系统辨识最小二乘法
- 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)。
课 程 设 计 报 告
学 院: 自动化学院 专业名称: 自动化 学生姓名: ** 指导教师: *** 时 间:
2010年7月
课程设计任务书
一、设计内容
SISO 系统的差分方程为:
)()2()1()2()1()(2
1
2
1
k k u b k u b k z a k z a k z υ+-+-=-+-+
参数取真值为:[]0.35 0.39 0.715 1.642=T θ,利用MATLAB 的M 语言辨识系
统中的未知参数1a 、2a 、1b 、2b 。
二、主要技术要求
用参数的真值及差分方程求出)(k z 作为测量值,)(k υ是均值为0,方差为0.1、0.5和0.01的不相关随机序列。选取一种最小二乘算法利用MATLAB 的M 语言辨识参数。
三、进度要求
2周(6月28日-7月11日)完成设计任务,撰写设计报告3000字以上,应包含设计过程、 计算结果、 图表等内容。具体进度安排:
◆ 6月28日,选好题目,查阅系统辨识相关最小二乘法原理的资料。 ◆ 6月29日,掌握最小二乘原理,用MATLAB 编程实现最小二乘一次完成
算法。
◆ 6月30日,掌握以最小二乘算法为基础的广义最小二乘递推算法。 ◆ 7月1日,用MATLAB 编程实现广义最小二乘递推算法。 ◆ 7月2日,针对题目要求进行参数辨识,并记录观察相关数据。 ◆ 7月3日-7月5日,对参数辨识结果进行分析,找出存在的问题,提出
改进方案,验证改进优化结果。 ◆ 7月6日-7月7日,撰写课程设计报告。 ◆ 7月8日,对课程设计报告进行校对。 ◆ 7月9日,打印出报告上交。
学 生
王景 指导教师 邢小军
1. 设计内容
设SISO 系统的差分方程为:
)()2()1()2()1()(2
1
2
1
k k u b k u b k z a k z a k z υ+-+-=-+-+ 式(1-1)
参数取真值为:[]0.35 0.39 0.715 1.642=T
θ,利用MATLAB 的M 语言辨识系统中
的未知参数1a 、2a 、1b 、2b 。
2. 设计过程
2.1
问题重述。
设SISO 系统的差分方程为:
)()2()1()2()1()(2121k k u b k u b k z a k z a k z υ+-+-=-+-+ 式(2-1)
参数取真值为:[]0.35 0.39 0.715 1.642=T θ,利用MATLAB 的M 语言辨识系统中
的未知参数1a 、2a 、1b 、2b 。
要求:用参数的真值利用差分方程求出)(k z 作为测量值,)(k υ是均值为0,方差为0.1、0.5和0.01的不相关随机序列。选取一种最小二乘算法辨识。
2.2 最小二乘参数辨识
2.2.1、
最小二乘法的概念与应用
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。可用于离线估计,也可用于在线估计。这种辨识方法主要用于在线辨识。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。
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。对于比较复杂的生产过程 ,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。这种建模方法就称为系统辨识。把辨识建模称作“黑箱建模”。 2.2.2、
最小二乘法系统辨识结构:
本文把待辨识的过程看作“黑箱”。只考虑过程的输入输出特性,而不强调过程的内部机理。
图中,输入u(k)和输出z(k)是可以观测的;G ()是系统模型,用来描述系
统的输入输出特性;N ()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
e(k) =N (
)v(k)
)
(1
-z
G )
()(11--=z A z B
)
(1
-z
N )
()(11--=z C z D 112
1211212()1()a a b b n n n n A z a z a z a z B z b z b z b z --------⎧=++++⎪⎨=+++⎪⎩
+ + e (k )
图1 SISO 系统辨识“黑箱”结构图
y (k ) u (k ) z (k ) v (k ) )(1-z N )(1-z G
⎪⎩
⎪⎨⎧+++=++++=--------b b a a n n n n z d z d z d z D z c z c z c z C 221112
2111)(1)(
2.2.3、 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:
2
1
]
)()([)(∑=-=L
k T k h k z J θθ (式2-2)
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。
2.3 最小二乘一次完成算法
2.3.1、
最小二乘问题的解
考虑系统模型:
)()()(k e k h k z t +=θ (式3-1)
准则函数可写成:
()()()θθθL L L T
L L H z H -Λ-=z J (式3-2)
极小化准则函数得到:
()L L T L L T L WLS z H H H ΛΛ=-1
ˆθ (式3-3)
通过极小化式3-2计算WLS θˆ的方法称作加权最小二乘法,WLS θˆ为加权最小二乘估计,若取I L =Λ,则退化为一般最小二乘估计值,对应方法叫最小二乘法:
LS
θˆ=L τL 1L τL z H )H H -( (式3-4)