系统辨识经典辨识方法

1. 模型与系统1）模型：把关于实际系统的本质的部分信息简缩成有用的描述形式。

它用来描述系统的运动规律，是系统的一种客观写照或缩影，是分析、预报、控制系统行为的有力工具。

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。

2）系统：有些书里也称为过程，按某种相互依赖关系联系在一起的客体的集合。

本身的含义是比较广泛的，可以指某个工程系统、某个生物学系统，也可以指某个经济的或社会的系统。

这里所研究的“对象”是抽象的，重要的是其输入、输出关系。

2. 残差和新息1）新息（输出预报误差）：是过程输出预报值与实测值之间的误差。

（P13）过程输出预报值： 输出预报误差： 过程输出量： 2）残差：是滤波估计值和实测值之差。

3. 系统可辨识的条件最小二乘方法满足开环可辨识条件；激励信号是持续激励，阶次至少要(na+nb+1)阶。

可辨识条件：为了辨识动态系统，激励信号u 必须在观测的周期内对系统的动态持续地激励。

满足辨识对激励信号最起码的要求的持续激励信号应具备的条件，称“持续激励条件”。

4. 建立数学模型1）建立方法：①理论分析法：机理法或理论建模，“白箱”问题②测试法：系统辨识，“黑箱”问题③两者结合：“灰箱”理论问题2）基本原则：①目的性-明确建模的目的，如控制、预测等。

因为不同的建模目的牵涉到的建模方法可能不同，它也将决定对模型的类型、精度的要求。

②实在性-模型的物理概念要明确。

③可辨识性-模型的结构要合理，输入信号必须是持续激励的；另外数据要充足。

④节省性-待辨识的模型参数个数要尽可能地少。

以最简单的模型表达所描述的对象特征。

5. 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。

1）试验设计：包括输入信号（幅度、频带等）、采样时间、辨识时间（数据长度）、开环或闭环辨识、离线或在线辨识（P19）目的：使采集到的数据序列尽可能多地包含过程特性的内在信息。

系统辨识系统辨识是指对于一个系统的理解和认识，包括对该系统的组成部分、功能特点、作用范围、运行规律等方面的全面把握和分析。

系统辨识是一项专业性很强的技能，需要掌握相关的知识和方法，才能够准确地识别和理解一个系统，为下一步的研究和分析提供基础。

下面将结合案例，详细介绍系统辨识的实施过程、方法和重要性。

一、系统辨识的实施过程1、确定研究对象系统辨识的第一步是确定研究的对象。

这要求我们明确需要研究的系统是什么，它所包括的组成部分、作用范围和影响因素是什么。

例如，如果我们要研究一个电子商务平台的运营情况，就需要明确该平台的组成部分（如前端界面、后端数据处理、用户管理等）、作用范围（如哪些地区、哪些用户群体）、影响因素（如网络带宽、访问量、用户体验等）。

2、了解基本信息了解基本信息是进行系统辨识的重要步骤。

这一步要求对研究对象的整体概貌有一定的了解，了解它的背景、发展历程、目标定位等基本信息。

比如，如果要研究一个企业的运营情况，就需要了解该企业的业务范围、组织架构、发展历程等基本信息，从而对该企业的整体方针、战略、目标等有所了解。

3、分析组成部分组成部分是实施系统辨识的重要内容，它要求我们对研究对象的每个组成部分进行详细分析，进而深入理解整个系统的运行机理。

分析组成部分时，需要考虑以下几点：（1）确定组成部分组成部分包括哪些子系统、模块、模型等。

例如，对于一个银行的信用卡系统，可能包括信用卡开户、交易查询、账单查询、信用额度管理、还款管理等多个子系统。

（2）了解功能特点了解每个组成部分的功能特点是进行系统辨识的核心内容。

这需要我们理解每个组成部分的作用、目标、功能、定位等，并对其运行机理进行深入分析。

例如，信用卡开户系统的功能可能包括用户信息采集、信用评估、授权审核等，每个功能都需要进行详细的分析和研究。

（3）掌握关键指标对于每个组成部分，需要掌握一些关键的指标，如响应时间、系统稳定性、正确率等。

这些指标可以帮助我们评估一个组成部分的表现，并判断其在系统中的重要性和优先级。

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。

系统辨识课程综述作者姓名：王瑶专业名称：控制工程班级：研硕15-8班系统辨识课程综述摘要系统辨识是研究建立系统数学模型的理论与方法。

虽然数学建模有很长的研究历史，但是形成系统辨识学科的历史才几十年在这短斩的几十年里，系统辨识得到了充足的发展，一些新的辨识方法相继问世，其理论与应用成果覆盖了自然科学和社会科学的各个领域。

而人工神经网络的系统辨识方法的应用也越来越多，遍及各个领域。

本文简单介绍了系统辨识的基本原理，系统辨识的一些经典方法以及现代的系统辨识方法，其中着重介绍了基于神经网络的系统辨识方法：首先对神经网络系统便是方法与经典辨识法进行对比，显示出其优越性，然后再通过对改进后的算法具体加以说明，最后展望了神经网络系统辨识法的发展方向。

关键字：系统辨识；神经网络；辨识方法0引言辨识、状态估计和控制理论是现代控制理论三个相互渗透的领域。

辨识和状态估计离不开控制理论的支持，控制理论的应用又几乎不能没有辨识和状态估计技术。

随着控制过程复杂性的提高，控制理论的应用日益广泛，但其实际应用不能脱离被控对象的数学模型。

然而在大多数情况下，被控对象的数学模型是不知道的，或者在正常运行期间模型的参数可能发生变化，因此利用控制理论去解决实际问题时，首先需要建立被控对象的数学模型。

所以说系统辨识是自动化控制的一门基础学科。

图1.1 系统辨识、控制理论与状态估计三者之间的关系随着社会的进步 ,越来越多的实际系统变成了具有不确定性的复杂系统 ,经典的系统辨识方法在这些系统中应用 ,体现出以下的不足 :(1) 在某些动态系统中 ,系统的输入常常无法保证 ,但是最小二乘法的系统辨识法一般要求输入信号已知，且变化较丰富。

(2) 在线性系统中，传统的系统辨识方法比在非线性系统辨识效果要好。

(3) 不能同时确定系统的结构与参数和往往得不到全局最优解，是传统辨识方法普遍存在的两个缺点。

1系统辨识理论综述1.1系统辨识的基本原理根据L.A.Zadel的系统辨识的定义:系统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。

第四章 系统辨识中的实际问题§4 —1 辨识的实验设计一、系统辨识的实验信号实验数据是辨识的基础，只有高质量的数据才能得出良好的数学模型，而且实验数据如果不能满足起码的要求，辨识根本得不出解。

系统辨识学科是在数理统计的时间序列分析的基础上发展起来的，两者的区别在于系统辨识的对象存在着人为的激励（控制）作用，而时序分析则没有。

因此，前者能通过施加激励信号u(k)达到获得较好辩识结果的目的（即实验信号的设计），而后者不能。

（一）系统辨识对实验信号的最起码的要求 为了辨识动态系统，激励信号u 必须在观测的周期内对系统的动态持续地激励。

满足辨识对激励信号最起码的要求的持续激励信号应具备的条件称“持续激励条件”，分以下四种情况讨论： 1． 连续的非参数模型辨识（辩识频率特性）如果系统通频带的上下限为 ωmin ≤ ω ≤ ωmax ,要求输入信号的功率密度谱在此范围内不等于零。

)()()}({)}({)(ωωωj U j Y t u F t y F j G ==2． 连续的参数模型辨识 被辩识的连续传函为，共包含(m+n+1)个参数对于u(t)的每一个频率成分ωi 的谐波，对应的频率响应有一个实部R(ωi )和一个虚部Im(ωi )，由此对应两个关系式（方程），能解出两个未知参数。

因此，为辩识(m+n+1)个参数，持续激励信号至少应包含：j ≥( m+n+1 )/2 个不同的频率成分。

3． 离散的脉冲响应 g(τ)的辨识g(τ) ;τ = 0,1,..m ，假设过程稳定，当 τ > m 时 g(τ)= 0 。

由维纳—何甫方程有：R uy (τ )=∑ g(σ)R uu (τ - σ) 式(4-1-1)由上式得出(m+1)个方程的方程组:上式表达成矩阵形式φuy = φuu G 式（4-1-2） 可解出 G = φuu -1 φuy 式（4-1-3）G s b b s b s a s a s m mn n ()=++++++0111R R R m R R R m R R R m R m R m R g g g m uy uy uy uu uu uu uu uu uu uuuu uu ()()()()()()()()()()()()()()()010******** ⎡⎣⎢⎢⎢⎢⎤⎦⎥⎥⎥⎥=----⎡⎣⎢⎢⎢⎢⎤⎦⎥⎥⎥⎥⋅⎡⎣⎢⎢⎢⎢⎤⎦⎥⎥⎥⎥G = [ g(0),…,g(m) ]T 有解的条件是:如果所有的输出自相关函数式(4-1-4)都存在,且方阵φuu 非奇异, 即det φuu ≠ 0 。

.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姓名学号2018 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模型结构辨识；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，初步确定模型结构；采集数据；然后进行模型参数和结构辨识；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结构，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) 面积法原则上可以求出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：=kG（s）b 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 。

系统辨识三要素举例引言在系统辨识中，三要素是指系统的输入、输出和系统模型。

本文将依次介绍这三个要素，并通过实例进行详细探讨。

输入系统的输入是指对系统产生作用的影响或刺激。

输入可以是物质的，也可以是能量的，还可以是信息的。

下面通过几个例子来说明。

例子1：水龙头的流水当我们打开水龙头，水就会从水龙头中流出，这里的水流就是系统的输入。

水的流动对于水管系统来说，是一个重要的输入信号，系统会根据这个输入信号进行相应的处理和控制。

例子2：摄影机的光线对于一个摄影机来说，光线是其输入的重要因素之一。

当我们拍摄照片或录制视频时，摄影机会通过镜头接收到光线，将光线转化为电信号，并进行进一步的处理和记录。

例子3：人体感应灯的触发人体感应灯是一种智能照明设备，它可以根据人体的活动来自动感应开关。

当有人经过时，人体感应灯会检测到人体的热量和运动，从而触发开关动作。

这里的人体活动就是系统的输入。

输出系统的输出是指系统对输入作用的响应或处理结果。

输出可以是物质的，也可以是能量的，还可以是信息的。

下面通过几个例子来说明。

例子1：电饭煲的煮饭当我们把米和水放入电饭煲中，并设置好煮饭的时间和火力，电饭煲会通过控制加热和保温等操作，将米饭煮熟并保持在适宜的温度，这里的煮熟的米饭就是系统的输出。

例子2：汽车的速度当我们踩下汽车的油门，汽车会根据输入的油门信号，通过引擎和传动系统的协同工作，将化学能转化为机械能，将汽车推动前进。

这里汽车前进的速度就是系统的输出。

例子3：电视的图像和声音当我们打开电视，通过电视的天线、有线、光盘或网络等输入信号，电视会解码和处理这些信号，并将其转化为图像和声音，供我们观看和聆听。

这里的图像和声音就是电视的输出。

系统模型系统模型是对系统输入与输出关系的抽象描述和数学表达。

通过建立系统模型，可以更好地理解和分析系统的行为特性。

下面通过几个例子来说明。

例子1：弹簧振子弹簧振子是一个经典的力学系统，由质点和弹簧组成。