系统辨识模型结构辨识
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。
(5)模型的验证一个系统的模型被识别出来以后，是否可以接受和利用，它在多大程度上反映出被识别系统的特性，这是必须经过验证的。
第02讲系统辨识三要素
第02讲系统辨识三要素系统辨识是指通过对系统输入和输出数据的观测和分析，求解出系统的数学模型的过程。
系统辨识主要有两种方法：非参数辨识和参数辨识。
在进行参数辨识时，需要确定三个基本要素，分别是模型结构、参数估计方法和误差分析方法。
本文将详细介绍这三个要素。
首先，模型结构是系统辨识的核心要素之一、模型结构决定了辨识出的数学模型与实际系统之间的对应关系。
模型结构的选择需要根据实际问题和已有的知识和经验来确定。
常用的模型结构包括线性模型、非线性模型、时变模型等。
例如，对于一个物理系统来说，可以尝试使用一阶惯性环节、二阶惯性环节等常见的线性模型结构进行辨识；对于一个生物系统来说，可以采用Lotka-Volterra模型等非线性模型结构进行辨识。
选择合适的模型结构可以提高系统辨识的精度和可靠性。
其次，参数估计方法是指在给定模型结构的情况下，通过对系统输入和输出数据进行处理和分析，求解出模型参数的过程。
参数估计方法分为两类：最小二乘法和最大似然法。
最小二乘法通过最小化观测数据与模型预测数据之间的残差平方和来估计模型参数；最大似然法通过最大化观测数据的似然函数来估计模型参数。
当观测数据服从高斯分布时，最小二乘法和最大似然法等效。
参数估计方法的选择需要根据数据性质和实际问题来确定。
对于小样本数据，最大似然法常常具有更好的效果；对于大样本数据，最小二乘法通常是更好的选择。
最后，误差分析方法是指用来评估辨识结果的准确性和可信度的方法。
误差分析方法主要包括残差分析、模型检验和辨识结果评价等。
残差分析是通过分析辨识结果与观测数据之间的差异来评估模型拟合程度的方法。
模型检验是通过将辨识结果应用到实际应用中，观察其预测能力和鲁棒性来评价模型的有效性。
辨识结果评价是通过计算模型的性能指标，如均方误差、决定系数等来评估辨识结果的准确性和可靠性。
误差分析方法的选择需要根据实际问题和辨识结果的要求来确定。
对于较为简单的问题，可以选择较为简单的误差分析方法；对于复杂的问题，需要选择更为精确和全面的误差分析方法。
控制系统设计中的模型鉴别方法综述
控制系统设计中的模型鉴别方法综述在控制系统设计中，模型鉴别方法是一项关键性工作。
模型鉴别方法可以帮助工程师准确地识别出待控系统的数学模型，为后续的控制器设计和性能优化提供基础。
本文将对控制系统设计中常用的模型鉴别方法进行综述。
一、最小二乘法最小二乘法是一种常见的模型鉴别方法，它通过最小化误差的平方和来拟合实际测量数据和理论模型之间的差异。
最小二乘法可以用于线性和非线性模型的鉴别。
对于线性模型，最小二乘法可以通过矩阵运算求解最优解。
而对于非线性模型，最小二乘法可以通过迭代优化算法求解。
二、频域方法频域方法是一种将系统响应与频率特性相关联的模型鉴别方法。
它通常基于输入和输出信号的频谱分析，可以用于连续时间和离散时间系统。
频域方法可以采用傅里叶变换、拉普拉斯变换等数学工具，通过求解传递函数或频率响应函数来获得系统模型。
频域方法适用于具有周期性输入和输出信号的系统。
三、时域方法时域方法是一种将系统响应与时间域特性相关联的模型鉴别方法。
它通常基于实际采集到的离散时间数据，通过插值、拟合等技术来获得离散时间系统的模型。
时域方法可以采用多项式插值、曲线拟合等数学工具，通过建立系统差分方程或状态空间模型来进行模型鉴别。
时域方法适用于实际工程中获得的离散时间数据。
四、系统辨识方法系统辨识方法是一种通过试验数据来识别系统动态特性的模型鉴别方法。
它可以通过对系统施加特定的输入信号，观测系统输出响应来获得系统模型。
系统辨识方法可以分为参数辨识和非参数辨识两种方法。
参数辨识方法假设系统具有某种结构，通过最小化残差的平方和来确定模型参数。
非参数辨识方法不对系统结构进行假设，通过直接拟合试验数据来获得系统模型。
五、神经网络方法神经网络方法是一种基于人工神经网络的模型鉴别方法。
它可以通过输入输出数据训练神经网络，从而获得系统的模型。
神经网络方法可以适用于非线性系统的建模和鉴别。
神经网络方法具有较强的自适应能力和非线性拟合能力，但对于网络结构和训练样本的选择具有一定的要求。
8系统辨识原理及辨识模型简介
(3) 参数模型估计 在系统辨识工具箱中包括多种参数模型估计的函数，它们 都具有共同的命令结构。 m = function(Data,modstruc) m = ... function(Data,modstruc,'Property1',Value1,…'PropertyN',Valu eN) 变量Data是包括输入输出序列的iddata对象，而modstruc 说明了被估计模型的特定结构。模型估计的结果返回到变 量m中，它是存放了多种信息的模型对象。在大多数情况 使用时可以不必考虑对象的细节重要输入模型名称m就可 以了。若查看m的简要信息输入present(m)，通过get(m)则 可以得到更为详细的参数信息，参数值仍然可以采用圆点 引用的形式得到，例如m.par返回的就是估计参数。 函数调用(...,'Property1', Value1,...,'PropertyN',ValueN)的参 数影响着模型结构及估计算法。
(5) AR 模型 对于单个输出信号，ARX模型的特例就是AR模型
A(q) y(t ) e(t )
（8.10）
arx命令同样可以应用在此特例上：m = arx(y,na)，但是对于标量信号， 可以通过如下命令可以有更多的选择：m = ar(y,na) 通过对参数的设置可以选择参数估计的最小二乘类方法，包括Burg机遇 网格的方法、几何网格的方法、Yule-Walker方法以及修正的协方差法。 相关格式内容可通过“help ar ”命令得到。
(8.12)
定义式（8.11）离散模型的语法结构为：m= idss(A,B,C,D,K,X0,'Ts',T)，若令 T=0，则表 示连续时间模型（见式 8.12）即：m=idss(A,B,C,D,Kt,X0,'Ts',0)
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XX学号2021 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模型构造辨识；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，初步确定模型构造；采集数据；然后进展模型参数和构造辨识；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构造，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 a a aa(1-2) 面积法原那么上可以求出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→∞ = 0a(a)|a→∞ = 1将式〔1〕中的y(t)移至右边，在[0，t]上积分，得a2a(a)a3 aa aa (1-4) 定义：a1(a) = ∫0a[1 − a(a)]aa (1-5) 由式〔1-3〕条件可知，当t→∞时，a aa (1-6)同理，定义a2aa (1-7) 由式〔1-,3〕条件可知，当t→∞时，a aa (1-8)因此，可得a a(a) = ∫0a[a a−1(a) − a a−1a(a)] dt (1-9)a a= a a(∞) (1-10)②当系统的传递函数存在零点时，传递函数如下：G〔s〕=kb s mmn +ba s mn-1-1s mn-1-1 ++LL ++a sbs1+1+1，〔n m〕〔1-11〕1a s n +其中，K h= ( )/ U0定义1G(s)=KP(s)其中，P(s) = b sa s n mn ++ba s mn-1-1s mn-1-1++LL ++a sbs11 +1+1 = +1 i=1 C s i i〔1-12〕m根据[1−h*(t)]的Laplace变换，求出一阶面积A1，确定L[h〔*1 t ]〕，并定义二阶面积A2 ，以此类推，得到i 阶面积A i 。
系统辨识的经典方法
⎧T
⎨⎩τ
= 2(t2 − t1) = 2t1 − t2
对于以上结果，也可在
⎧⎪⎨tt34
≤τ,
= 0.8T
+τ
,
⎪⎩t5 = 2T +τ ,
y(t3 ) = 0 y(t4 ) = 0.55 y(t5 ) = 0.87
这几点上对实际曲线的拟合精度进行检验。
系统辨识的经典方法
频率响应法
频率响应法－1
; 阶跃响应法辨识原理
¾ 在系统上施加一个阶跃扰动信号，并测定出对象的响应随时间 而变化的曲线，然后根据该响应曲线，通过图解法而不是通过 寻求其解析公式的方法来求出系统的传递函数，这就是阶跃响 应法系统辨识。
¾ 如果系统不含积分环节，则在阶跃输入下，系统的输出将渐进 于一新的稳定状态，称系统具有自平衡特性，或自衡对象。
+ b1s + a1s
+ +
b0 a0
,
n>m
¾ 对应的频率特性可写成：
G(
jω)
=
bm ( an (
jω)m +" + b2 ( jω)2 + b1( jω)n +" + a2 ( jω)2 + a1(
jω) + b0 jω) + a0
=
(b0 − b2ω 2 (a0 − a2ω 2
+ b4ω 4 + a4ω 4
系统辨识的经典方法
肖志云
内蒙古工业大学信息工程学院自动化系
系统辨识的经典方法
1
引言
2
阶跃响应法
3
频率响应法
4
相关分析法
系统辨识与模型预测控制
系统辨识与模型预测控制系统辨识与模型预测控制是现代控制理论中的关键概念，它们在工程领域中被广泛应用于系统建模及控制设计中。
本文将详细介绍系统辨识与模型预测控制的基本概念、原理、方法和应用。
一、系统辨识系统辨识是指通过实验数据对系统的动态行为进行建模和估计的过程。
它可以帮助我们了解系统的性质和结构，并在控制系统设计中提供准确的数学模型。
系统辨识的主要任务是确定系统的参数和结构，并评估模型的质量。
1.1 参数辨识参数辨识是系统辨识的主要内容之一，它通过收集系统的输入和输出数据，并根据建模方法对参数进行估计。
常用的参数辨识方法包括最小二乘法、极大似然法、频域法等。
参数辨识的结果对建模和控制设计具有重要的指导意义。
1.2 结构辨识结构辨识是指确定系统的数学结构，即选择合适的模型形式和结构。
常用的结构辨识方法有ARX模型、ARMA模型、ARMAX模型等。
结构辨识的关键是根据系统的性质和实际需求选择适当的模型结构，以保证模型的准确性和有效性。
二、模型预测控制模型预测控制是一种基于系统动态模型的控制方法，它通过在线求解最优控制问题实现对系统的控制。
模型预测控制通过对系统未来动态行为的预测，结合控制目标和约束条件，求解优化问题得到最优控制输入。
它具有优良的鲁棒性和适应性，并且能够处理多变量、非线性以及时变系统的控制问题。
2.1 模型建立模型预测控制的第一步是建立系统的数学模型，通常采用系统辨识的方法得到。
模型可以是线性的或非线性的，根据实际需求选择适当的模型结构和参数。
2.2 控制器设计模型预测控制的核心是设计控制器，控制器的目标是使系统输出跟踪参考轨迹，并满足约束条件。
控制器设计通常通过求解一个离散时间最优控制问题来实现，常用的方法有二次规划、线性规划、动态规划等。
2.3 优化求解模型预测控制的关键是求解最优控制问题，将系统的模型和控制目标转化为一个优化问题，并通过数值优化方法求解得到最优解。
常用的优化算法包括线性规划、非线性规划、遗传算法等。
系统辨识
3.系统辨识
建模的方法：
机理建模：依据系统工作所服从的物理、化
学、生物的定理、定律，以及系统的结构数 据推导出数学模型。 －白箱建模 机理模型、解析模型。 系统辨识：通过观测实际系统的输入、输出 数据，从一类数学模型中选择一个特定的数 学模型，该模型在数学上等价于相应的实际 系统。 －黑箱建模 两者相结合，用机理分析确定模型结构，用 系统辨识方法确定模型参数。 －灰箱建模
系统辨识
吴刚
中国科学技术大学工业自动化研究所
2010年11月21日
引论
第一节 定义与分类
1.系统（system）
一般定义： 由相互联系、相互制约、相互作
用的各个部分组成的，具有一定整体功能和 综合行为的统一体。 工程系统中：由相互联系的元部件组成的具 有某种特定功能的整体。 如：晶体管、放大器、电机 伺服系统、调节器、惯性导航平台 磨煤机、水处理、锅炉、发电机 生产线、电网、互联网 企业、联合企业、经济协作区、国民经 济系统
7.先验知识
对模型结构、参数、数据的实际知识或信息
对实际系统的数学假定
主导时间常数
系统时延 系统通频带 系统非线性与时变特性 输入/输出信号变化幅值
噪声水平
8.参数估计的方法
离线辨识 在线辨识（实时辨识） 最小二乘法 极大似然法 辅助变量法 随机逼近法 互相关法
n
向后一步平移算子：
q X t X t 1 yt ai q yt bi q ut
i i i 1 i 1 n n
1
A(q ) yt B(q )ut 1 A(q ) 1 ai q 1 a1q an q
1 i 1 i 1 n n
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
由F分布表查得
F (2,100) 3.09 F (2,200) 3.04, F (2,300) 3.03 F (2,1000) 3.00 F (2, ) 3.00
在置信度 0.05 下，当N>100时，若模型阶次增
加1，则t至少大于3，J值的下降才明显。
3、残差平方和定阶
方法
1. 试探模型阶次n逐次的从n=1,2,…对模型参 数做出估计
2、 Hankel矩阵定阶
问题 当噪声较大时，上图中的尖峰很难看出来
强噪声情况 解决方法
根据脉冲响应序列，求自相关序列的估计值
Rh ( )
N
1
N
1 k 0 hk hk
,
0,1,2,....
自相关系数
h ( )
Rh ( ) ,
Rh (0)
0,1,2,....
以自相关系数作为汉格尔矩阵的元素，确定矩阵的秩
2、 Hankel矩阵定阶
问题
由于数据受到噪声的污染，当l=n+1时，行 列式的值并不会等于零
弱噪声情况
解决方法 行列式检测法
对于每个不同的l值，计算出汉格尔矩阵的行列式的平均值
Dl
H (l, k)的平均值 H (l 1, k)的平均值
Dl
画出Dl和l的关系图
l n0
Dl为最大时的l值是系统模型的合适阶次
向量形式
Y Φθ ε
LS估计
θˆ (ΦT Φ) 1 ΦT Y
残差
eˆ(k) y(k) yˆ(k)
指标函数
Jn
nN
eˆ
2
(k
)
kn 1
依次计算n=1,2,3,···时的指标函数Jn，并将其绘制成曲线。
3、残差平方和定阶
定阶原则：则随着n增大，J值是下降的。若n0为正确的阶次， 此时J值所在的点是曲线上最大的拐点，此后J值基本不变化或 变化很小。
含义：使L最大时的最小的n值为模型阶次
2.AIC计算公式
4、AIC信息准则
(1) 白噪声情况
系统模型 a(z 1) y(k) b(z 1) u(k) e(k)
a(z 1 ) 1 a1z 1 an1z n1 b(z 1 ) b0 b1z 1 bn2 z n2
e(k)为服从正态分布的白噪声, 则似然函数为：
第7章 模型结构辨识
模型结构的判断问题 系统辨识中重要的一环
单输入-单输出系统 模型阶次 延迟时间
多输入-多输出系统 各种结构参数（状态模型的结构不变量）
1、纯滞后时间的确定
u(k)
B z d
A
1、模型结构的确定
y(k)
y(k) a1 y(k 1) ... an y(k n) b1u(k d 1) ... bnu(k d n)
hk l 1
hk l
hk l1
...
hk
2l
2
ll
推论：当
无噪声情况（扰动=0）
2、 Hankel矩阵定阶
定理(1964年Lee)： 若l大于系统的阶次n，则汉格尔矩阵的秩等于
系统的阶次n。
推论： 当l=n+1时，汉格尔矩阵的行列式为0
对于每个k值以及不同的l值，计算汉格尔矩 阵的行列式，可以判定模型的阶次n
依上述原则，上述曲线模型阶次为3
3、残差平方和定阶
2.F检验法
实际工程应用时，在定阶过程中，并不是取Jn最小时n值， 作为系统模型的阶次，而是对在n增大过程中，使Jn显著 减小的n值感兴趣。
引入统计量t作为检验的准则
t(n1 , n2 )
J1 J2 J2
N 2n2 2(n2 n1 )
N--输入输出数据的组数；
7.3 用残差平方和判定模型的阶次
3、残差平方和定阶
定阶原理 计算不同阶次n辨识结果的估计误差方差，
按估计误差方差最小或最显著变化原则来确定模 型阶次n
按估计误差方差最小定阶 F检验法
实际工程中采用F检验法
3、残差平方和定阶 1.按估计误差方差最小定阶
系统差分方程
a(z 1 ) y(k) b(z 1 )u(k) ε(k)
L(Y
|
θ)
(2
πσσˆ
2 e
)
N
/
2
exp
1
2
σ
2 e
(Y
Φθ)T (Y
Φθ)
lnL
N 2
ln
2
π
N 2
lnσ
2 e
1
2
σ
2 e
(Y
Φθ )T
(Y
Φθ )
由
lnL θ
0
θˆ
(Φ
T
Φ)
1
ΦT
Y
lnL
σ
2 e
0
σˆ
2 e
1 N
eˆT eˆ
lnL(Y
|
θ)
N 2
lnσ
2 e
const
4、AIC信息准则
2. 计算 J1 , J 2 ,... t1 , t2 ,...
3. 若 t(n0 1, n0 ) 3.00, t(n0 , n0 1) 3.00 则表示模型阶次从n0增加到n0+1，J减小已不明显
n
1
2
3
4
5
6
J 592.65 469.64 447.25 426.40 418.73 416.56
由
lnL(Y
|
θ)
N 2
lnσ
2 e
const
p n1 n2 2
AIC
2lnL
t
50.94 9.67 9.43 3.15 0.99
依F检验法，系统模型阶次为3。
7.3 AIC信息准则(赤池，akaike)
4、AIC信息准则 1.AIC定阶原则
AIC准则定义为：
AIC 2lnL 2p
式中 L--是模型的似然函数； P--是模型中的参数个数。
定阶原则：AIC最小值所对应的n即为系统阶次。
J1—模型阶次n1时的损失函数； J2—模型阶次n2时的损失函数
当N足够大是，t服从F(f1,f2)分布 自由度 f1 2(n2 n1 ), f 2 N 2n2
3、残差平方和定阶
t(n1 , n2 )
J1 J2 J2
N 2n2 2(n2 n1 )
令置信度 0.05 N 100,200,300,1000,
纯滞后时间一般式可事先已知的 阶跃响应曲线 计算输入与输出信号的互相关函数 比较不同纯滞后时间的损失函数 先辨识模型参数，再用F检验u(k)前面几项的零参数
1、模型结构的确定
2、模型阶次n的确定：
(1)按残差方差定阶 (2) AIC准则定阶 (3)按残差白色定阶 (4)零点-极点消去检验定阶 (5)利用行列式比定阶 (6)利用Hankel矩阵定阶
7.2 用Hankel矩阵确定模型阶次
2、Hankel矩阵定阶 根据脉冲响应的采样值来判定模型的阶次
脉冲 系统
扰动
输出 h0 , h1,..., hN
汉格尔（Hankel）矩阵
hk hk1 hk2 ... hkl1
hk 3
...
hk l
... ... ... ... ...