2021年系统辨识期末作业.docx

《2021年系统辨识期末作业.docx》由会员分享，可在线阅读，更多相关《2021年系统辨识期末作业.docx（10页珍藏版）》请在金锄头文库上搜索。

1、系统辨识期末作业一、系统辨识“系统辨识”是讨论如何利用系统试验或运行的、含有噪声的输入输出数据来建立被讨论对象数学模型的一种理论和方法；系统辨识是建模的一种方法， 不同的学科领域， 对应着不同的数学模型；从某种意义上来说， 不同学科的进展过程就是建立他的数学模型的过程；辨识问题可以归结为用一个模型来表示客观系统 或将要构造的系统 本质特点的一种演算，并用这个模型把对客观系统的懂得表示成有用的形式； 当然也可以有另外的描述， 辨识有三个要素： 数据，模型类和准就； 辨识就是依据一个准就在一组模型类中挑选一个与数据拟合得最好的模型； 总而言之， 辨识的实质就是从一组模型类中挑选一个模型， 依据某种

2、准就， 使之能最好地拟合所关怀的实际过程的静态或动态特性；通过系统辨识建立对象数学模型的依据是： 讨论说明， 从外部对一个系统的熟悉， 是通过其输入输出数据来实现的， 既然数学模型是表述一个系统动态特性的一种描述方式， 而系统的动态特性的表现必定包蕴在它变化的输入输出数据中； 所以， 通过记录系统在正常运行时系统的输入输出数据， 或者通过测量系统在人为输入作用下的输出响应，然后对这些数据进行适当的系统处理、数学运算和归纳整理， 提取数据中包蕴的系统信息， 从而建立被控对象的数学描述， 这就是系统辨识；即系统辨识就是一种利用数学的方法从输入输出数据序列 中提取对象数学模型的方法；下面从三个方面来

3、对系统辨识进行介绍：1、统辨识的方法（1） ）、经典的系统辨识方法在经典掌握理论中， 所分析讨论的是单输入单输出系统， 常常用到的系统模型是频率响应、 权函数和传递函数； 所以早期系统辨识工作的主要内容也就是寻求描述单变量系统的频率特性、权函数和系统的传递函数；早期的系统辨识所用的方法大多是在肯定的连续时间性的输入 信号下（非周期的或周期的） ，观测被识对象对这种输入作用的响应， 例如频率响应或阶跃响应； 依据需要， 再由这些响应特性求出系统的参数模型；这些方法有阶跃响应法、频率特性法和相关分析法；这几 种方法由来已久，并经过实践考证证明它们是可取的；（2） ）、现代的系统辨识方法为了满意复杂

4、系统的需求， 人们不断地在探究更有效的方法来辨识系统，其中最小二乘法、 立即靠近法、极大似然法和预报误差法是比较典型的现代系统辨识方法；在这几种辨识方法中， 最小二乘法 Ls 是一种经典的数据处理方法，它的特点是运算原理简洁，不需要随机变量的任何统计特性，目 前，它已成为动态系统辨识的主要手段；从运算讲，它既可以离线计 算，又可在线递推运算，并可在非线性系统中扩展为迭代运算；从计 算的数学模型看， 它既可用于参数型模型估量， 也可用于非参数型模型估量；但由于最小二乘估量是非一样的、有偏差的，因而为了克服 它的不足， 形成了一些以最小二乘法为基础的辨识方法： 广义最小二乘法 GLS 、帮助变量法

5、 IVA 和增广矩阵法 EM，以及将一般的最小二乘法与其它方法相结合的方法， 有相关分析最小二乘两步法COR US和随机靠近算法 极大似然法 ML 对特别的噪声模型有很 好的性能，具有很好的理论保证；但运算耗费大，可能得到的是缺失 函数的局部微小值；2、系统辨识方法讨论现状我们可以把经典的系统辨识方法和现代的系统辨识方法统称为 传统的系统辨识方法， 传统的系统辨识方法虽然已经进展的比较成熟和完善，但也仍存在着肯定的不足和局限：（1） 基于最小二乘法的系统辨识一般要求输人信号已知且必需具有较丰富的变化，这一条件在很多一般闭环掌握系统是可以满意的，而在某 动态猜测系统和过程掌握系统中，系统的输入往

6、往无法精确获得或不答应随便转变，因此这些传统的方法不便直接应用；(2) 传统的系统辨识方法对于线性系统的辨识具有很好的辨识成效，但对于非线性系统往往不能得到中意的辨识结果(3) 传统的辨识方法普遍存在着不能同时确定系统的结构与参数以及往往得不到全局最优解的缺点；随着智能掌握理论讨论的不断深化及其在掌握领域的广泛应用， 从靠近理论和模型讨论的进展来看， 非线性系统建模已从用线性模型靠近进展到用非线性模型靠近的阶段； 由于非线性系统本身所包含的现象特别复杂， 很难推导出能适应各种非线性系统的辨识方法，因此非线性系统的辨识仍没有构成一个完整的科学体系；现在讨论的比较典型的方法是：集员系统辨识法、多层

7、递阶系统辨识法、神经网络系 统辨识法、遗传算法系统辨识法、模糊规律系统辨识法、小波网络系 统辨识法 ；在这几种讨论的方法中，模糊规律系统辨识法已经相当成熟了，并在很多领域得到了应用，它的基本原理如下：模糊规律理论用模糊集合理论， 从系统输入和输出的量测值来辨识系统的模糊模型， 也是系统辨识的一个新的和有效的方法， 在非线性系统辨识领域中有特别广泛的应用； 因而，模糊规律辨识法深受讨论者的青睐； 模糊规律辨识具有特殊的优越性： 能够有效地辨识复杂和病态结构的系统；能够有效地辨识具有大时延、时变、多输入单输 出的非线性复杂系统； 可以辨识性能优越的人类掌握器； 可以得到被控对象的定性与定量相结合的

8、模型； 模糊规律建模方法的主要内容可分为两个层次：一是模型结构的辨识，另一个是模型参数的估量； T S 模糊模型是一种经典的模糊模型，该模糊模型是以局部线性化为基础， 通过模糊推理的方法实现了全局的非线性； 该模型具有结构上简洁、靠近才能强等特点，已经成为模糊规律辨识中常用的模型； 典型的模糊结构辨识方法有：模糊网格法、自适应模糊网格法、模糊 聚类法及模糊搜寻树法等； 其中模糊聚类法是目前最常用的模糊系统结构辨识方法， 其中心问题是设定合理的聚类指标，依据该指标所确定的聚类中心可以使模糊输入空间划分最优；另外，仍有一些把模糊理论与神经网络、遗传算法等相结合而形成的辨识方法；近二十年来， 系统辨

9、识获得了长足的进展， 已经成为掌握理论的一个特别活跃而又重要的分支； 从线性现象和线性系统的讨论过渡到非线性现象和非线性系统的讨论是科学进展的必定结果，这不仅是对科学家们一种新的挑战， 而且也是人类社会向更高级形式演化的一种必定；随着智能掌握理论、 遗传算法理论等的不断成熟，逐步形成了形式多样的现代的系统辨识方法， 并且已在实际问题应用中取得了较好的使用成效； 我们可以预见对不确定性的复杂系统的辨识讨论很难或根本不行能找到一种统一的辨识方法来处理， 这就需要人们分门别类地去讨论， 去解决所遇到的各种详细问题； 系统辨识将来的进展趋势将是经典系统辨识方法理论的逐步完善， 同时随着一些新型学科的产

10、生，有可能形成与之相关的系统辨识方法， 使系统辨识成为综合性多学科理论的科学；3、系统辨识方法的应用随着科学技术的进展， 系统辨识得到了广泛的应用； 在化工过程中，要求确定化学动力学和有关参数，已打算工程的反应速度；在热 工过程中，要求确定如热交换这样的分布参数的系统及其动态参数； 在生物系统方面， 通常期望获得其较精确的数学模型， 以便描述在生物群体系统的动态参数； 为了掌握环境污染， 期望得到大气污染模型和水质模型；为进行人口预报，做出相应的决策，要求建立人口增长 的动态模型；对产品需求量、新型工业的增长规律这类经济系统，已 经建立并连续要求建立其定量的描述模型；其他如结构或机械的振动、地

11、质分析、气象预报等等，都涉及系统辨识和系统参数估量，这类要求正在不断扩大；详细的，有学者讨论过极大似然法在水下机器人系统辨识中的应 用，他主要探讨了极大似然参数估量法及其放松算法，将它们应用于水下机器人运动模型的辨识中； 利用水下机器人的海上类 Z型试验数据，辨识得到某智能水下机器人水动力系数， 并对比了两种算法的结果， 可看出放松算法有更好的收敛性然后用辨识得到的水动力系数建立了水下机器人的运动模型， 用运动仿真进行了模型验证； 仿真结果说明辨识得到的数学模型是牢靠的； 本方法对于水下机器人操纵与白适应控翩的讨论有较大的实际意义；二、自适应掌握1、定义在掌握系统的运动过程中，系统本身不断地识

12、被控系统的状态、性能或参数，从而“熟悉”或“把握”系统当前的运行指标并与期望的指标相比较，进而做出决策，来转变掌握器的结构、参数或依据适应性的规律来转变掌握作用， 以保证系统运行在某种意义下的最优或次优状态下；按这种方式建立的掌握系统称为自适应系统；2、讨论现状详细的自适应掌握系统可以各有不同， 但是自适应掌握器的功能却是相同的； 依据所参考的对象的情形， 自适应掌握可分为模型参考自适应掌握 MRAC和 无模型自适应掌握 MFAC两类；将自适应掌握理论和其他的一些理论结合， 就产生了其他的自适应掌握手段；由于模糊系统和神经网络系统均能以任意精度靠近非线 性系统， 因此它们在非线性自适应掌握中的

13、应用具有美好前景；很多学者在这方面绽开积极的讨论， 文献中常见的有模糊自适应掌握、 神经网络自适应掌握以及模糊神经网络自适应掌握等等；自适应掌握系统目前在理论上尚有较多的不完善地方，且设计方法也不是尽善尽美的； 由于设计思想和理论工具的局限， 现有的自适应掌握系统在设计时有两个主要原就， 其一，一般只假定系统是线性定常的，阶次已知（这一点有时可以去掉）；其二，设计是从系统的 稳固性动身的；此外，保证系统的闭环稳固性无疑也是最重要的；但是，由于实际系统往往具有复杂性，例如最常见的非线性、分散性、快时变性等； 对于具有这些特性的系统， 用现有的设计方法就难以得到抱负的掌握成效；3、应用迄今为止，

14、自适应掌握在很多方面得到了胜利的应用， 特别在工业生产领域中， 如对锅炉汽包水位可以采纳模糊自适应掌握策略，它的原理如下：针对汽包水位常规的 PID掌握方式，采纳了一种模糊自适应PID掌握器，使用常规模糊掌握和带积分器的模糊掌握两种掌握 策略作用于锅炉汽包水位掌握系统；仿真结果说明，与传统PID掌握器相比， 模糊掌握器取得了良好的动态性能和鲁棒性能，实现汽包水位的自适应调剂， 而两种掌握策略中的带积分器的模糊掌握其动态和静态性能都较好；三、结语系统辨识和自适应掌握室两门联系紧密的学科；在自然和社会科学的很多领域中，系统的设计、系统的定量分析、系统综合及系统的掌握，以及对其将来行为的猜测，都需要知道系统的动态特性；将被讨论的对象模型化，就是开展这些工作的前提、基础和手法之一， 因此，建立描述系统动态特性的数学模型及论述建立模型的理论和方法，即是系统辨识讨论的内容；而自适应掌握讨论的对象是具有不确定性的系统；我们知道要胜利地设计一个性能良好的掌握系统，需要把握被控过程的动态特 性，然而，实际上有一些被控对象或过程的动态特性是事先难以确知的，或者对它们的数学模型是常常变化的，对于这类对象，常规反馈掌握方法的成效往往难以令人中意，而对这种系统特性常常发生波动，事先却无法完全确定的情形下， 如何设计一个高性能的掌握系统， 是自适应掌握所要讨论的问题；