第三章 线性系统的经典辨识方法
b0 0, b1 7.157 , b2 6.487 , b3 0
❖ 则得脉冲传递函数
G(z 1 )
7.157 z 1 6.488 z 1
1 2.233 z 1 1.764 z 2 0.497 z 3
练习题
❖ 教材中第2，3题
❖ 教材：
❖ 《系统辨识理论及应用》
❖
李言俊，张科 编著
i 1
❖ 令上式等号两边 z1 同次项的系数相等，当 z1 的次 数从0到n时，可得向量－矩阵方程
b0 1 0 0
b1
a1
1
0
b2 a2
a1
0
bn an an-1 an-2
0 0g(0)
0
0
g(1)
0 0g(2)
a1 1g(n)
（15）
❖ 当 z1的次数从 n 1到 2n 时，可得
❖ 根据脉冲传递函数的定义可得
G(z 1 ) g(0) g(1)z 1 g(2)z 2
❖ 式中 g(i) g(i),i 0,1,2, , 为采样间隔，因而有
b0 b1 z 1 bn z n 1 a1 z 1 an z n
g(0) g(1)z 1 g(2)z 2
❖ 解得：
x1 0.608, a2 0.495
❖ 相应的系统极点为： s1 ln(0.608) 0.497
s2 ln(0.495) 0.703
❖ 因此脉冲响应可写成
g (k)
c e 0.497k 1
c2 e 0.703k
❖ 令 k 0,1 ，可得方程组
c1 c2 0 0.608c1 0.495c2 0.1924
i
0
1
2
3
4
5
6
g(i)
0 7.157 9.491 8.564 5.93 2.846 0.145
❖ 解：设系统的脉冲传递函数形式为
G(z 1)
b0 b1z 1 b2 z 2 b3 z 3 1 a1z 1 a2 z 2 a3 z 3
❖ 将 g(1), g(2), , g(6) 代入式（16）得
❖ 根据上式，将时间依次延迟 ，可写出n个方程：
a1g(t0 ) a2 g(t0 2) an g(t0 n) g(t0 ) a1g(t0 2) a2 g(t0 3) an g(t0 (n 1)) g(t0 )
a1g(t0 n) a2 g(t0 (n 1)) an g(t0 2n) g(t0 (n 1))
❖ 解得
c1 1.6994 , c2 1.6994
❖ 因而所求的传递函数为
^
G(s)
1.6994
1.6994
0.34987
s 0.497 s 0.703 (s 0.497 )(s 0.703)
2、离散系统传递函数－脉冲传递函数
❖ 设系统脉冲传递函数形式为
G(z 1 )
b0 b1 z 1 bn z n 1 a1 z 1 an z n
t/s
0
1.0
2.0
3.0
g(t)
0
0.1924 0.2122 0.17t62
解：根据已知条件得到
0.1924a1 0.2212a2 0 0.2122a1 0.1762a2 0.1924
❖ 解之得
a1 3.669 , a2 3.327
❖ 由式（7）得
1 3.669x 3.327x2 0
（7）
❖ 解上式可得 x 的n个解 x1, x2 , , xn ❖ 设： e s1 x1 , e s2 x2 , , e sn xn
（8）
则有： ❖
s1
ln x1
,
s2
lபைடு நூலகம் x2
,
, sn
ln xn
❖ 这样，可将 求出 s1, s2 , , sn
（9）
❖ 根据式（3），（4）和（8），有：
代入所假定的传
❖ 例3.1 设原系统具有二阶传递函数
G(s)
0.35
(s 0.5)(s 0.7)
❖ 其脉冲响应为
g(t) 1.75 e0.5t e0.7t
❖ 设采样间隔 1s ，g(t) 的前4个值如表所列，用辨 识的方法求系统的传递函数。
表1 采样间隔 1s 时的 g(t)值
❖ 联立求解以上n个方程，可得系数 a1 , a2 , , an
❖ 任何一个线性定常系统，其传递函数 G(s)的特征方
程的根为 s1, s2 , , sn ，则其传递函数可表示为：
❖
G(s) c1 c1 c1
s s1 s s2
s sn
（2）
❖ 式中，s1, s2 , , sn 和 c1,c2 , ,cn 为待求的2n个未知数。
g(0) c1 c2 cn g() c1x1 c2 x2 cn xn g(2) c1x12 c2 x22 cn xn2
g((n 1))
c1
x n1 1
c2
x n1 2
cn
x n1 n
❖ 解上述方程组可得 c1, c2 , , cn
❖ 把求得的 s1, s2 , , sn 和 c1, c2 , , cn 递函数中，即得所求的传递函数
g(1) g(2) g(n)
g(2) g(3) g(n 1)
g(n) a n - g(n 1)
g(n
1)a
n-1
-
g(n
2)
g
( 2n
1)
a
1
- g(2n)
（16）
❖ 上式等号左边的矩阵称为汉克（Hankel）矩阵。解 方程组（16），可求得脉冲传递函数中分母各未知 系数 a1, a2 , , an 。
❖ 将求得的 a1, a2 , , an 代入式（15），可求得脉冲传 递函数中分子各未知系数 b1,b2 , ,bn
❖ 例3.2 设采样间隔 0.05s，系统的脉冲响应 g(i) 如 下表所列，求系统的脉冲传递函数
表2 系统脉冲响应
t/s
0 0.05 0.10 0.15 0.20 0.25 0.3
cnes1t 1 a1esn a2 (esn )2 an (esn )n 0
（5）
❖ 欲使上式 成立，应令各方括号内值为0，即
1 a1esi a2 (esi )2 an (esi )n 0, i 1,2, , n
（6）
❖ 令 esi x，则式（6）可以写成
1 a1x a2 x 2 an x n 0
❖ 用上式的分母分别乘其等式两边，有
b0 b1z 1 b2 z 2 bn z n g(0) [g(1) a1g(0)]z 1
g (n)
n1
ai g(n
i 1
i) z n
g(n
1)
n i 1
ai g(n
1 i) z (n1)
g(2n) n ai g(2n i) z 2n
❖
国防工业出版社
7.157 9.491 8.564
9.491 8.564 5.931
8.564a1 5.931
5.931a2
2.846
2.846a3 0.145
❖ 解上式得
a1 2.233, a2 1.764, a3 0.497
❖ 将 g(0), g(1), g(2), g(3) 以及 a1, a2 , a3 代入式（15）中， 解之得
cnesn (t2)
（4）
g(t
n)
c e s1(tn) 1
c2e s2 (tn)
cn e sn (tn)
❖ 将n阶差分方程中的 t0 换成 t ，并将（3）,（4）
式代入,可得
c1es1t 1 a1es1 a2 (es1 )2 an (es1 )n c2es2t 1 a1es2 a2 (es2 )2 an (es2 )n
第三章 线性系统的经典辨识方法
经典辨识常用信号
❖ 阶跃信号
阶跃响应
❖ 正弦信号
频率响应
❖ 脉冲信号
脉冲响应
❖ 正弦信号缺点：试验手续比较复杂，必须有专用设备，不便 于在数控系统上做试验。
❖ 阶跃信号缺点：
❖ 1）信号大则破坏系统运定，小则不能获得有用数据
❖ 2）对试验环境要求严格。
❖ 用的较多是脉冲信号，积累足够大的能量，在瞬间激发系统， 实际中难以实现。
❖ 用M序列作为输入信号，再用相关法处理测试结果，可很方 便地得到系统的脉冲响应。
用脉冲响应求传递函数
❖ 1、连续系统的传递函数
❖ 设系统采用n阶差分方程表示，则有
g(t0 ) a1g(t0 ) a2 g(t0 2) an g(t0 n) 0
（1）
❖ 式中 a1 , a2 , , an为待定的n个常数。
对上式求拉普拉斯反变换，得系统的脉冲响应函
数
❖
g(t) c1e s1t c2e s2t cne snt
（3）
❖ 则 t ,t 2, ,t n 时刻的脉冲响应函数分别为
g(t
)
c e s1 (t) 1
c2es2 (t)
cnesn (t)
❖
g(t
2)
c e s1(t2) 1
c2es2 (t2)
合集下载
使用Matlab进行线性系统辨识与控制的技巧
使用Matlab进行线性系统辨识与控制的技巧引言：线性系统辨识和控制是现代控制理论和工程应用中的重要内容。
Matlab作为一种强大的数学计算和编程软件，为我们提供了丰富的工具和函数，方便了线性系统辨识与控制的实现。
本文将介绍一些使用Matlab进行线性系统辨识与控制的技巧。
一、线性系统辨识1. 数据采集与预处理对于线性系统辨识，首先需要采集系统的输入输出数据。
在Matlab中可以使用内置函数来进行数据采集，如"sim"函数进行仿真实验，或者使用数据采集卡等外部设备来获取现实世界中的数据。
采集到的数据通常需要进行预处理，如去除噪声、滤波或数据归一化等。
在Matlab中有丰富的信号处理工具箱，可以方便地进行数据预处理。
2. 系统模型的选择线性系统辨识的目标是找到一个数学模型来描述实际系统的动态行为。
在选择系统模型时，可以根据应用需求选择合适的模型种类，如ARX模型、ARMA模型、ARMAX模型等。
在Matlab中，可以使用System Identification Toolbox来进行系统模型的选择和参数估计。
这个工具箱提供了多种模型结构和参数估计算法，方便用户根据系统特性进行模型的选择。
3. 参数估计与模型验证在选择好系统模型后，需要进行参数估计和模型验证。
在Matlab中，可以使用System Identification Toolbox中的函数来进行参数估计，如"armax"函数和"arx"函数等。
参数估计结果可以通过模型验证来评估模型的拟合程度和预测性能。
Matlab中的"compare"函数可以绘制真实输出和模型输出的对比曲线，帮助用户评估模型的准确性。
二、线性系统控制1. 控制器设计线性系统控制的目标是设计一个控制器来使得系统达到所期望的性能要求。
在Matlab中，可以使用Control System Toolbox来进行控制器设计。
第三章相关辨识方法
=
−(N P
+ 1)I NP ×NP
⎢ ⎣
0
⎥ − (N P + 1) ⎦
所以
⎡− N P
RM−1
=
−
NP a2
⎢ ⎢ ⎢
1 M
⎢ ⎣
1
1
− NP M 1
L 1 ⎤ −1
⎡2
L
1
⎥ ⎥
=
NP
= ⎢⎢1
M⎥
L
−
N
P
⎥ ⎦
(N P + 1)a 2
⎢M ⎢⎣1
1 L 1⎤
2 L 1⎥⎥
M
M⎥
1 L 2⎥⎦
从第二章可知，M序列是循环周期为NPΔt，自相关函数近似于δ 函数的一种随机序列，其 统计特性近似于白噪声。输入信号用M序列和用白噪声结果是类似的，而且自相关函数Ruy(τ) 只需要在一个循环周期内计算，缩短了辨识时间。
设数据的采样时间等于 M 序列移位脉冲周期Δt，则 Wienen—Hopf 方程可写为离散形式
（3.23）
N P −1
∑ RM y (k) = gˆ (k)RM (0)Δt + gˆ ( j)RM (k − j)Δt j=0, j≠k
（将RM分成两部分）
∑ = a 2 gˆ (k)Δt + NP −1 gˆ ( j)[− a 2 ]Δt
j=0, j≠k
NP
（将这两部分代入公式）
∑ = a2 gˆ(k)Δt −
a2
Δt
N P −1
gˆ( j)
NP
j=0, j≠k
∑ =
a 2 gˆ (k)Δt
−
a2 NP
⎡NP −1 Δt⎢ gˆ(
《系统辨识》课件
模型结构确定后，其中未知部分就要通过观测数据进
行估计。通常未知部分是以未知参数出现，故辨识工
作就成了参数估计。
参数估计的要求就是要辨识出来的模型与实际过程在
某种意义下最“接近”。
所以必须有个准则衡量。
4、模型验证
一个模型辨出来后，是否可靠必须进行多次验证。
通常一个模型用一套数据进行辨识，然后用另一套数
建立数学模型来预报。
4
第一章 概 述
2. 用于分析实际系统 工程上在分析一个新系统时，通常先进行数学仿真， 仿真的前提必须有数学模型。
3. 为了设计控制系统 目前,对被控系统的控制器的设计方法的选取,以及如 何进行具体的控制结构和参数的设计都广泛依赖于对 被控系统的理解及所建立的被控系统数学模型。
t2 t1
28
t1
y(t1)1e T
y1
y(t2)1et2T y2
第二章 过渡响应法和频率响应法
y(t)
t2 t1 y ( )
t
两边同取对数得：
t1 T
t2 T
n[1 n[1
y (t1)] y (t 2 )]
T t2n[nn1[[11 yyy(t((1ttt)112]))]] tn1t[1n1[n1[1y yy(t(2t)(2t])2])]
17
常用的模型类： 参数的 或 非参数的 线性的 或 非线性的 连续的 或 离散的 确定的 或 随机的 I/O的 或 状态的 时变的 或 定常(时不变)的
集中参数的 或 分布参数的 频率域的 或 时间域的 等等。
第一章 概 述
18
第一章 概 述
根据系统的空间、时间的离散化情况，模型可分为 三类：
由
t
y(t) 1e T
《线性系统》课件
NG
线性系统的控制目标
01
02
03
04
稳定性
确保系统在受到扰动后能够恢 复稳定状态。
跟踪性能
使系统输出能够跟踪给定的参 考信号。
抗干扰性
减小外部干扰对系统输出的影 响。
优化性能指标
最小化系统性能指标，如误差 、超调量等。
线性系统的控制设计方法
状态反馈控制
基于系统状态变量进行 反馈控制，实现最优控
稳定性分析
利用劳斯-赫尔维茨稳定判据等 工具，分析系统的稳定性。
最优性能分析
通过求解最优控制问题，了解 系统在最优控制下的性能表现
。
2023
PART 06
线性系统的应用实例
REPORTING
线性系统在机械工程中的应用
总结词
广泛应用、控制精度高
详细描述
线性系统在机械工程中有着广泛的应用，如数控机床、机器人、自动化生产线等。这些系统通过线性 控制理论进行设计，可以实现高精度的位置控制、速度控制和加速度控制，提高生产效率和产品质量 。
时域分析法
通过求解线性常微分方程或差分 方程，可以得到系统的动态响应
，包括瞬态响应和稳态响应。
频域分析法
通过分析系统的频率响应函数，可 以得到系统在不同频率下的动态响 应特性。
状态空间分析法
通过建立系统的状态方程和输出方 程，利用计算机仿真技术对系统的 动态响应进行模拟和分析。
2023
PART 05
2023
PART 02
线性系统的数学模型
REPORTING
线性系统的微分方程
总结词
描述线性系统动态行为的数学方程
详细描述
线性系统的微分方程是描述系统状态随时间变化的数学模型，通常采用常微分 方程或差分方程的形式。这些方程反映了系统内部变量之间的关系及其对时间 的变化规律。
线性系统的控制目标
01
02
03
04
稳定性
确保系统在受到扰动后能够恢 复稳定状态。
跟踪性能
使系统输出能够跟踪给定的参 考信号。
抗干扰性
减小外部干扰对系统输出的影 响。
优化性能指标
最小化系统性能指标，如误差 、超调量等。
线性系统的控制设计方法
状态反馈控制
基于系统状态变量进行 反馈控制，实现最优控
稳定性分析
利用劳斯-赫尔维茨稳定判据等 工具，分析系统的稳定性。
最优性能分析
通过求解最优控制问题，了解 系统在最优控制下的性能表现
。
2023
PART 06
线性系统的应用实例
REPORTING
线性系统在机械工程中的应用
总结词
广泛应用、控制精度高
详细描述
线性系统在机械工程中有着广泛的应用，如数控机床、机器人、自动化生产线等。这些系统通过线性 控制理论进行设计，可以实现高精度的位置控制、速度控制和加速度控制，提高生产效率和产品质量 。
时域分析法
通过求解线性常微分方程或差分 方程，可以得到系统的动态响应
，包括瞬态响应和稳态响应。
频域分析法
通过分析系统的频率响应函数，可 以得到系统在不同频率下的动态响 应特性。
状态空间分析法
通过建立系统的状态方程和输出方 程，利用计算机仿真技术对系统的 动态响应进行模拟和分析。
2023
PART 05
2023
PART 02
线性系统的数学模型
REPORTING
线性系统的微分方程
总结词
描述线性系统动态行为的数学方程
详细描述
线性系统的微分方程是描述系统状态随时间变化的数学模型，通常采用常微分 方程或差分方程的形式。这些方程反映了系统内部变量之间的关系及其对时间 的变化规律。
控制工程基础- 第3章 线性系统的分析法
Ts 1 s
t
c (t ) 1 e T css ctt t 0
s
s 1 T
c(t)
1.0 0.865
0.632
0.95 0.982
css稳态分量，谁决定？
ctt暂态分量，谁决定？
t
(t) r(t) c(t) e T
OT
t ，ctt 0， (t) 0
2T 3T 4T
t
l i m c ( t ) 1 稳态值(终值)
t
lim
s0
sE(s)
e(t)给定输入值 实际输出值(单位反馈)；E(s)是系统的偏差。
对一个控制系统的要求
系统应该是稳定的；
系统达到稳态时，应满足给定的稳态误差的要求；
系统在瞬态过程中应有好的快速性。
简称为：稳、准、快。
控制工程基础
线性系统的时域分析法
凡是输入信号和输出信号的关系，可用一阶微分方程描
y() 2
间。
t
0
tdtr
2. 上升时间 tr：输出响应第一次达到稳态值y(∞)所需的时间。 或指由稳态值的10%上升到稳态值的90%所需的时间。
控制工程基础
线性系统的时域分析法
3. 峰值时间 tp ：输出响应超过稳 态值达到第一个峰值ymax所需要
y m ax
的时间。
4. 最大超调量(简称超调量)δ%：
r(t) R(s) C(s) (s)R(s)
c(t )
(t) 1
1
1 Ts
1
s
T
1
T
1 t k(t) e T
T
一阶系统典型响应
1 1(t )
s
1 Ts
1
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
线性系统课件
2 2
21
1 2 10 B1 , B2 , B3 3 9 27
则特解为：
1 2 2 10 rf ( t ) t t 3 9 27
可见，特解是由激励与系统方程共同决定的。 激励决定特解形式 系统方程决定系数
四、能控性和能观测性的概念
古典中：C(s)既是输出又是被控量
n 1
d r (t ) d r (t ) dr(t ) an n an 1 n1 a1 a0r (t ) dt dt dt m m 1 d e( t ) d e( t ) de(t ) bm m bm1 m1 b1 b0e(t ) dt dt dt
二、线性定常连续系统的能控性判据
二、线性系统判定方法
判断下述微分方程所对应的系统是否为线性系统?
d r (t ) 10r ( t ) 5 e( t ) ,t 0 dt
分析：根据线性系统的定义，证明此系统是否具有 齐次性和叠加性。可以证明：
系统不满足齐次性 系统不具有叠加性
此系统为非线性系统。 请看下面证明过程
证明齐次性
1.3 传递函数描述法的局限性
对于非零初始条件，这种描述不能应用。更为重要的是，输入输出描述不能揭示系统的内部行为。
例如：
从输入—输出关系来看，它们具有相同的传递函数：
1 G( s) s 1
但事实上这是两个不同的系统。这两个系统是不等价的 ，一个是能观不能控的，一个是能控不能观的。这表明 系统的内部特性比起由传递函数表达的外部特性要复杂 得多，输入—输出描述没有包含系统的全部信息，不能 完整的描述一个系统。
当e1 ( t ) e2 ( t ) 同时作用于系统时，若该系统为线性系统， 应有
21
1 2 10 B1 , B2 , B3 3 9 27
则特解为：
1 2 2 10 rf ( t ) t t 3 9 27
可见，特解是由激励与系统方程共同决定的。 激励决定特解形式 系统方程决定系数
四、能控性和能观测性的概念
古典中：C(s)既是输出又是被控量
n 1
d r (t ) d r (t ) dr(t ) an n an 1 n1 a1 a0r (t ) dt dt dt m m 1 d e( t ) d e( t ) de(t ) bm m bm1 m1 b1 b0e(t ) dt dt dt
二、线性定常连续系统的能控性判据
二、线性系统判定方法
判断下述微分方程所对应的系统是否为线性系统?
d r (t ) 10r ( t ) 5 e( t ) ,t 0 dt
分析：根据线性系统的定义，证明此系统是否具有 齐次性和叠加性。可以证明：
系统不满足齐次性 系统不具有叠加性
此系统为非线性系统。 请看下面证明过程
证明齐次性
1.3 传递函数描述法的局限性
对于非零初始条件，这种描述不能应用。更为重要的是，输入输出描述不能揭示系统的内部行为。
例如：
从输入—输出关系来看，它们具有相同的传递函数：
1 G( s) s 1
但事实上这是两个不同的系统。这两个系统是不等价的 ，一个是能观不能控的，一个是能控不能观的。这表明 系统的内部特性比起由传递函数表达的外部特性要复杂 得多，输入—输出描述没有包含系统的全部信息，不能 完整的描述一个系统。
当e1 ( t ) e2 ( t ) 同时作用于系统时，若该系统为线性系统， 应有
神经网络与系统辨识
3．最小二乘法 所谓最小二乘法，就是要求所选择的f(t)的参数，使得观测值zi 与对应的函数值f(ti)的偏差的平方和为最小。设J为观测值zi与对应 函数值f(ti)的偏差的平方和，即
J [ z i f ( x1 , x2 ,, xn , t i )]2
i 1 m
为最小。
按照J为最小的条件来确定 f(t) 中的参数x1，x2，…，xn。将上 式分别对x1，x2，…，xn求偏导数，并令它们等于零，可得 n 个方程 ，解之可得x1，x2，…，xn的最优估值：
T 1 K k 1 Pk 1 H k 1 Rk1
递推最小二乘法⑵
可用上面的公式进行递推计算，但必须知道xk和Pk的初值x0和 P0。如何设定初值请参阅有关文献。 最小二乘估计递推方法：新的估计值是由旧估值加上修正项构 成，而修正项正比于新观测值与期望的观测值之间的误差。这相当 于带有反馈校正的性质，当新观测值与期望观测值不符时，就要修 正，这是最小二乘估计递推公式的特点。
⑶最小二乘估计的均方误差表示估计误差分布在零附近的密集程度 ，均方误差越小，估计量越接近被估量的实际值，可信程度越高。
ˆ ˆ E[~~T ] E[(x x)(x x)T ] ( H T H ) 1 H T E(eeT ) H ( H T H ) 1 xx
R E(eeT )
加权最小二乘法
递推最小二乘法先用加权最小二乘法处理k个观测值有x的估值kktkkkktkkktkkzwhpzwhhwhx??11?kktkkhwhp111111111111?x?kktkkkktkkktkkzwhpzwhhwhkx?1?kx1?rrwtk???????k?k?k1111100rrr111111??kkkkhhpp?x?x?x111111111kkkkkkktkkkhzkzrhp??11111?ktkkkrhpk假设又得到了第k1次观测值zk1有x的估值可见附加新的观测值后要完全重复以前的计算这就有必要寻找一种新的方法
J [ z i f ( x1 , x2 ,, xn , t i )]2
i 1 m
为最小。
按照J为最小的条件来确定 f(t) 中的参数x1，x2，…，xn。将上 式分别对x1，x2，…，xn求偏导数，并令它们等于零，可得 n 个方程 ，解之可得x1，x2，…，xn的最优估值：
T 1 K k 1 Pk 1 H k 1 Rk1
递推最小二乘法⑵
可用上面的公式进行递推计算，但必须知道xk和Pk的初值x0和 P0。如何设定初值请参阅有关文献。 最小二乘估计递推方法：新的估计值是由旧估值加上修正项构 成，而修正项正比于新观测值与期望的观测值之间的误差。这相当 于带有反馈校正的性质，当新观测值与期望观测值不符时，就要修 正，这是最小二乘估计递推公式的特点。
⑶最小二乘估计的均方误差表示估计误差分布在零附近的密集程度 ，均方误差越小，估计量越接近被估量的实际值，可信程度越高。
ˆ ˆ E[~~T ] E[(x x)(x x)T ] ( H T H ) 1 H T E(eeT ) H ( H T H ) 1 xx
R E(eeT )
加权最小二乘法
递推最小二乘法先用加权最小二乘法处理k个观测值有x的估值kktkkkktkkktkkzwhpzwhhwhx??11?kktkkhwhp111111111111?x?kktkkkktkkktkkzwhpzwhhwhkx?1?kx1?rrwtk???????k?k?k1111100rrr111111??kkkkhhpp?x?x?x111111111kkkkkkktkkkhzkzrhp??11111?ktkkkrhpk假设又得到了第k1次观测值zk1有x的估值可见附加新的观测值后要完全重复以前的计算这就有必要寻找一种新的方法
《系统辨识第三章》PPT课件
(N+1)时刻的估计输出值
之差。
第五十五页，共161页。
55
递推公式基本形成，但其中涉及矩阵求逆运算，即 为了避免求逆运算，由矩阵反演公式： 令
第五十六页，共161页。
56
最后，加权最小二乘递推算法归纳如下：
在上列式中，令
，得最小二乘递推算法。
第五十七页，共161页。
57
二、初值的确定
进行递推估计，必须设定初值
由于最小二乘法比较简单实用，而且又可与其他辨识
方法相组合，因此最小二乘辨识是一种基本的、重要的辨 识方法。
第四页，共161页。
4
§3-1 最小二乘法
一、最小二乘辨识方程
用最小二乘辨识技术辨识系统的数字模型的原理方 块图如下：
被辨识系统
测量装置
D/A
A/D
计算机
（最小二乘辨识 算法)
数学模型
第五页，共161页。
但由于简单实用，仍不失为一种好的参数估计方法，
为了克服最小二乘法的不足，在最小二乘法的基础
上，发展了辅助变量法和广义最小二乘法，但计算
量较大。
第三十一页，共161页。
31
例3-2 设有下列二阶系统
输入序列 为振幅等于1的伪随机二位式序列， 噪声 为零均值且方差为 可调正态 分布随机数序列。试说明最小二乘估计精度。
5
被辨识系统
测量装置
D/A
A/D
计算机
（最小二乘辨识算法)
数学模型
设被辨识系统的脉冲传递函数为
第六页，共161页。
6
则当存在观测误差 及建模误差时，相应的差分方程：
式中， 称为方程误差， 为模型参数向量；若令 代 表真实参数向量，显然有