建模与仿真CH_4

在MATLAB实现的系统辨识中，任何辨识方法的实现都是通过 一个模型数据结构(对象)实现的，如上面的MODEL。在辨识前， MATLAB首先创建一个初始的对象，对象中包含所有与辨识相 关的参数，如：参与辨识的试验数据(通常为用iddata()函数的 数据结构)、辨识使用的算法、待辨识参数的初始值、模型
动力系统建模与仿真
Power System Modeling and Simulation (4)
武汉大学动机学院 2009
1
4. 基于MATLAB的系统辨识建模工具
4.1 基于MATLAB的系统辨识工具箱的系统建模－最小二乘法
4.2 应利用系统辨识方法建立对象的数学模型，涉及到的内容和 方法较多，主要包括：观测数据的获取及预处理、数据检验、 模型结构选择、参数估计、模型检验和修改以及模型转换等。 由于实际建模中存在不确定性，获取对象数据时受条件和环境 的制约，从数据获取到模型的建立需反复搜索，计算量大，用 手工难以完成。 以前通常使用高级程序设计语言编程进行计算。但由于运 算量很大，使用一般的高级语言编程过于繁琐，要验证辨识结 果的正确性要花费相当多的精力，甚至超过代码编写本身，因 此，研究周期较长。对于离线辨识而言，最好的方法应该是直 接使用MATLAB提供的相关工具，如系统辨识工具箱、遗传算 法工具箱以及信号处理工具箱等。这些工具箱不仅反映了在世 界范围内这些领域最先进的研究成果，也提供了丰富的可直接 调用的函数或GUI用户界面，通常可起到事半功倍的效果。另 外，MATLAB内含的编程语言M语言简单易学，功能强大，使 用它可十分方便地实现各种复杂的运算和生成所需图形。
这里，data 为重采样前的辨识数据结构，datar为重采样后的辨 识数据结构。R=P/Q，含义为函数先以因子P 以外推的方法增 加系统的采样频率P倍，然后再以因子Q降低系统的采样频率Q 倍。显然，当R>1时，则增加原数据的采样频率，反之，则减 小原数据的采样频率。filter_order 为降采样频率时使用的滤波 器阶数，默认值为8。
14
的阶次、辨识结束的判断方法等。辨识后，所需的辨识结果也 同样存放在这个对象中。在多数情况下，辨识对象的创建由辨 识函数隐含完成，但如果必要，可通过使用‘特性/参数值对’， 对模型结构及辨识算法施加必要的影响。例如，对于上述连续 模型辨识使用辨识命令
MODEL = pem (DATA, Mi, 'P1D', 'Kp', {'max',3}, 'Kp', {'min',2});
1 Tzs G( s) K p eTds s(1 Tp1s)(1 2 s (Tws)2 )
1 Tzs G( s) K p eTds s(1 Tp1s)(1 Tp 2s)(1 Tp3s)
(5) 指定特性/参数值对：
调用格式为：
MODEL=pem(DATA,Mi,Property_1,Value_1,...., Property_n,Value_n)。
5
对于输出数据矩阵，应为T行(每个输出信号的长度)，Y列(系统 输出的个数)。对于单输出系统，输出数据应为具有T个元素的 列向量。 一旦数据输入到MATLAB的工作空间后，便可对其进行相应 的预处理。预处理完成后，进行辨识前，应将参与辨识的输入、 输出数据连同相应的参数合并成为一个数据结构，以便各类辨 识函数调用。定义数据结构的方法可使用iddata()函数，下面是 一个生成单输入、单输出系统辨识数据结构最简单的例子： data = iddata(y,u,Ts)； 其中，data为生成的用于辨识的数据结构，y为输出数据列向量， u为输入数据，Ts为试验时使用的采样周期。Iddata()函数有多 种调用方法，也可以带有多种与数据相关的参数，如输入、输 出数据的名称，采样保持器的形式等。辨识的数据结构生成后， 还可以用set()函数加以更改，用get()函数输出其结构参数以及 用plot(data)函数画出其波形图等。 6
对应的待辨识传递函数模型为
1 G( s) K p eTds (1 Tp1s)
且Kp值被限制在2～3之间。又如使用辨识命令 MODEL = pem (DAT, 'P2Z', 'Kp', 1.2, 'Kp', 'fix') 对应的待辨识传递函数模型为 且Kp值被指定为固定值1.2，这 1 Tzs 意味着 Kp在辨识之前就是已知 G(s) K p (1 Tp1s)(1 Tp 2s) 的，不必参与辨识。 15
11
其中，MODEL为返回的估计(辨识)模型，可以是离散时间模型 (包括相应的噪声模型)，状态空间模型，连续的传递函数模型 等。不仅包含所估计的模型结构和参数，也包含辨识数据与估 计的模型间的协方差(MODEL. NoiseVariance)，用于评价辨识 的效果及有效性；DATA 为用Iddata() 函数创建的用于辨识的 数据结构；Mi是用于定义辨识模型的形式和结构，这是一个定 义方法非常灵活的参数，可以是下述方法之一：
(1) 不使用Mi参数：调用格式为MODEL = pem (DATA)。在这 种情况下，返回的模型为一默认的状态空间模型以及一个输入 端的纯延迟，模型的阶数、纯延迟的大小均由pem函数确定。 (2) Mi = nx：调用格式为MODEL = pem (DATA, Mi)。模型返 回一具有nx阶的系统状态空间模型。 (3) Mi = [na nb nc nd nf nk]: 调用格式为MODEL = pem (DATA, Mi)。模型返回一个一般化的系统离散时间模型(也称多项式模 型)。即：
7
也可减少辨识的计算工作量。当试验信号采样频率不足时，应 该使用重采样的方法提高采样频率以补偿可能的系统高频信息 损失。在这方面，可使用MATLAB系统辨识工具箱提供的重采 样函数idresamp()，其调用格式为： datar = idresamp(data, R, filter_order)；
(3) 信号的滤波。 对于辨识数据的滤波，可采用滤波函数 dataf = idfilt (data, filter)；
8
其中，data 为滤波前的辨识数据结构，dataf为滤波后的辨识 数据结构。参数filter为滤波器的形式或参数。函数支持多种滤 波器及参数，也支持自定义滤波器，可进一步参考在线帮助的 内容。当然，要使用特殊的滤波方法，如小波滤波等方法，则 需编制专门的程序或调用小波分析工具箱函数。 3. 模型辨识 MATLAB提供一些列的函数，用于系统的模型辨识，包括线 性的、非线性的、连续的、离散的、参数的、非参数的模型等。 在表3-1中，给出了MATLAB系统辨识工具箱支持的常用辨识 函数及它们所适用的数学模型。 MATLAB的这些辨识函数基本上采用的都是递推算法，因此， 只要满足信号的持续激励条件，一般都可得到收敛的解。但能 否得到真实解和满意的辨识效果，还取决于系统各频带下的信 息能否充分地被激励，以及试验方法和辨识方法的选取等。
状态空间模型 线性离散时间序列
非线性ARX model 模型
nlarx();
10
Hammerstein-Wiener 模 nlhw(); 型
值得特别说明的是其所提供的pem()函数。这是一个高度灵活 的、使用极其方便的、几乎适用所有线性模型辨识的自适应方 法集成。这一点，由表3-1也可看出。其最大特点是由辨识数据 可直接辨识出连续的传递函数模型(模型阶数较低时)，并可同 时给出系统的纯延迟，省去了一般辨识方法先辨识离散模型再 转换为离散模型的步骤。因此，非常适用于线性数学模型参数 辨识问题地求解。其调用格式为： MODEL = pem (DATA, Mi); 其中，MODEL为返回的估计(辨识)模型，可以是离散时间模型 (包括相应的噪声模型)，状态空间模型，连续的传递函数模型 等。不仅包含所估计的模型结构和参数，也包含辨识数据与估 计的模型间的协方差(MODEL. NoiseVariance)，用于评价辨识 的效果及有效性；DATA 为用Iddata() 函数创建的用于辨识的 数据结构；Mi是用于定义辨识模型的形式和结构，这是一个定 义方法非常灵活的参数，可以是下述方法之一：
9
模型的形式
可调用的辨识函数
低阶连续传递函数模 型 pem();
(process model)
基本离散时间模型 armax(); %仅适用于ARMAX 模型 arx(); %仅适用于ARX 模型 bj(); %仅适用于BJ 模型 iv4(); %仅适用于ARX模型 oe(); %仅适用OE模型 pem(); %适用于所有模型 n4sid(); pem(); ar(); arx(); ivar(); %适用于多输出模型
2. 数据预处理
正如前面所述，辨识算法通常无法消除辨识数据中直流分量、 趋势分量以及噪声对辨识准确型的影响，为此，MATLAB提供 了一系列的数据预处理函数，可方便地用于辨识前的数据预处 理。
(1) 数据的直流分量或趋势分量去除函数detrend() detrend函数通常有两种调用方式：为去除数据中的直流分量， 可用 data1 = detrend(data); 类似的，为去除数据中随时间线性变化的趋势分量，可用 data2 = detrend(data, 1); (2) 信号的重采样 当试验信号具有很高频率采样频率时，应该使用重采样的方 法降低采样频率以减弱高频噪声干扰对辨识结果的影响，同时
12
B(q 1 ) C (q 1 ) A(q 1 ) y(k ) u (k ) e(k ) 1 1 F (q ) D( q )
(4) 连续传递函数模型辨识：MODEL = pem (DATA, Mi)，Mi = PxIDZU。在这种情况下，函数可直接返回被辨识模型的连续 传递函数。Mi这时实际上可解释为模型结构的定义命令(需用双 单引号包括)。命令解释如下：第一字符P表示要辨识模型的连 续传递函数；第二字符x为数字，可以是0, 1, 2, 或 3，表示模型 的极点数；第三字符I表示模型是否包含有积分环节，如没有， 该字符可以取消；第四字符D表示模型是否包含有纯延迟，如 没有，该字符可以取消；第五字符Z表示模型是否包含有实数 零点，如没有，该字符可以取消；第六字符U表示模型是否包 含有复数极点对，如没有，该字符可以取消。例如，Mi=’P2D’ 指定待辨识模型为包含有两个实数极点、有纯时间延迟、不包 括实数零点、没有复数极点的连续传递函数模型。注意，在调 用该函数后，所生成的模型参数为 Kp, Tp1, Tp2, Tp3, Tw, Zeta, Tz, Td，对应的传递函数通用模型为 13