4系统误差判别

实验报告单

神经网络动态系统辨识与控制

神经网络动态系统的辨识与控制摘要：本论文表明神经网络对非线性动态系统进行有效的辨识与控制。本论文的侧重点是辨识与控制模型，并论述了动态反向传播以及静态反向传播方法在参数调节中的作用。在所介绍的模型中，加法器与重复网络结构的内部相连很独特，所以很有必要将他们统一起来进行研究。由仿真结果可知辨识与自适应控制方案的提出是可行的。整篇论文中都介绍到基本的概念和定义，也涉及了必须提出的学术性问题，简介用数学系统理论处理动态系统的分析与合成在过去的五十年里已经被列为应用广泛的权威科学原理了。权威系统理论最先进的地方定义于基于线性代数以及复合变量理论的先进技术线性操作器以及线性常微分方程。由于动态系统的设计技术与它们的稳定特性密切相关，线性时间不变系统的充分必要条件在上世纪已经产生了，所以已经建立了动态系统的著名设计方法。相反，只要在系统对系统基础上就可以基本上建立非线性系统的稳定性，因此对于大部分系统没有同时满足稳定性、鲁棒性以及良好动态响应的设计程序并不希奇。过去三十年来，对线性、非时变和具有不确定参数的对象进行辨识与自适应控制的研究已取得了很大的进展。但是在这些研究中辨识器和控制器的结构选取和保证整个系统全局稳定性的自适应调参规律的构成等，都是建立在线性系统理论基础上的[1]。在本论文中，我们感兴趣的是神经网络非线性动态系统的控制与辨识。由于很少有可以直接应用的非线性系统理论结果存在，所以必须密切关注这个问题以及辨识器和控制器结构的选择和调整参数适应性规则的通用性问题。在人工神经网络领域里，有两类网络今年来最引人注目：它们是（1）多层神经网络（2）回归神经网络。多层神经网络被证实在解决模式辨识问题[2]-[5]上非常成功。而回归神经网络则经常用于联想记忆以及制约优化问题的解决[[6]-[9]。从系统理论的观点来看，多层网络呈现静态非线性映射，而回归网络则通过非线性动态反馈系统显现。尽管两种网络存在外观上的不同外，但是很有必要将他们用统一成更一般化的网络。事实上，笔者确信将来会越来越多的用到动态因素以及反馈，这导致包括两种网络的复杂系统的产生。这样，将两个网络统一起来就成为必要。在本文的第三章，这个观点会得到进一步的阐述。本文用了三个主要目标。第一个也是最重要的一个目标是在未知非线性动态系统中为自适应控制利用神经网络提出辨识以及控制器结构。当未知参数线性系

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

系统辨识答案

1：修改课本p61的程序，并画出相应的图形； u = -1 -1 -1 1 -1 1 1 -1 1 -1 1 -1 -1 1 1 z = Columns 1 through 11 0 0 Columns 12 through 16 HL =

0 0 0 ZL = c = a1 =

a2 = b1 = 1 b2 = 2：修改课本p63的程序，并画出相应的图形（V的取值范围为54-200）； V = [, , , , , ]τ P = [, , , , , ]τ ZL = [, , , , , ]τ HL = c4 = alpha = beita = +004 3：表1中是在不同温度下测量同一热敏电阻的阻值， 70时根据测量值确定该电阻的数学模型，并求出当温度在C?

的电阻值。要求用递推最小二乘求解：（a ）设观测模型为利用头两个数据给出 ?? ???===-0L T L L T L L z H P θH H P P 000)0()0(?)()()0(1 0 （b ）写出最小二乘的递推公式；（c ）利用Matlab 计算 T k a k b k )](),([)(?=θ 并画出相应的图形。解：首先写成[][]?? ? ???=??????=+==a b t a b h h a bt k k z k k 1)()(12 θτ h θL L H z = T L L z z ],...,[1=z ，????? ???? ???=1 (112) 1 L L t t t H ，??????=a b θ 的形式。利用头两个数据给出最小二乘的初值： ,126120.50??????=L H ?? ????=7907650L z 这样可以算得 i i v bt a y ++=

七、系统误差的计算

直接与间接测量的系统误差分析陈军灵摘要本文论述了在电气工程中直接测量与间接测量的系统误差的分析，并列举系统误差计算范例。关键词系统误差直接测量间接测量在电气测量技术中，按测量方法可分为直接测量和间接测量。测量误差可分为系统误差、偶然误差和疏失误差三大类[1]。在电气工程测量中，主要考虑的是系统误差。系统误差可按下面方法进行计算。 1．直接测量在仪表的正常工作条件下，测量结果中的误差即是所使用仪表本身的基本误差，可以根据仪表的准确度等级计算。例如仪表测量时的读数为Ax ，仪表量程为A m ，准确度等级为K ，则测量结果可能出现的最大相对误差为 100%A K%A γx m max ?±= （1）例如；用量限为30A ，准确度为1.5级的安培表，测得电流为10A ，求可能出现的最大相对误差max γ： 4.5%100%10300.015γm ax ±=??±= 即最大相对误差为±4.5% 2．间接测量设y 为可直接测量的局部量x 1、x 2、x 3的测量结果。y γ为y 的相对误差（合成相对误差）。x1γ、x2γ、x3γ为对应于x 1、x 2、x 3的相对误差（局部量的相对误差）。因此当 y=x 1+x 2+x 3 则 x33x22x11y γy x γy x γy x γ++= （2）

当 y=x 1-x 2 则 x22x11y γy x γy x γ+= （3）当 y=x 1x 2 则 x2x1y γγγ+= （4）当 y ＝2 1x x 则 x2x1y γγγ-= （5）当 y=q 3n 2m 1x x x ?? 则 x3x2x1y q γn γm γγ++= （6）由此可见，（2）式：当被测量y 为可直接测值x 1、x 2、x 3之和时，合成相对误差y γ不会大于各局部相对误差x γ中的最大者。例如；电流表测量得出两并联支路电流:I 1=10.0A,1γ=±2.0%,I 2=20.0A,2γ=±4.0%,求电路总电流I 以及可能产生的最大相对误差y γ。 I=I 1+I 2=10.0+20.0=30.0A 最差的情况出现在合成最大相对误差取同符号。即 3.33% 4.0%30.020.02.0%30.010.0γI I γI I γ2211y =?+?=+= （3）式：当被测量y 为两个被测量之差时，合成的相对误差不仅与局部相对误差有关，而且与两被测量之差有关。若两被测量之差越大，合成相对误差越小，反之两被测量之差越小，则合成相对误差越大，当x 1、x 2的值很接近时，将出现非常大的间接测量相对误差，所以工程上要尽量避免这样的间接测量。例如；电压表测得串联电路的电压U ＝1000V , U γ＝±3%；U 1 ＝800V , 1γ＝±3%，求U 2最大相对误差2γ。根据 U 2＝U ―U 1＝1000－800＝200V 2γ =%27%3*200 800%3*2001000=+

系统辨识习题解答(最新)

系统辨识习题解答 1-14、若一个过程的输入、输出关系可以用MA 模型描述，请将该过程的输入输出模型写成最小二乘格式。提示：① MA 模型z k D z u k ()()()=-1 ② 定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --== h 解：因为MA 模型z k D z u k ()()()=-1，其中 n n z d z d d z D ---+++= 1101)(，从而 )()1()()(10n k u d k u d k u d k z n -++-+= 所以当定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --== h ，则有最小二乘格式： )()()()()(0 k e k h k e k h d k z n i i i +=+=∑=τ ，其中e(k)是误差项。 2-3、设)}({k e 是一个平稳的有色噪声序列，为了考虑这种噪声对辨识的影响，需要用一种模型来描述它。请解释如何用白噪声和表示定理把)(k e 表示成AR 模型、MA 模型和ARMA 模型。解：根据表示定理，在一定条件下，有色噪声e(k)可以看成是由白噪声v(k)驱动的线性环节的输出，该线性环节称为成形滤波器，其脉冲传递函数可写成 ) () ()(1 11 ---=z C z D z H 即 )()()()(1 1k v z D k e z C --= 其中 c c n n z c z c z C ---+++= 1 11 1)( d d n n z d z d z D ---+++= 1 111)(

系统辨识习题解答

系统辨识习题解答 1-14、若一个过程的输入、输出关系可以用MA 模型描述，请将该过程的输入输出模型写成最小二乘格式。提示：① MA 模型z k D z u k ()()()=-1 ② 定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --==ΛΛh 解：因为MA 模型z k D z u k ()()()=-1，其中 n n z d z d d z D ---+++=Λ1101)(，从而所以当定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --==ΛΛh ，则有最小二乘格式： )()()()()(0k e k k e k h d k z n i i i +=+=∑=θτ ，其中e(k)是误差项。 2-3、设)}({k e 是一个平稳的有色噪声序列，为了考虑这种噪声对辨识的影响，需要用一种模型来描述它。请解释如何用白噪声和表示定理把)(k e 表示成AR 模型、MA 模型和ARMA 模型。解：根据表示定理，在一定条件下，有色噪声e(k)可以看成是由白噪声v(k)驱动的线性环节的输出，该线性环节称为成形滤波器，其脉冲传递函数可写成即 )()()()(11k v z D k e z C --= 其中 c c n n z c z c z C ---+++=Λ1111)( 根据其结构，噪声模型可区分为以下三类：自回归模型（AR 模型）： )()()(1k v k e z C =- 平均滑动模型（MA 模型）： )()()(1k v z D k e -= 自回归平均滑去模型（ARMA 模型）： )()()()(11k v z D k e z C --= 3－4、根据离散Wiener-Hopf 方程，证明解：由于M 序列是循环周期为t N P ?，12-=P P N ，t ?为M 序列移位脉冲周期，自相关函数近似于δ函数，a 为M 序列的幅度。设数据的采样时间等于t ?，则离散Wiener-Hopf 方程为：当M 序列的循环周期t N P ?大于过程的过渡过程时间时，即P N 充分大时，离散Wiener-Hopf 方程可写成：

3.8系统误差分析与计算

第三章系统的时间响应分析 3.8系统的误差分析与计算对于任何一个稳定的控制系统，输出响应含有瞬态分量和稳态分量。系统的稳态分量反映系统跟踪控制信号的准确度或抑制扰动信号的能力，用稳态误差来描述。在系统的分析、设计中，稳态误差是一项重要的性能指标，它与系统本身的结构、参数及外作用的形成有关，也与元件的不灵敏、零点漂移、老化及各种传动机械的间隙、摩擦等因素有关。本节只讨论由于系统结构、参数及外作用等因素所引起的稳态误差的计算方法。本节内容分五点进行讲解：一、系统的误差e(t)及偏差)(t ε 二、系统的稳态误差与稳态偏差三、与输入有关的稳态偏差四、系统结构对稳态偏差的影响五、与干扰有关的稳态偏差一、系统的误差e(t)及偏差)(t ε 1、定义系统的误差e(t) （输出端定义）：设()or x t 是控制系统的希望输出，()o x t 是其实际输出，则误差()e t 定义为：值希望输出值－实际输出=-=)()()(t x t x t e o or Laplace 变换记为)(1s E ，为避免与系统的偏差()E s 混淆，用下标1区别。 )()()(1s X s X s E o or -= 系统的误差是从系统输出端来定义的，它在性能指标提法中经常使用，但在实际系统中有时无法测量，因而，一般只有数学意义。系统的偏差()t ε（输入端定义）：为输入信号与反馈信号的差值 ()()()i t x t b t ε=-，它在系统中是可以测量的，因而具有实用性。系统偏差的Laplace 变换记为()E s ，()()()()()()i i o E s X s B s X s H s X s =-=- 2、误差与偏差)(t ε的关系输出为希望值时，即)()(s X s X or o =，不起调节作用）（＝应该有)(0)(s E s E 0)()()()()()()(===s H s X s X s H s X s X s E or i o i －－ ) () ()()()()(s H s X s X s H s X s X i or or i = ?=从而有，输出偏离希望值时（一般情况）

系统辨识建模

上海大学2015 ～2016学年冬季学期研究生课程考试小论文格式课程名称：系统建模与辨识课程编号： 09SB59002 论文题目: 基于改进的BP神经网络模型的网络流量预测研究生姓名: 李金田学号: 15721524 论文评语: 成绩: 任课教师: 张宪评阅日期:

基于改进的BP神经网络模型的网络流量预测 15721524，李金田 2016/3/4 摘要：随着无线通信技术的快速发展，互联网在人们的日常生活中占据了越来越重要的位置。网络中流量监控和预测对于研究网络拓扑结构有着重要的意义。本文参考BP算法，通过分析算法的优势和存在的一些问题，针对这些缺陷进行了改进。通过建立新的流量传输的传递函数，对比了经典的传递函数，并且在网络中进行了流量预测的实验和验证。新方法在试验中表现出了良好的实验性能，在网络流量预测中有很好的应用，可以作为网络流量预测的一个新方法和新思路，并且对研究网络拓扑结构有着重要的启发作用。网络流量预测在研究网络行为方面有着重要的作用。ARMA时间序列模型是比较常见的用于网络流量预测的模型。但是用在普通时间序列模型里面的一些参数很难估计，同时非固定的时间序列问题用ARMA模型很难解决。人工神经网络技术通过对历史数据的学习可能对大量数据的特征进行缓存记忆，对于解决大数据的复杂问题很合适。IP6 网络流量预测是非线性的，可以使用合适的神经网络模型进行计算。 A Novel BP Neural Network Model for Traffic Prediction of The Next Generation Network. Abstract:With the rapid development of wireless communication technology, the internet occupy an important position in people’s daily life. Monitoring and predicting the traffic of the network is of great significant to study the topology of the network. According to the BP algorithm, this paper proposed an improved BP algorithm based on the analysis of the drawback of the algorithm. By establishing a new transfer function of the traffic transmission, we compare it with the previous transmission function. Then, the function is used to do experiments, found to be the better than before. This method can be used as a new way to predict the network traffic, which has important implications for the study of the network topology. Network traffic prediction is an important research aspect of network behavior. Conventionally, ARMA time sequence model is usually adopted in network traffic prediction. However, the parameters used in normal time sequence models are difficult to be estimated and the nonstationary time sequence problem cannot be processed using ARMA time sequence problem model. The neural network technique may memory large quantity of characteristics of data set by learning previous data, and is suitable for solving these problems with large complexity. IP6 network traffic prediction is just the problem with nonlinear feature and can be solved using appropriate neural network model.

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

系统辨识试卷B参考答案

襄樊学院2008-2009学年度上学期《系统辨识》试题 B卷参考答案及评分标准一、选择题：（从下列各题的备选答案中选出一个或几个正确答案，并将其代号写在题干后面的括号内。答案选错或未选全者，该题不得分。每空2分，共12分） 1、（D） 2、（A） 3、（C） 4、（ABC） 5、（BCD） 6、（B）二、填空题：（每空2分，共14分） 1、图解 2、阶次和时滞 3、极大似然法和预报误差法 4、渐消记忆的最小二乘递推算法和限定记忆的最小二乘递推算法三、判断题（下列命题你认为正确的在题后括号内打“√”；错误的打“×”并改正；每小题2分，共20分）（注：正确的题目括号内打“√”得2分，打“×”得0分；错误的题目括号内打“×”得1分，改正正确再得1分，错误的题目括号内打“√”得0分；） 1、（×）非零→零 2、（√） 3、（×）完全相同→不完全相同 4、（√） 5、（×）不相同→相同 6、（√） 7、（√） 8、（√） 9、（×）灰箱→白箱 10、（×）不需要→需要四、简答题：（回答要点，并简明扼要作解释，每小题6分，共18分） 1、答：计算中用一个数值来表示对观测数据的相对的“信任程度”，这就是权。（2分）对于时变参数系统，其当前的观测数据最能反映被识对象当前的动态特性，数据愈“老”，它偏离当前对象特性的可能性愈大。因此要充分重视当前的数据而将“过时的”、“陈旧的”数据逐渐“遗忘”掉，这就是加权的概念。（2分）具体的方法是，每当取得一个新的量测数据，就将以前的所有数据都乘上一个加权因子ρ（0<ρ<1）,这个加权因子体现出对老数据逐步衰减的作用，所以ρ也可称为衰减因子，因此在L次观测的基础上，在最小二乘准则中进行了某ρ=μ（0<μ<1），选择不同的μ就得到不同的加权效果。μ愈小，表示将过种加权，即取2 去的数据“遗忘”得愈快。（2分） 2、答：相关分析法的主要优点是由于M序列信号近似于白噪声，噪声功率均匀分布于整个频带，从而对系统的扰动甚微，保证系统能正常工作（1.5分）。此外。因为相关函数的计算是一种

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。

基于最小二乘法的系统辨识的设计与开发(整理版)

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 基于最小二乘法的系统辨识的设计与开发（整理版）课程（论文）题目：基于最小二乘法的系统辨识摘要：最小二乘法是一种经典的数据处理方法。最小二乘的一次性完成辨识算法（也称批处理算法），他的特点是直接利用已经获得的所有（一批）观测数据进行运算处理。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, 可用于动态系统, 静态系统, 线性系统, 非线性系统。在随机的环境下，利用最小二乘法时，并不要求观测数据提供其概率统计方面的信息，而其估计结果，却有相当好的统计特性。关键词：最小二乘法；系统辨识；参数估计 1 引言最小二乘理论是有高斯（ K.F.Gauss）在 1795 年提出：未知量的最大可能值是这样一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后的和最小。这就是最小二乘法的最早思想。最小二乘辨识方法提供一个估算方法，使之能得到一个在最小方差意义上与实验数据最好拟合的数学模型。递推最小二乘法是在最小二乘法得到的观测数据的基础上，用新引入的数据对上一次估计的结果进行修正递推出下一个参数估计值，直到估计值达到满意的精确度为止。 1 / 10

对工程实践中测得的数据进行理论分析，用恰当的函数去模拟数据原型是一类十分重要的问题，最常用的逼近原则是让实测数据和估计数据之间的距离平方和最小，这即是最小二乘法。最小二乘法是一种经典的数据处理方法。在随机的环境下，利用最小二乘法时，并不要求观测数据提供其概率统计方面的信息，而其估计结果，却有相当好的统计特性。 2 最小二乘法的系统辨识设单输入单输出线性定常系统的差分方程为： 1),()()() 1()(01knkubkubnkxakxakxnn （ 1）上式中： )(ku为输入信号；)(kx为理论上的输出值。 )(kx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。 )(kx的观测值)(ky可表示为（ 2）将式（ 2）代入式（ 1）得 1()()() 1()(101kubkubnkyakyakyn (3) 我们可能不知道)(kn的统计特性，在这种情况下，往往把)(kn看做均值为 0 的白噪声。设（ 4）则式（ 3）可以写成 (5) 在测量)(ku时也有测量误差，系统内部也可能有噪声，应当

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

误差基本知识及中误差计算公式

测量误差按其对测量结果影响的性质，可分为：一.系统误差（system error） 1.定义：在相同观测条件下，对某量进行一系列观测，如误差出现符号和大小均相同或按一定的规律变化，这种误差称为系统误差。 2.特点：具有积累性，对测量结果的影响大，但可通过一般的改正或用一定的观测方法加以消除。二.偶然误差（accident error） 1.定义：在相同观测条件下，对某量进行一系列观测，如误差出现符号和大小均不一定，这种误差称为偶然误差。但具有一定的统计规律。 2.特点：（1）具有一定的范围。（2）绝对值小的误差出现概率大。（3）绝对值相等的正、负误差出现的概率相同。（4）数学期限望等于零。即：误差概率分布曲线呈正态分布，偶然误差要通过的一定的数学方法（测量平差）来处理。此外，在测量工作中还要注意避免粗差（gross error）（即：错误）的出现。 §2衡量精度的指标测量上常见的精度指标有：中误差、相对误差、极限误差。一.中误差方差 ——某量的真误差，[]——求和符号。规律：标准差估值（中误差m）绝对值愈小，观测精度愈高。在测量中，n为有限值，计算中误差m的方法，有： 1.用真误差（true error）来确定中误差——适用于观测量真值已知时。真误差Δ——观测值与其真值之差，有：标准差中误差（标准差估值）， n为观测值个数。 2.用改正数来确定中误差（白塞尔公式）——适用于观测量真值未知时。 V——最或是值与观测值之差。一般为算术平均值与观测值之差，即有：二.相对误差 1.相对中误差=

2.往返测较差率K= 三.极限误差（容许误差）常以两倍或三倍中误差作为偶然误差的容许值。即：。 §3误差传播定律一.误差传播定律设、…为相互独立的直接观测量，有函数，则有：二.权（weight）的概念 1.定义：设非等精度观测值的中误差分别为m1、m2、…m n，则有：权其中，为任意大小的常数。当权等于1时，称为单位权，其对应的中误差称为单位权中误差（unit weight mean square error） m0，故有：。 2.规律：权与中误差的平方成反比，故观测值精度愈高，其权愈大。

系统辨识

最小二乘法的系统辨识摘要：在研究一个控制系统过程中，建立系统的模型十分必要。因此，系统辨识在控制系统的研究中起到了至关重要的作用。本文主要介绍了系统辨识的最小二乘方法，最小二乘法的一次完成过程进行了推导，最小二乘法的一次完成的缺陷在于对于有色噪声并没有很好的辨识效果。其中系统辨识在工程中的应用非常广泛,系统辨识的方法有很多种,最小二乘法是一种应用极其广泛的系统辨识方法，阐述了动态系统模型的建立及其最小二乘法在系统辨识中的应用,并通过实例分析最小二乘法应用于直流调速系统的系统辨识。关键词：系统辨识、最小二乘法一、系统辨识的定义系统辨识、状态估计和控制理论是现代控制理论三个相互渗透的环节。1962年，L．A．zadeh给出“辨识”的定义为：系统辨识是在对输入和输出观测的基础上，在指定的一类系统中，确定一个与被识别的系统等价的系统。[1]最先提出了系统辨识的定义。随着科技的发展，数学建模对科学研究及指导及生产都有非常重要的意义。给一个系统建立数学模型是一个比较复杂的工作，其中关键的一个环节是系统辨识。系统辨识就是研究如何利用系统的输入、输出信号建立系统的数学模型。[7]系统数学模型是系统输入、输出及其相关变量间的数学关系式，它描述系统输入、输出及相关变量之间相互影响、变化的规律性。换句话说，系统辨识就是从系统的运算和实验数据建立系统的模型(模型结构和参数)。系统辨识的三要素：数据、模型类和准则。系统辨识的基本原理：在输入输出的基础上，从一类系统中确定一个与所测系统等价的系统。[2] 二、最小二乘法的引出最小二乘法是1795年高斯在预测星体运行轨道最先提出的，它奠定了最小二乘估计理论的基础．到了20世纪60年代瑞典学者Austron把这个方法用于动态系统的辨识中，在这种辨识方法中，首先给出模型类型，在该类型下确定系统模型的最优参数。我们可以将所研究的对象按照对其了解的程度分成白箱、灰箱和黑箱。于其内部结构、机制只了解一部分，对于其内部运行规律并不十分清楚，这样的研究对象通常称之为“灰箱”；如果我们对于研究对象的内部结构、内部机制及运行规律均一无所知的话，则把这样的研究对象称之为“黑箱”。研究灰箱和黑箱时，将研究的对象看作是一个系统，通过建立该系统的模型，对模型参数进行辨识来确定该系统的运行规律。对于动态系统辨识的方法有很多，但其中应用最广泛，辨识效果良好的就是最小二乘辨识方法，研究最小二乘法在系统辨识中的应用具有现实的、广泛的意义。[4]

系统辨识

系统辨识作业系统辨识作业： ?已知某系统为单输入/单输出系统，其测量噪声为有色噪声，分布未知。现给出一个实验样本(如下表所示)，求该系统模型。说明：可采用GLS ，ELS ，IV 等，要定阶，要比较仅用RLS 的计算结果一、问题分析在估计模型参数时需要已知模型的阶数，但是由于本系统模型阶数也是未知的，所以本系统需要先由输入/输出数据通过辩识得出系统的阶数。然后根据辨识的系统阶数再分析求解系统模型。二、模型阶数的辨识按照品质指标“残差平方总和”定阶，如高阶系统模型相应的系数为零，则可退化成相应的低阶系统即低阶模型可视为高阶模型的特例。理论上高阶模型的精度不低于低阶模型，但是考虑到计算机的舍入误差的影响，过高的阶数亦能引起模型精度的下降。一般说低阶模型描述粗糙，高阶模型精度高，但是代价亦大。根据逼近的观点，定阶往往是考虑多种因素的折衷。定阶一般是按照假设——检验的步骤进行的，检验过程中往往带有主观成分。一般说来低阶模型描述粗糙，高阶模型精度高。残差平方总和J(n)是模型阶数的函数在不同的模型阶数的假设下，参数估计得到的J(n)值亦不同。定阶的最简单办法是直接用J(n)。设模型阶数的“真值”为n 0 ,当n < n 0 时随着n 的增加，J(n)值将明显的下降；而当n ≥ n 0 时随着n 的增加，J(n)值变化将不显著。因此，由J(n)曲线随着n 的增加最后一次陡峭下降的n 值定做n 的估计值。用数理统计的检验方法，判断n 的增加使得J(n)值改善是否明显。讨论如下 (1).当n=1时程序如下: clear u=zeros(100,1);%构造输入矩阵 z=zeros(100,1);%构造输出矩阵 u=[-0.93249 0.34935 0.76165 -0.9964 -0.38894 -0.12288 0.021565 -0.49555 -0.61624 -1.912 0.22207 -0.31231 -0.17866 -1.8356 -0.26472 1.7642 -1.0418 1.1146 -2.0856 0.8152 1.5094 -0.5822 0.61097 0.35521 2.5907 1.5843 -0.9603 -0.27341 0.39947 0.17493 -1.7451 0.8112 1.2645 1.5682 0.63959 -0.47757 0.99697 0.058774 -0.16174 -1.2928 -0.04722 0.73182 -0.19644 0.091783 -1.1908 -0.90716 0.85388 0.33836 0.74074 0.54181 0.15676 -0.50569 -0.17521 1.3255 -2.488 0.50261 -1.1533 0.36407 0.65283 -0.05983 ∑=-=N k T K k y n J 12 ) )(()(θ?

误差基本知识及中误差计算公式

测量中误差测量误差按其对测量结果影响的性质，可分为：一.系统误差（system error） 1.定义：在相同观测条件下，对某量进行一系列观测，如误差出现符号和大小均相同或按一定的规律变化，这种误差称为系统误差。 2.特点：具有积累性，对测量结果的影响大，但可通过一般的改正或用一定的观测方法加以消除。二.偶然误差（accident error） 1.定义：在相同观测条件下，对某量进行一系列观测，如误差出现符号和大小均不一定，这种误差称为偶然误差。但具有一定的统计规律。 2.特点：（1）具有一定的范围。（2）绝对值小的误差出现概率大。（3）绝对值相等的正、负误差出现的概率相同。（4）数学期限望等于零。即：误差概率分布曲线呈正态分布，偶然误差要通过的一定的数学方法（测量平差）来处理。此外，在测量工作中还要注意避免粗差（gross error）（即：错误）的出现。

§2衡量精度的指标测量上常见的精度指标有：中误差、相对误差、极限误差。一.中误差方差 ——某量的真误差，[]——求和符号。规律：标准差估值（中误差m）绝对值愈小，观测精度愈高。在测量中，n为有限值，计算中误差m的方法，有： 1.用真误差（true error）来确定中误差——适用于观测量真值已知时。真误差Δ——观测值与其真值之差，有：标准差中误差（标准差估值）， n为观测值个数。 2.用改正数来确定中误差（白塞尔公式）——适用于观测量真值未知时。 V——最或是值与观测值之差。一般为算术平均值与观测值之差，即有：二.相对误差 1.相对中误差=

2.往返测较差率K= 三.极限误差（容许误差）常以两倍或三倍中误差作为偶然误差的容许值。即：。 §3误差传播定律一.误差传播定律设、…为相互独立的直接观测量，有函数，则有：二.权（weight）的概念 1.定义：设非等精度观测值的中误差分别为m1、m2、…m n，则有：权其中，为任意大小的常数。当权等于1时，称为单位权，其对应的中误差称为单位权中误差（unit weight mean square error）m0，故有：。 2.规律：权与中误差的平方成反比，故观测值精度愈高，其权愈大。

系统辨识中的实际问题

第四章系统辨识中的实际问题 §4 —1 辨识的实验设计一、系统辨识的实验信号实验数据是辨识的基础，只有高质量的数据才能得出良好的数学模型，而且实验数据如果不能满足起码的要求，辨识根本得不出解。系统辨识学科是在数理统计的时间序列分析的基础上发展起来的，两者的区别在于系统辨识的对象存在着人为的激励（控制）作用，而时序分析则没有。因此，前者能通过施加激励信号u(k)达到获得较好辩识结果的目的（即实验信号的设计），而后者不能。（一）系统辨识对实验信号的最起码的要求为了辨识动态系统，激励信号u 必须在观测的周期内对系统的动态持续地激励。满足辨识对激励信号最起码的要求的持续激励信号应具备的条件称“持续激励条件”，分以下四种情况讨论： 1．连续的非参数模型辨识（辩识频率特性）如果系统通频带的上下限为 ωmin ≤ ω ≤ ωmax ,要求输入信号的功率密度谱在此范围内不等于零。 ) () ()}({)}({)(ωωωj U j Y t u F t y F j G = =

2．连续的参数模型辨识被辩识的连续传函为，共包含(m+n+1)个参数对于u(t)的每一个频率成分ωi 的谐波，对应的频率响应有一个实部R(ωi )和一个虚部Im(ωi )，由此对应两个关系式（方程），能解出两个未知参数。因此，为辩识(m+n+1)个参数，持续激励信号至少应包含： j ≥( m+n+1 )/2 个不同的频率成分。 3．离散的脉冲响应 g(τ)的辨识 g(τ) ;τ = 0,1,..m ，假设过程稳定，当 τ > m 时 g(τ)= 0 。由维纳—何甫方程有： R uy (τ )=∑ g(σ)R uu (τ - σ) 式(4-1-1) 由上式得出(m+1)个方程的方程组: 上式表达成矩阵形式 φuy = φuu G 式（4-1-2）可解出 G = φuu -1 φuy 式（4-1-3） G s b b s b s a s a s m m n n ()= ++++++0111 R R R m R R R m R R R m R m R m R g g g m uy uy uy uu uu uu uu uu uu uu uu uu ()()()() () ()()()()() ()()()()()010******** ????????????=----??? ????????????????? ??? ??