.8 X3:5.206.100.328.305.107.904.208.003.905.503.806.20 Y: 51.649.948.550.649.748.842.645.937.864.853.445.3 【2-3】 考虑如下模型 其中w(t)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k), 分别采用批处理最小二乘法、具有遗忘因子的最小二乘法(入 =0.95)和递推最小二乘法 估计模型参数(限定数据长度 N 为某一数值，如N=150或其它数值)，并将结果加以比 较。 【2-4】 对于如下模型 (1 _0.8z 1 0.15z 2 )y(k) 一(z 2 0.5z 3 )u(k) - (1 - 0.65z 1 - 0.1z 2 )w(k) 其中w(k)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k), 分别采用增广最小二乘法和随机逼近法进行模型参数估计，并比较结果。 (提示：w(t)可以用MATLAB^的函数“ randn ”产生)。 【3-1】 设有不稳定系统: (1z 1)y(k) - z ^(10.9z 1)u(k) 期望传递函数的分母多项式为 Amz z m r 且无稳态误差。试按照极点配置方法设计控制系统，并写出控制表达式。 【3-2} 设有被控过程：一 - _ (1 1.7z 1 0.6z 2)y(k)z 2(11.2z 1 )u(k) 一 ~ - 一 - -1.3z 0.5z u(t)w(t) I 0.3z 2 1 - - T ()(10.5 )，期望输出y 跟踪参考输入y , y(t)
系统辨识报告
系统辨识实验报告
实验一 最小二乘法 1 最小二乘算法 1.1 基本原理 系统模型 )()()()()(11k n k u z B k z z A +=-- a a n n z a z a z a z A ----++++= 221111)( b b n n z b z b z b z B ----+++= 22111)( 最小二乘格式 )()()(k n k h k z T +=θ [][] ?????=------=T n n T b a b a b b a a n k u k u n k z k z k h 11)()1()()1()(θ 对于L k ,,2,1 =，构成线性方程组 L L L n H z +=θ 式中， []T L L z z z z )()2()1( = []T L L n n n n )()2()1( = ? ????? ???? ??--------------= ??????????????=)()1()()1()2()1()2()1()1() 0() 1()0()()2()1(b a b a b a T T T L n L u L u n L z L z n u u n z z n u u n z z L h h h H 参数估计值为 ()L T L L T L LS z H H H 1 ?-=θ 1.2 Matlab 编程 % 基本最小二乘法LS clear;clc A=ones(5,1);B=ones(4,1);%A 为首1多项式，B 中体现时滞（d=1） na=length(A)-1;nb=length(B); load dryer2
自适应控制习题(系统辨识)
自适应控制习题 （徐湘元，自适应控制理论与应用，电子工业出版社，2007） 【2-1】 设某物理量Y 与X1、X2、X3的关系如下：Y=θ1X 1+θ2X 2+θ3X 3 由试验获得的数据如下表。试用最小二乘法确定模型参数θ1、θ2和θ3 X1: 0.62 0.4 0.42 0.82 0.66 0.72 0.38 0.52 0.45 0.69 0.55 0.36 X2: 12.0 14.2 14.6 12.1 10.8 8.20 13.0 10.5 8.80 17.0 14.2 12.8 X3: 5.20 6.10 0.32 8.30 5.10 7.90 4.20 8.00 3.90 5.50 3.80 6.20 Y: 51.6 49.9 48.5 50.6 49.7 48.8 42.6 45.9 37.8 64.8 53.4 45.3 【2-3】 考虑如下模型 )()(3.03.115.0)(212 1t w t u z z z z t y ++-+=---- 其中w(t)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k),分别采用批处理最小二乘法、具有遗忘因子的最小二乘法（λ=0.95）和递推最小二乘法估计模型参数（限定数据长度N 为某一数值，如N=150或其它数值），并将结果加以比较。 【2-4】 对于如下模型 )()1.065.01()()5.0()()15.08.01(213221k w z z k u z z k y z z ------+-++=+- 其中w(k)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k),分别采用增广最小二乘法和随机逼近法进行模型参数估计，并比较结果。 （提示：w(t)可以用MATLAB 中的函数“randn ”产生）。 【3-1】 设有不稳定系统： )()9.01()()1(111k u z z k y z ---+=- 期望传递函数的分母多项式为)5.01()(11---=z z Am ，期望输出m y 跟踪参考输入r y ，且无稳态误差。试按照极点配置方法设计控制系统，并写出控制表达式。 【3-2】 设有被控过程： )()2.11()()6.07.11(1221k u z z k y z z ----+=+- 给定期望传递函数的分母多项式为)08.06.01()(211---+-=z z z A m ，试按照极点配置方法设计控制系统，使期望输出无稳态误差，并写出控制表达式u(k)。