系统辨识第1讲Word格式.docx
- 文档编号:18601654
- 上传时间:2022-12-29
- 格式:DOCX
- 页数:13
- 大小:189.99KB
系统辨识第1讲Word格式.docx
《系统辨识第1讲Word格式.docx》由会员分享,可在线阅读,更多相关《系统辨识第1讲Word格式.docx(13页珍藏版)》请在冰豆网上搜索。
理论教学(共54学时)
第1章辨识的一些基本概念(3学时)
内容:
系统和模型概念、建模方法、辨识定义、辨识问题的表达形式、辨识算法的基本原理、误差准则、辨识的内容和步骤、辨识的应用。
第2章随机信号的描述与分析(3学时)
随机过程的基本知识、相关函数、协方差函数、谱密度函数、线性过程在随机输入下的响应、白噪声及其产生方法、M序列及其性质。
第3章过程的数学描述(3学时)
连续系统的输入输出模型、离散系统的输入输出模型、数学模型之间的等价变换、噪声模型及其分类。
第4章经典的辨识方法(3学时)
阶跃响应辨识方法、脉冲响应辨识方法、Levy法、相关分析法、实验一辅导。
第5章线性动态模型参数辨识(I)-最小二乘法(9学时)
最小二乘法的基本概念、最小二乘问题的提法、最小二乘问题的解、最小二乘参数估计的收敛性、最小二乘参数估计的几何解析、最小二乘参数估计的统计性质、最小二乘参数估计的递推算法、最小二乘递推算法的几种变形,增广最小二乘法、广义最小二乘法、辅助变量法、相关二步法。
第6章模型阶次辨识(6学时)
Hankel矩阵定阶法、F-Test定阶法、Akaike准则模型阶次辨识法、AIC定阶法、利用最终预报误差准则估计模型的阶次(FPE定阶法)、状态空间模型阶次的辨识。
第7章线性动态模型参数辨识(II)-极大似然估计等(6学时)
极大似然参数辨识方法、预报误差参数辨识方法、递推算法的一般模式及收敛性、各种算法的比较。
第8章梯度校正参数辨识方法(6学时)
确定性问题的梯度校正参数辨识方法、随机性问题的梯度校正参数辨识方法、状态方程的参数辨识(梯度校正法)、差分方程的参数辨识、随机逼近法、随机牛顿法。
第9章线性动态模型参数辨识-Bayes法(3学时)
Bayes估计、Bayes参数辨识方法。
第10章辨识算法的统一性(3学时)
最小二乘类一次完成算法之间的内在联系、信息滤波阵及其作用、递推辨识算法的内在联系。
第11章闭环系统辨识(3学时)
反馈存在性的确定、闭环系统的可辨性、闭环辨识方法及可辨性条件、闭环系统的阶次辨识、最小二乘法在闭环辨识中的应用、辅助变量法在闭环辨识中的应用、关于闭环可辨识性条件的一些结论。
第12章系统辨识在自适应控制中的应用(3学时)
自适应控制基本概念、两类重要的自适应控制及其新进展、系统辨识在自适应控制中的应用-自校正调节器、广义最小方差控制与自校正控制器、模型参考自适应参数辨识。
第13章辨识问题的实际考虑及实验设计(3学时)
开环可辨识性问题、模型类的选择、准则函数的选择、算法初始值的选择、采样时间的最优设计、模型检验问题、模型变换的计算机实现。
第二部分:
上机实验(共6学时)
实验内容:
实验一利用相关分析法辨识脉冲响应
实验二递推最小二乘估计(RLS)及模型阶次辨识(F-Test)
实验要求:
①按实验指示书的要求,独立完成实验,包括实验设计、编程、调试。
②按要求独立完成实验报告,实验报告在期末考试之前必须交齐。
先修课程:
线性系统理论、自动控制理论基础、概率统计与随机过程
考试形式:
课堂开卷(实验与作业共占总成绩的40%)
教材:
方崇智、萧德云编著,《过程辨识》,清华大学出版社,北京,1988。
主要参考书:
1、G.C.哥德温,R.L潘恩,《动态系统辨识》,科学出版社,北京,1996。
2、蔡季冰编著,《系统辨识》,北京理工大学出版社,北京,1989
3、LennartLjung,SystemIdentification(Theoryfortheuser),SecondEdition,清华大学出版社,北京,2002。
第1章辨识的一些基本概念
1.1过程和模型
1.1.1过程(Process)
●过程的描述框图(“黑箱”模型)
●过程的行为特性表现在过程的输入输出数据之中。
●根据“黑箱”所表现出来的输入输出信息,建立与“黑箱”特性等价的过程外特性模型。
1.1.2模型
●模型的含义
模型-把关于实际过程的本质的部分信息简缩成有用的描述形式。
它是用来描述过程的运动规律,是过程的一种客观写照或缩影,是分析、预报、控制过程行为的有力工具。
模型是实体的一种简化描述。
模型保持实体的一部分特征,而将其它特征忽略或者变化。
不同的简化方法得到不同的模型。
●模型的近似
不可能考虑所有因素。
精度和复杂度之间的矛盾。
模型的输出响应和实际过程的输出响应几乎处处相等,则模型是满意的。
(标准或准则问题)
●模型的表现形式
1.“直觉”模型:
(司机驾驶、地图、建筑模型)
2.物理模型:
实际过程的缩小、物理模拟(风洞模型、水力学模型、传热学模型、电力系统动态模拟模型等)
3.图表模型:
以图表形式表现过程的特性(阶跃响应、脉冲响应、频率响应等非参数模型)
4.数学模型:
以数学结构的形式反映过程的行为特性(代数方程、微分方程、差分方程、状态方程等参数模型)
(1)Cobb-Douglas生产关系模型
(2)微分方程
(3)差分方程
其中:
即有:
(A)
(4)状态方程
离散化
真实系统建模的抽象过程
●模型的分类
1.线性与非线性:
系统线性和关于参数空间线性、本质和非本质线性
2.动态与静态:
3.确定性与随机性:
4.宏观与微观:
1.1.3建模方法
●机理法:
“白箱”理论
●测试法:
“黑箱”理论(辨识)
●两者结合:
“灰箱”理论
●模糊推理建模法:
一种基于模糊推理的关于控制系统的建模方法
●建模的基本原则:
目的性、实在性、可辨识性、节省性。
●建模的步骤
●建模的目的
1.2辨识的定义和目的
●Zadeh对辨识的定义(1962年)
辨识就是在输入和输出数据的基础上,从一组给定的模型类中,确定一个与所测系统等价的模型。
“数据”是辨识的基础、“准则”是辨识的优化目标、“模型类”是寻找模型的范围。
●Liung对辨识的的定义(1978年)
系统辩识有三个要素——数据、模型类和准则。
系统辩识是按照一个准则,在模型类中选择一个与数据拟合得最好的模型。
Liung认为,实际系统的复杂性很难找到一个适用的模型与之等价。
因此,系统辩识的任务只是要求从输入输出数据出发,找到一个与实际系统相逼近的模型。
该定义体现了逼近的观点。
●辨识的三大要素
1.输入输出数据
2.模型类
3.等价准则
●实用的辨识定义
辨识有三个要素-数据、模型类和准则。
辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型(近似描述)。
例子见教材。
●辨识的目的
辨识目的主要取决于模型的应用,通常有四类:
(1)为了估计具有特定物理意义的参数(如:
时间常数;
转动惯量;
经济、生物、生态系统的参数);
(2)为了预测(如:
气象、大气污染、市场、故障等);
(3)为了仿真(“性能仿真”与“过程仿真”对模型的要求不同);
(4)为了控制(如设计控制系统的需要)。
1.3辨识问题的表达形式
●最小二乘格式
输出量
是输入向量
的线性组合:
●化差分方程为最小二乘格式
本课程所研究的辨识问题,其模型都必须能化成这种最小二乘格式。
线性过程或本质线性过程其模型都可以化成最小二乘格式。
●化最小二乘格式的例
定义:
将(A)式化为最小二乘格式:
●注意教材中图1.7和1.8的区别
1.4辨识算法的基本原理
●基本原理图(教材中图1.9)
辨识原理框图
●新息的概念
逐步逼近的算法,模型参数
的估计值为
,在k时刻,过程输出预报值为
,则
计算预报误差:
,此称为输出预报误差或新息(Innovation)。
1.5误差准则及其关于参数空间的线性问题
●误差准则
,等价准则、误差准则、损失函数或准则函数。
用的最多的是:
●输出误差准则:
●输入误差准则:
●广义误差准则:
1.6辨识的内容和步骤
●辨识步骤图(教材中图1.14)
辨识基本步骤框图
离线辨识、在线辨识。
辨识的主要内容:
1.实验设计
2.模型结构辨识
3.模型参数辨识
4.模型检验
●辨识目的:
决定模型类型、精度要求、采用何种辨识方法
●先验知识:
对试验设计起指导性作用。
●实验设计
实验设计包括选择和决定
1.输入信号(幅度、频带等)
2.采样时间
3.辨别时间
4.开环或闭环辨识
5.离线或在线辨识
●持续激励
在辨识时间之内过程的动态必须被输入信号持续激励。
即在实验期间,输入信号必须充分激励过程的所有模态。
谱分析角度看,输入信号的频谱必须足以覆盖过程的频谱。
●Cramer-Rao不等式
定理:
如果模型噪声向量
是零均值白噪声,并设模型噪声服从正态分布,则最小二乘参数估计值
是有效估计值,即参数估计值偏差的协方差阵达到Cramé
r-Rao不等式的下界
其中M为Fisher信息矩阵:
最优输入就是使Fisher信息矩阵的逆的一个标量函数达到最小,这个标量函数就可以作为评价模型精度的度量函数。
●D最优准则
1.
取迹(A-最优)
2.
取行列式(D-最优)
●辨识输入信号的选择
1.持续激励输入信号的要求
2.最优输入信号设计的要求
3.工程意义上的考虑
●采样时间的选择
1.满足采样定理,即采样速度不低于信号截止频率的两倍
2.与模型最终应用时的采样时间尽可能保持一致
3.经验公式:
,
表示采样时间,
是过程阶跃响应达到95%时的调节时间。
●数据的零值化处理(去除直流分量)
1.差分法
2.平均法
3.剔除高频成分(一般采用低通滤波器)
●模型结构辨识
模型验前结构的假定、模型结构参数的确定。
●模型参数辨识(本课程的主要内容)
●模型检验(检验方法)
1.利用在不同时间区段内采集数据,分别建立模型;
2.利用两组不同的数据,独立辨识出模型,分别计算其损失函数,然后将两组数据交叉使用,再计算各自的损失函数;
3.增加辨识中使用的数据长度,看损失函数是否有显著变化;
4.检验模型与过程输出残差序列的白色性;
1.7辨识的精度和应用
精度问题:
原因:
结构近似、数据污染和数据长度有限。
辨识结果精度需要有评价的标准,不同的标准会有不同的精度。
最终的评价标准是它在实际应用中的效果。
辨识理论和技术有广泛的应用:
主要有以下几个方面
(1)用于控制系统的设计和分析;
(2)用于过程的在线控制;
(3)用于特定问题的预报、预测;
(4)用于监视过程参数并实现故障诊断;
1.8系统辩识的历史、现状与展望
二十世纪40—50年代基于古典控制理论的(测试阶跃响应、脉冲响应和频率特性)古典辩识方法。
二十世纪50年代末发展起来的现代控制理论为系统辩识提供了理论基础;
计算机的应用为辩识提供了有力工具。
国际自控联盟(IFAC)(http:
//www.ifac-control.org)于1967年召开第一届“系统辩识与参数估计会议”,以后每三年开一届。
我国自1979年开始参加第五届会议是尚无论文,1982年的第六届会议我国已有15篇论文发表。
1988年第八届辩识会议在北京召开。
最近的一次会议是2006年3月的第十四届,在NewcastleAUSTRALIA召开。
1991年出版的中国大百科全书《自动控制与系统工程》卷中,收录了辩识条目24条,另有相关的系统建模(Modelling)条目11条。
1.9系统辨识当前发展的新热点
*非线性系统辩识(机器人);
*快时变与有缺陷样本的辩识;
*生命、生态系统的辩识;
*辩识的专家系统与智能化软件包的开发;
*基于模糊理论、神经网络、小波变换的辩识方法;
*系统辩识与人工智能、人工生命、图象处理、网络技术和多媒体技术的结合;
1.10对辨识及课程的一些思考
●辨识永恒主题:
提出新的建模理论、辨识方法,以及辨识方法在不同条件下,特别是在更弱条件下的性能分析,包括参数估计误差上界估算,如何选择算法中最佳参数(如FFRLS算法中遗忘因子、有限数据窗LS算法中数据窗长度等)获得最小估计误差上界等,都是辨识研究的永恒主题。
●辨识的基本原理:
如今的《系统辨识》,或《过程辨识》、或《参状态数估计》、或《模型与辨识》学科中,依据的基本原理只有两个:
一个是最小二乘辨识原理,一个是随机逼近辨识原理。
所谓的辅助模型辨识思想、递阶辨识原理、多新息辨识理论,以及参数估计误差界理论等,无疑对这门学科的发展开辟了广阔的领域。
●辨识与控制的关系:
系统建模与模型辨识(模型参数估计)是一切控制问题的基础。
在实际控制问题求解中,系统建模和模型参数确定往往占整个时间的80-90%,占整个工程工作量的80-90%。
系统模型参数确定后,剩下的工作只是一个计算机仿真练习,许多现成的控制系统设计方法都可套用。
●对研究生课程的思考:
现在的许多研究生教材(课本)有一个通病,就是力求完整性:
所讲述的内容都具有完备的体系,没有任何缺陷,好像这样才能不被学生问倒。
殊不知,作为研究生教材,不仅要讲述一些基础的完备知识,而且更重要的是,要讲述我们所发现的理论的“缺陷”,存在的问题,有哪些科学问题尚未解决,有哪些可以继续深入地进行开创性工作。
只有这样,我们的研究生通过对这门课的学习后,才能顺利沿着问题的台阶逐步深入。
●对课程目标的思考:
科学研究要强调基础性。
我想对本课程学习所应达到的目标是:
讲授一些基本辨识思想、基本辨识原理、基本辨识理论,以及一些基本的辨识方法,强调应用及动手能力,亲自动手实验用课堂上讲的东西去丰富《系统辨识》这门课,使这门课翻开新的一页。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 系统 辨识