系统辨识作业及答案
一． 问答题1. 介绍系统辨识的步骤。
答：（1）先验知识和建模目的的依据；（2）实验设计；（3）结构辨识；（4）参数估计；（5）模型适用性检验。
2. 考虑单输入单输出随机系统，状态空间模型[])()(11)()(11)(0201)1(k v k x k y k u k x k x +=⎥⎦⎤⎢⎣⎡+⎥⎦⎤⎢⎣⎡=+ 转换成ARMA 模型。
答：ARMA 模型的特点是u(k)=0,[])()(11)()(0201)1(k v k x k y k x k x +=⎥⎦⎤⎢⎣⎡=+3. 设有一个五级移位寄存器，反馈取自第2级和第3级输出的模2加法和。
试说明：（1） 其输出序列是什么？ （2） 是否是M 序列？（3） 它与反馈取自第4级与第3级输出模2加法和所得的序列有何不同？ （4） 其逆M 序列是什么？ 答：（1）设设输入序列1 1 1 1 1111018110107101006010015100114001113011112111111）（）（）（）（）（）（）（）（()()()()()()()01110161110115110101410100)13(010011210011110011110011109()()()()()()()001112401110)23(111012211010211010020010011910011180011117()()()()()()()()10011320011131011103000111291101028101002701001261001125 其输出序列为：1 1 1 1 1 0 0 1 0 1⑵不是M 序列⑶第4级与第3级模2相加结果100108001007010006100015000114001113011112111111）（）（）（）（）（）（）（）（()()()()()()()11110161110115110101410101)13(010111210110110110010110019()()()()()()()110012410010)23(001002201000211000120000111900111180111117()()()()()()()()01111321111031111013011010291010128010112710110260110025 不同点：第2级和第3级模二相加产生的序列，是从第4时刻开始，每隔7个时刻重复一次；第4级与第3级模2相加产生的,序列，是从第2时刻开始每隔15个时刻重复一次。
⑷第5级与第4级模2相加结果如下：已知其为M 序列。
001008010007100006000015000114001113011112111111）（）（）（）（）（）（）（）（()()()()()()()10100160100115100111400110)13(011001211000111000110000109()()()()()()111112211110211110120110101910101180101017M 序列: 1 1 1 1 1 0 0 0 0 1 0 0 0 1 1 0 0 1 0 1 0 1 方波信号: 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 逆重复M: 0 1 0 1 0 0 1 0 1 1 1 0 1 1 0 0 1 1 1 1 1 14. 画出广义最小二乘法的离线迭代算法的简单计算框图。
答：广义最小二乘法的离线迭代算法的简单计算框图如下：5. 考虑如下数学模型x b x a y cos sin +=，试用N k k y k x ,...,3,2,1),(),(=输入输出数据估计系统参数b a ,。
答：()()()1cos 1sin 1x b x a y +=()()()2cos 2sin 2x b x a y +=()()()N x b N x a N y cos sin +=Y E Y T T φφφθφθ1-)(=⇒+=⇒∧6. 利用最小二乘算法辨识如下模型参数z(k)-1.5z(k-1)+0.7z(k-2)=u(k-1)+0.5u(k-2)+v(k)其中，v(k)是零均值白噪声。
当模型阶次为2时，可以获得准确的辨识结果，而模型阶次取3时，只能得到如下一组模型参数辨识结果（括号内为模型参数真值）： a 1=-1.08884(-1.5) a 2=0.08326(0.7) a 3=0.28781(0.0) b 1=1.00000(1.0) b 2=0.91116(0.5) b 3=0.20558(0.0) 显然，辨识结果已经远远偏离了模型参数真值，试从理论上解释为什么会出现这种现象。
答：对于n 阶系统与n+1阶系统参数估计之间有如下的关系：对于n+1阶系统()()()11()()A z y k B z u k e k --=+设其待估参数为()011111...(1)(2)T T Tn n n n n b a b a b a b θθθ++⎡⎤⎡⎤+==⎣⎦⎣⎦ 则(1)()[()]Tn A Y n θθθ=-Φ-Φ由题目知n=2时系统参数为准确值，则n=3时按照上式去计算，估算出的系数必远远偏离系统模型参数值。
7. 请说明闭环系统不可辨识的原因。
答：闭环系统不可辨识的原因：反馈使得一个闭环系统对不同的输入常产生差不多相同的输出，观测的输入输出数据所包含的信息比开环辨识少的多；输入信号与噪声因反馈而相关：有偏估计，非一致性估计；在闭环条件下，用开环辨识方法系统的参数有时也是不可唯一辨识的。
8. 设闭环系统前向通道模型为)()2(7.0)1()2(45.0)1(4.1)(k k u k u k y k y k y ε+-+-+----=反馈调节器为)1(2.0)()(-+=k y k y k u试画出其闭环系统框图，并判断系统是否可辨识？答：系统是可以辨识的，由于为非奇异，故在)1(2.0)()(-+=k y k y k u 条件下，参数是可以辨识的。
闭环系统框图如下图所示：9. 对系统模型阶次进行辨识，得到1阶-4阶的参数估计，性能指标与系统模型阶次的关系解：由F 检验法原理知()(1)(,1)(1)J n J n t n n J n -++=+若(,1) 3.09 t n n+≤则可以接受系统阶数。
由计算得，t(1,2)=4.13 , t(2,3)=0.49 , t(3,4)=0.0034, t(4,5)=0所以系统的阶数为3。
二．编程题1.（1）编程产生一组正态分布的白噪声信号，它的均值和方差以及长度可随意调整，将产生的白噪声信号存入数据文件data1.txt（2）编程产生一组M序列信号，它的幅值和长度可随意调整，将产生的M序列存入数据文件data2.txt（3）编程产生一组逆重复M序列信号，它的幅值和长度可随意调整，将产生的逆重复M序列存入数据文件data3.txt解：（1）function y=WNoise(N,E,V AR)% N为长度E为均值V AR为方差y=randn(1,N);y=y-mean(y);y=y/std(y);y=E+sqrt(V AR)*y;plot(y)title('严晓龙实验：产生一组正态分布的白噪声信号')save data1.txt y -ascii调用函数实验：WNoise(400,0,1)，得到数据见data1.txt，如图所示：（2）function seq=mseq(a,L,N)% a为M序列幅值N为长度L为移位单位数register=randint(1,L) %寄存器初始化p=zeros(1,L); %特征向量p(L-1:L)=1; %默认最后两个寄存器相加temp=0;for i=1:Nseq(i)=a*register(L);temp=sum(register.*p);register(2:L)=register(1:L-1); %移位register(1)=mod(temp,2);endx=0:1/5:1.2;stairs(seq);grid;set(gca,'ylim',[-0.2,1.2]);ylabel('M序列')title('严晓龙实验：移位寄存器产生的M序列')save data2.txt seq -ascii调用函数实验：mseq(2,40,15)，得到数据见data2.txt，和下图：（3）function seq=invM(a,L,N)% a为M序列幅值N为长度L为移位单位数register=randint(1,L) %寄存器初始化p=zeros(1,L); %特征向量p(L-1:L)=1; %默认最后两个寄存器相加temp=0;for i=1:2^L-1seq(i)=register(L);temp=sum(register.*p);register(2:L)=register(1:L-1); %移位register(1)=mod(temp,2);endseq=[seq seq];for i=1:2*(2^L-1)if mod(i,2)==1invm(i)=1;elseinvm(i)=0;endseq(i)=a*xor(seq(i),invm(i));endfor i=1:Nif mod(i,2*(2^L-1))==0mseq(i)=seq(2*(2^L-1));elsemseq(i)=seq(mod(i,2*(2^L-1)));endendseq=mseq;stairs(seq);grid;set(gca,'ylim',[-0.2,1.2]);title('严晓龙实验：产生一组逆重复M序列信号')save data3.txt seq -ascii调用函数实验：invM (1,10,40)，得到数据见data3.txt，和下图2.12.mat中的数据是单输入单输出系统进行采样后100对输入输出数据，其中input表示系统的输入数据，output表示受到噪声污染后的系统的输出数据。
在辨识过程中，可以认为噪声具有正态分布，其均值为0。
（1）判断该系统的阶次（方法不限）（2）利用递推最小二乘法进行参数估计。
解：模型阶数的辨识,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∑=-=NkTK kynJ12))(()(θϕ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。
讨论如下(1)当n=1时程序如下:启动matlab，打开12.mat；运行下面程序u=zeros(100,1);%构造输入矩阵z=zeros(100,1);%构造输出矩阵i=1:1:100;u(i,1)=input(i);z=zeros(100,1);%构造输出矩阵i=1:1:100;z(i,1)=output(i);r=100;for p=1:(r-2) %利用循环生成观测矩阵h(p,:)=[-z(p+1) u(p+1)]; %endhl=h;for b=1:(r-2) %生成输出矩阵zl(b,:)=[z(b+2)];zl'endzl'%根据最小二乘法公式进行参数辩识c1=hl'*hl;c2=inv(c1);c3=hl'*zl;c=c2*c3;a1=c(1)a2=c(2)j=0;for k=4:100;hl=[-z(k-1);u(k-1)]';x=hl*c;y=z(k)-x;s=y*y;j=j+s;endj仿真结果如下a1 = -0.2576 a2 = 0.6985 j = 0.8556(2)当 n=2时程序如下(输入输出数据同上,只给出不同于一阶系统的程序不同之处)其中U、Z分别是作业要求给出得的输入输出，数据输入同上。
中南大学系统辨识及自适应控制试卷3份及答案
2009级本科生 系统辨识及自适应控制 考试题一、 概述系统辨识与自适应控制的关系，以及自适应控制的研究对象和系统辨识的定义?（10分）关系：PPT 1.4图及说明。
自适应控制的研究对象：是具有一定程度不确定性的系统。
系统辨识：就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。
二、描述随机过程统计特性的确定性时间函数有哪些？什么是白噪声，它有哪些特性，有何用途？在系统参数辨识实验中为什么常用M 序列或逆M 序列作为被辨识对象的输入信号？（20分）确定性时间函数有：均值函数、方差函数、均方值函数、相关函数等白噪声：一种均值为零，谱密度为非零常数的平衡随机过程白噪声特性：（1）是一种随机过程信号（2）没有记忆性，任意两时刻之间的值不相关（3）均值为零，方差为常数（4）功率谱密度函数为常数用途：（1）作为系统输入时，为系统的单位脉冲响应（2）作为被辨识系统输入时，可以激发系统的所有模态，可对系统充分激励（3）作为被辨识系统输入时，可防止数据病态，保证辨识精度（4）产生有色噪声原因：白噪声是一种理想的随机过程，若做为系统辨识的输入信号，则过程的辨识精度将大大提高，但是白噪声在工程上难以实现，因为工业设备无法按白噪声的变化特性运行。
M 序列与白噪声性质相近，保留了其优点，工业上可以接受。
但是M 序列含有直流成分，将造成对辨识系统的“净扰动”，而逆M 序列将克服这一缺点，是一种比M 序列更为理想的伪随机码序列。
三、简述在下列参数辨识公式中：111111ˆˆˆ[(1)()]()[()()]1[()]T N N N N T N N N T N N N K y N N K P N N P N P I K N P θθϕθϕλϕϕϕλ++-+++⎧⎪=++-⎪=+⎨⎪⎪=-⎩（1）系数λ的作用（10分）；（2）初始值P0如何设定？说明理由（10分）。
（1）加权系数，削弱旧数据产生的误差，对新数据的误差乘以大的加权，其值愈小，跟随时变参数的能力就愈强，但参数估计精度愈低。
系统辨识试卷A参考答案
襄樊学院2008-2009学年度上学期《系统辨识》试题A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、（C）2、（D）3、（ACD）4、（D）5、（A）6、（ABC）二、填空题：（每空2分，共14分）1、计算。
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、（√）2、（×）参数型→非参数型3、（√）4、（×）没有→有5、（√）6、（×）考虑→基本不考虑7、（√）8、（√）9、（×）完全相同→不完全相同 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：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统计平均的方法，具有信息滤波的功能，因此，在有噪声污染下，仍可提取有用信息，准确地求出系统的脉冲响应（1.5分）。
相关辨识技术在工程中的应用、可归结为下述几个方面：（1）系统动态特性的在线测试。
包括机、炉、电等一次设备，风机、水泵等辅机以及二次自动控制系统；（1分）（2）对控制系统进行在线调试，使调节系统参数优化；（1分）（3）自适应控制中的非参数型模型辨识等。
（1分）2、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。
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提示：① MA MA 模型z k D z u k ()()()=-1②定义tt q )](,),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t t q )](,),1(),([)(,],,,[10n k u k u k u k d d d n --== h ，则有最小二乘格式：)()()()()(0k e k h k e k h d k z ni i i +=+=å=q t，其中e(k)e(k)是误差项。
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)()()(111---=z C z D z H 即)()()()(11k v z D k e z C --=其中cc n n zc z c z C ---+++= 1111)(dd nn zd z d z D ---+++= 1111)(根据其结构，噪声模型可区分为以下三类：根据其结构，噪声模型可区分为以下三类：自回归模型（自回归模型（AR AR 模型）： )()()(1k v k e z C =- 平均滑动模型（平均滑动模型（MA MA 模型）： )()()(1k v z D k e -= 自回归平均滑去模型（自回归平均滑去模型（ARMA ARMA 模型）： )()()()(11k v z D k e z C --=3－4、根据离散Wiener-Hopf 方程，证明å-=D -D +=10221P N j P P P Mz j g N t a k g N t a N k R )(ˆ)(ˆ)()(解：由于M 序列是循环周期为t N P D ，12-=PP N ，t D 为M 序列移位脉冲周期，自相关函数近似于d 函数，a 为M 序列的幅度。
系统辨识最小二乘法大作业 (2)
系统辨识大作业最小二乘法及其相关估值方法应用学院：自动化学院学号：姓名：日期：基于最小二乘法的多种系统辨识方法研究一、实验原理1.最小二乘法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(5.1.1)式中:为随机干扰；为理论上的输出值。
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。
的观测值可表示为(5.1.2)式中:为随机干扰。
由式(5.1.2)得(5.1.3)将式(5.1.3)带入式(5.1.1)得(5.1.4)我们可能不知道的统计特性，在这种情况下，往往把看做均值为0的白噪声。
设(5.1.5)则式(5.1.4)可写成(5.1.6)在观测时也有测量误差，系统内部也可能有噪声，应当考虑它们的影响。
因此假定不仅包含了的测量误差，而且包含了的测量误差和系统内部噪声。
假定是不相关随机序列(实际上是相关随机序列)。
现分别测出个随机输入值，则可写成个方程，即上述个方程可写成向量-矩阵形式(5.1.7) 设则式(5.1.7)可写为(5.1.8)式中：为维输出向量；为维噪声向量；为维参数向量；为测量矩阵。
因此式(5.1.8)是一个含有个未知参数，由个方程组成的联立方程组。
如果，方程数少于未知数数目，则方程组的解是不定的，不能唯一地确定参数向量。
如果，方程组正好与未知数数目相等，当噪声时，就能准确地解出(5.1.9)如果噪声，则(5.1.10)从上式可以看出噪声对参数估计是有影响的，为了尽量较小噪声对估值的影响。
在给定输出向量和测量矩阵的条件下求系统参数的估值，这就是系统辨识问题。
可用最小二乘法来求的估值，以下讨论最小二乘法估计。
2.最小二乘法估计算法设表示的最优估值，表示的最优估值，则有(5.1.11)写出式(5.1.11)的某一行，则有(5.1.12) 设表示与之差，即-(5.1.13)式中成为残差。
把分别代入式(5.1.13)可得残差。
设则有(5.1.14) 最小二乘估计要求残差的平方和为最小，即按照指数函数(5.1.15) 为最小来确定估值。
系统辨识考试题最终
系统辨识考试题最终2009-2010 学年第二学期研究生课程考核（读书报告、研究报告）考核科目：系统辨识理论及应用学生所在院：电信学院学生所在学科：信号与信息系统姓名：学号：1. 简述系统辨识的基本概念、定义和主要步骤（15分）答：系统辨识的概念：根据系统的输入输出时间函数来确定描述系统行为的数学模型。
对系统分析大的主要问题是根据输入时间函数和系统的特性来确定输出信号。
对系统进行控制的主要问题是根据系统的特性设计控制输入，使输出满足预先规定的要求。
而系统辨识所研究的问题恰好是这些问题的逆问题。
系统辨识的定义：根据系统的输入输出时间函数来确定描述系统行为的数学模型，是现代控制理论中的一个分支。
对系统进行分析的主要问题是根据输入时间函数和系统的特性来确定输出信号。
对系统进行控制的主要问题是根据系统的特性设计控制输入，使输出满足预先规定的要求。
系统辨识的主要步骤：系统辩识包括结构辩识和参数估计两个主要内容。
辩识的一般步骤如下：(1)明确目的和获取先验知识首先要尽可能多的获取关于辨识对象的先验知识和明确辩识的目的。
明确目的和掌握尽可能多的先验知识往往是辨识结果好坏的重要先决条件。
(2)实验设计实验设计主要包括以下六个方面内容：a.选择观测点；b.输入信号的形状和幅度（可持续激励条件）；c.采样间隔T0 ；d.开环和闭环辩识（闭环可辩识条件）；e.在线和离线辩识；f.测量数据的存储和预处理。
(3)模型结构的确定(4)参数估计（Parameter Estimation）(5)模型验证模型精度是否可以接受？否则需要重复实验，重复辩识。
系统辩识的内容和步骤见后示意框图。
辩识目的与先知识验实验设计模型结构的确定输入/输出数据获取参数估计模型验证最终模型2. 简述相关辨识的基本原理和基于二进制伪随机序列的相关辩识方法。
（15分）答：相关辨识的基本原理如下图所示。
g(t)延时τ1/Tπ×x(t)w(τ)x(t-τ)y(t) ×(t-τ)kg(t)x(t) —输入（白噪声）； y(t) —测量输出；w(τ) ω（t ）—随机干扰（不可测）基于二进制伪随机序列的相关辩识方法：x(t)用二位式周期性伪随机信号，积分时间大大缩短()()xy 0R () 1/T x t y(t )dt g()Tτττ=+?? ()s T T >二位式信号使得乘法运算简化。
系统辨识结课大作业
PDF 文件使用 "pdfFactory Pro" 试用版本创建
模型辨识
m3=pem(dat1e,‘p2zd’,‘td’,{‘max’,5}); 1+Tz*s G(s) = K * ------------------ * exp(-Td*s) (1+Tp1*s)(1+Tp2*s) Estimated using PEM from data set dat1e Loss function 0.00864915 and FPE 0.00894234
1）获取数据：
Page
3
PDF 文件使用 "pdfFactory Pro" 试用版本创建
2）数据预处理
Page
4
PDF 文件使用 "pdfFactory Pro" 试用版本创建
模型辨识 （ARX）
建立几个低阶且不同时延的ARX模型，并找出最合适 的模型阶次
结果分析
从仿真的结果来看，除了一阶无迟延模型外，其余几种辨识模型 与原吹风机的实际模型都有一定的可比性，也具有一定的跟踪能 力，在有效性校验的比较中，可以看出二阶迟延模型为88.13%， 显然二阶迟延模型的匹配度要高一点，而且二阶迟延模型的残差 均值近似为零，但仍需要进一步的优化。
Page
18
PDF 文件使用 "pdfFactory Pro" 试用版本创建
Page 13
PDF 文件使用 "pdfFactory Pro" 试用版本创建
辨识模型分析
用后300个样本值进行验证，对所取的6种模型的有效性进行比较。
二阶延迟模型的拟 合度最高
Page
系统辩识作业题
系统辨识大作业
一.设SlSO系统差分方程为
y(k)=—α1y(k-1)-a2y(k-2)+bλu(k-1)+b2u(k-2)+ξ{k)
辨识参数向量为θ=[q a2b l b2]r,输入输出数据详见数据文件UyLtXt—uy3.txtoξ(k)为噪声方差各异的白噪声或有色噪声。
试求解：
1)用n元一次方程解析法，再求其平均值方法估计。
2)用最小二乘及递推最小二乘法估计。
；
3)用辅助变量法及其递推算法估计
4)用广义最小二乘法及其递推算法估计
5)用夏氏偏差修正法、夏氏改良法及其递推算法估计
6)用增广矩阵法估计
7)分析噪声父攵)特性；
二.用极大似然法估计6。
三.以上题的结果为例，进行：
1.分析比较各种方法估计的精度；
2.分析其计算量；
3.分析噪声方差的影响；
4.比较白噪声和有色噪声对辨识的影响。
四.系统模型阶次的辨识：
1.用三种方法确定系统的阶次并辨识；
2.分析噪声对定阶的影响；
3.比较所用三种方法的优劣及有效性；
五.给出由正弦输入求取系统开环频率响应特性曲线的辨识方法。
六.提出一种自己创造的辨识新方法，并用所给数据进行辨识验证。
注：闭卷考试时提交大作业报告。
系统辨识大作业
系统辨识大作业专业班级：自动化09-3学号：09051325姓名：吴恩作业一:设某物理量Y与X满足关系式2=++，实验获得一批数据Y aX bX c如下表，试辨识模型参数,,a b c。
（15分）解答：问题描述：由题意知，这是一个已知模型为Y=aX2+bX+c，给出了10组实验输入输出数据，要求对模型参数a，b，c进行辨识。
问题求解：这里对该模型参数辨识采用最小二乘法的一次算法（LS）求解。
2=++可以写成矩阵形式Y=AE+e;其中A=[X^2,X,1]构成, Y aX bX c利用matlab不难求解出结果。
运行结果：利用所求的的参数，求出给定的X对应的YE值，列表如下做出上表的图形如下12345678910xyy=ax 2+bx+c 参数求解结果分析：根据运行结果可以看出，拟合的曲线与真是观测的数据有误差，有出入，但是误差较小，可以接受。
出现误差的原因，一方面是由于给出的数据只有十个点，数据量太少，难以真正的充分的计算出其参数，另外，该问题求解采用的是LS 一次算法，因此计算方法本身也会造成相应的误差。
作业二：模仿实验二，搭建对象，由相关分析法，获得脉冲相应序列()g k，由()G z；和传递函数g k，参照讲义，获得系统的脉冲传递函数()G s及应用相关最小二乘法，拟合对象的差分方程模型；加阶跃()扰动，用最小二乘法和带遗忘因子的最小二乘法，辨识二阶差分方程的参数，比较两种方法的辨识差异；采用不少于两种定阶方法，确定对象的阶次。
对象模型如图：利用相关分析法，得到对象的脉冲相应序列。
如下图：（1）.由脉冲相应序列，求解系统的脉冲传递函数G（z）Transfer function:0.006072 z^2 + 0.288 z + 0.1671-------------------------------z^2 + 0.1018 z - 0.7509Sampling time: 2(2).由脉冲相应序列求解系统的传递函数G(s)Transfer function:(0.04849+2.494e-018i)-----------------------s^2 + 0.1315 s + 0.6048(3).利用相关最小二乘法拟合系统的差分方程模型如下：(4).在t=100，加入一个0.5的阶跃扰动，，利用RLS求解差分方程模型：RLS加入遗忘因子之后与未加之前的曲线情况如下：未加遗忘因子之前参数以及残差的计算过程加入0.99的遗忘因子得到的参数辨识过程与残差的变化过程根据上面两种方法所得到的误差曲线和参数过渡过程曲线，我们可以看出来利用最小二乘法得到的参数最终趋于稳定，为利用带遗忘因子的最小二乘算法，曲线参数最终还是有小幅度震荡。
系统辨识大作业.
一、 问题描述考虑仿真对象：()0.9(1)0.15(2)0.02(3)0.7(1)0.15(2)()z k z k z k z k u k u k e k +-+-+-=---+ e() 1.0e(1)0.41e(2)(),~(0,1)k k k v k v N λ+-+-=式中，u(k)和z(k)是输入输出数据，v(k)是零均值、方差为1的不相关的随机噪声；u(k)采用与e(k)不相关的随机序列。
1. 设计实验，产生输入输出数据；2. 使用基本最小二乘法估计参数；3. 考虑其他适用于有色噪声的辨识方法估计参数；4. 模型验证。
二、 问题分析对于单输入单输出系统（Single Input Single Output, SISO ），如图 1所示，将待辨识的系统看作“灰箱”，它只考虑系统的输入输出特性，而不强调系统的内部机理。
图 1中，输入u(k)和输出z(k)是可以测量的，1()G z -是系统模型，用来描述系统的输入输出特性，y(k)是系统的实际输出。
1()N z -是噪声模型，v(k)是均值为零的不相关随机噪声，e(k)是有色噪声。
图 1 SISO 系统的“灰箱”结构对于SISO 随机系统，被辨识模型()G z 为：12121212()()()1n n nn b z b z b z y z G z u z a z a z a z ------+++==++++ 其相应的差分方程为11()()()n ni i i i y k a y k i b u k i ===--+-∑∑若考虑被辨识系统或观测信息中含有噪声，被辨识模型可改写为11()()()()n ni i i i z k a y k i b u k i v k ===--+-+∑∑式中，z(k)为系统输出量的第k 次观测值；y(k)为系统输出量的第k 次真值，y(k-1)为系统输出量的第k-1次真值，以此类推；u(k)为系统的第k 个输入值，u(k-1)为系统的第k-1个输入值；v(k)为均值为0的不相关随机噪声。
(完整word版)2003版系统辨识最小二乘法大作业
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离散化有z^4 - 3.935 z^3 + 5.806 z^2 - 3.807 z + 0.9362---------------------------------------------- =z^4 - 3.808 z^3 + 5.434 z^2 - 3.445 z + 0.8187噪声的成形滤波器离散化有4.004e-010 z^3 + 4.232e-009 z^2 + 4.066e-009 z + 3.551e-010-----------------------------------------------------------------------------=z^4 - 3.808 z^3 + 5.434 z^2 - 3.445 z + 0.8187采样时间0.01s要求：1.用Matlab 写出程序代码；2.画出实际模型和辨识得到模型的误差曲线；3.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。