《系统辨识与自适应控制》硕士研究生必修课程考核（检测技术与自动化装置专业）2003．5. 22
可下载自https://www.doczj.com/doc/4b3463268.html,/xuan/leader/mrj/ 学生姓名：考核成绩：
一、笔试部分 (占课程成绩的 80% )
考试形式：笔试开卷
答卷要求：笔答，可以参阅书籍，要求简明扼要，不得大段抄教材，不得相互抄袭
试题：
1 简述系统辨识的基本概念（概念、定义和主要步骤）（10分）
2 简述相关辨识的基本原理和基于二进制伪随机序列的相关辩识方法（原理、
框图、特点）。（10分）
3 简述离散线性动态（SI / SO）过程参数估计最小二乘方法（ＬＳ法）的主要
内容和优缺点。带遗忘因子递推最小二乘估计（ＲＬＳ法）的计算步骤和主要递推算式的物理意义（10分）
4 简述什么是时间序列？时间序列建模如何消除恒定趋势、线性趋势和季节性
的影响？（10分）
5 何谓闭环系统的可辨识性问题，它有那些主要结论？（10分）
6 何谓时间离散动态分数时滞过程？“分数时滞”对过程模型的零点和极点有
什么影响？（10分）
7 简述什么是自适应控制，什么是模型参考自适应控制（MRAC）？，试举一例说明MRAC的设计方法（10分）。
8 请设计以下过程( yr = 0 )
y(k) -1.6y(k-1)+0.8y(k-2) = u(k-2)- 0.5u(k-3)+ε(k)+1.5ε(k-1)+0.9ε(k-2) 的最小方差控制器（MVC）和广义最小方差控制器（GMVC）, 并分析他们的主要性能。（10分）
二、上机报告ＲＬＳ仿真（占课程成绩的 20%）
交卷时间：6月9日下午
试题标准答案
1 简述系统辨识的基本概念（概念、定义和主要步骤）（10分）
系统辩识是研究怎样利用未知系统的试验或运行数据（输入/输出数据）建立系统的数学模型的科学，是现代控制理论的一个分支。数学模型具有近似性和非唯一性，依据辩识的不同目的，系统辨识的结果也能有不同答案。（3分）定义：按照数学等价的观点定义为“系统辩识是在输入/输出数据的基础上，从一类模型中确定一个与所测系统等价的模型”。按照逼近的观点定义为“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”。（4分）
辨识的主要步骤：（3分）
1、明确目的，尽可能多的获取先验知识；
2、实验设计；
3、模型结构的确定（假设与检验）；
4、参数估计；
5、模型验证。
2、简述相关辨识的基本原理和基于二进制伪随机序列的相关辩识方法（原理、框图、特点）。（10分）
相关辩识的理论基础是维纳—何普方程：
R xy ( τ ) =?o∞ g (ν)R xx ( τ - ν) dν（3分）基于二进制伪随机序列的相关辩识方法
用二位式周期性伪随机信号x(t)，大大缩短积分时间并使乘法运算简化。（3分）优点：（1）辨识结果与（t）不相关；
（2）x(t)幅值±a比直接测量g(t) 时小，可在线辩识；
（3）方法简单，容易实现。（2分）
缺点：（1）辩识时间长（解决办法——多路并行）；
（2）在线辩识时对f(t) 有严格限制（0或常数）； （3）得到的是非参数模型。 （2分）
3 简述离散线性动态（SI / SO ）过程参数估计最小二乘方法（ＬＳ法）的主要
内容和优缺点。带遗忘因子递推最小二乘估计（ＲＬＳ法）的计算步骤和主要递推算式的物理意义（10分） 考虑过程模型（CAR ）：
其中{ y(k) }和{ u(k) }为可测的输出和输入，{ ε(k) }为不可测的随机干扰。
估计准则：使得以下目标函数达到最小：
解出：
N
T N N T N N
y
--∧-=φφφθ
1)(
可视为以下正则方程
N
T N N N T
N
y -∧-=φθ
φφ
.
)(
的解，称为最小二乘的“一次完成算法”。其优点是：
（1） 不要求对{ （k ）} 的统计特性有任何验前知识；
（2） 如果{
（k ）}为零均值白噪声，则可得渐进无偏估计，即当 N → ∞
时， -
-
∧
-=-0)(2θθN
E ， 且 -
∧-→θθN
。
（3） 算法简单可靠，应用广泛； （4） 可推广到多输入 多输出系统。
缺点（1）如果{
（k ）}为有色噪声，则得出的估计是有偏的；
（2）仅适于离线辩识，要记忆全部测量数据，程序长。 （5分）
∑∑
==+-=-+n i n i i i k i k u b i k y a k y 11
)()()()(ε∑=∧
-=N
k T
k k y J 1
2
])([θ?
带遗忘因子递推最小二乘估计（ＲＬＳ法）的计算步骤共由以下八个步骤组成：
（1）置初值，令：-
∧
-=00
θ 和 P 0 =
I 2n ?2n ,其中
= 103 ~ 106 ；设定
遗忘因子（ 0 < < 1 ），取值范围 （0.95~0.995）,
值愈小，“遗
忘”愈快。 （2）构成数据向量
N+1 ；
（3）进行新的第N+1次采样； （4）计算 K N+1 ； （5）计算新的参数估计 !
+∧-N θ
；
（6）计算估计误差的协方差阵 P N+1 ； （7）终点判断，如果未到终点，置 N N+1，返回到步骤 （2），如果
已
到终点则转到下一步骤； （8）输出模型辨识结果。 主要递推算式 ])1([11
1
N
T
N N N
N N y K
-+-+-∧
-+∧--++=θ?
θθ
有明显的物理意义如下：用 N
T
N N N y ∧
-+-∧
=+θ?
1)1(
表示N 时刻对N+1时刻输出量的预报。预报误差( 被称为 新息 ) 为
()N
T
N N y N N y N y N N y ∧
-+-∧
-+=+-+=+θ?
1)1()1()1(1~
第N+1步的参数估计可表达成
)
1(~
1
1
N N y K
N N
N ++=+-∧
-+∧-θθ
物理意义：新的参数估计1
+∧-N θ
是对上次老的估计 N
∧-θ
进行修正而得出的，
修正的依据是利用在N
∧-θ
对新的输出 y(N+1) 预报的预报误差。K N+1是修正系数
向量，它需要递推计算得出，在递推计算K N+1时要用到估计误差的协方差阵P N ，而后者也是递推得出的。 （5分）
4 简述什么是时间序列？时间序列建模如何消除恒定趋势、线性趋势和季节性
的影响？（10分）
对系统观测得出的按照时间顺序排列的数据称之为时间序列。时间序列分析建模是基于时间序列，通过曲线拟合和参数估计或者谱分析，建立数学模型的理论与方法，理论基础是数理统计。 （5分）
通过引入算子，定义为： =（1 - B ） ， 即
x t = x t - x t-1 可以消
除恒定趋势。
利用算子 2
= ( 1 – B ) 2 可以消除线性趋势。
引入算子：s = 1 – B
s
消除按照一定周期波动的季节性的影响。（5分）
5 何谓闭环系统的可辨识性问题，它有那些主要结论？（10分）
开环系统的输入量 u 是外加的，而闭环系统 u 是由输出 y 经过某种反馈联系产生的。因此，从闭环系统的输入——输出数据中获得的信息比从开环系统中得到的少，由此带来了闭环情况下系统的可辨识性问题。（4分）
主要结论有：（1）在闭环状态下，不能由实验数据来辨识出模型的阶数，即在纯闭环下的阶数的不可辨识。（2）如果模型阶数已知，能否由实验数据来估计过程参数呢？结论是有条件的。如不满足一定的条件，参数亦是不可辨识的。闭环系统的参数可辨识条件是：
n f ≥ n b – p + 1 或者 n d ≥ n a – p + 1
上两式给出闭环系统参数可以辨识的充分条件，如若以上两个条件之一能够被满足，则A (z -1) 、B(z -1)和C (z -1) 的参数是可以辨识。
如果n = n a = n b , m = n f = n d , p = 1，则以上条件可合并概括为为 m ≥ n , 即：反馈通道的阶次不低于正向通道的阶次。时滞大，有利于闭环可辨识性。如果存在外激励信号，或者反馈通道中有干扰存在，则参数是可辨识的。（6分）
7 何谓时间离散动态分数时滞过程？“分数时滞”对过程模型的零点和极点有 什么影响？（10分）
考虑带纯滞后T t 的线性过程
以采样间隔T 进行离散化，如若T t 与T 之间不是整数倍的关系，即：
T t =（d+）
T , d = 0, 1, 2 , … ；0
< 1，则离散化后的过程为“分
数时滞”过程。 （4分）
“分数时滞”不影响离散过程的极点；由于“分数时滞”的影响，离散化的过程零点数比“整数时滞”离散过程的零点数增多了一个，而增加的零点很可能位于单位圆之外。 （6分）
8 简述什么是自适应控制，什么是模型参考自适应控制（MRAC ）？，试举一例说明MRAC 的设计方法（10分）。
能在系统和环境的新息不完备的情况下改变自身特性来保持良好工作品质的控制系统，称自适应控制系统。一个典型的比较完善的自适应控制系统包含：辨识——决策——调整三个部分组成。自适应控制系统是本质非线性系统。（2分）
模型参考自适应控制（MRAC ）系统包含一个参考模型，模型动态表征了对系统动态性能的理想要求，MRAC 通过与参考模型的比较，察觉被控对象特性的变化，力求使被控系统的动态响应与模型的响应相一致。MRAC 具有跟踪迅速的突出优点。系统的难点在于如何保证自适应控制回路的稳定性。 （2分）
MRAC 有两类设计方法：一类是“局部参数最优化设计方法”，目标是使得
S
T t e )
s (Q )s (P )s (u )s (y )s (G -==
性能指标J 达到最优化；另一类是使得自适应控制系统能够确保稳定工作，称之为“稳定性理论的设计方法。
以具有一个时变参数——可调增益（MIT 方案）为例说明MRAC 设计。
定义广义误差为 e = y m – y s ，用梯度法的局部参数最优化的设计方法，自适应控
制的目标是使得以下与广义误差有关的自适应控制性能指标 J 达到最小：
由梯度法有：
???-??-=?t
t c
c c
d K e
e K J K 0
2τ
λλ
得出
其中：B = 2 λ K s / K m , 当K s 与K m 同号时B 为正值常系数，即自适应回路的积分时间常数。实现的方案如下图，自适应回路由乘法器与积分器组成。该方案能够使得J 为最小，但是不能确保自适应回路是稳定的。方案实现如下图：
J e d t
=
?
20
()ττ
（也可以选择用稳定性理论的设计方法为例）（6分）
8 请设计以下过程( yr = 0 )
y(k) -1.6y(k-1)+0.8y(k-2) = u(k-2)- 0.5u(k-3)+ε(k)+1.5ε(k-1)+0.9 ε(k-2)
的最小方差控制器（MVC）和广义最小方差控制器（GMVC）, 并分析他们的主要性能。（10分）
过程 A y(k)=z-d Bu(k)+λCε(k) 其中
A = 1-1.6 z-1+0.8 z-2 ;
B = 1- 0.5z-1 ;
C = 1+1.5 z-1+0.9 z-2；d=2 ; n=2 由长除法得：F = 1+ 3.1z-1; G = 5.06- 2.48z-1
最小方差控制器（MVC）的设计：由k 时刻的控制量u(k) 由如下控制目标J=E[ y2(k+d)-y r ] ∣u(k)=u*(k) = min
得出MVC控制律为（当y r =0时）
其中：G =5.06- 2.48z-1 B F =1+2.6 z-1 -1.55 z-2
最小方差控制器（MVC）的主要性能是：
（1）调节误差的方差为：E y2(k+d) = λ2 E [Fε(k+d)]2 = λ2 (1+f12) = λ2（2）（2）算法简单，容易实现；
（3）只适用于逆稳定（最小相位）过程；
（4）控制的目标函数中仅考虑使得E y2为最小，没有考虑对u 的约束，有可能因导致过大的控制动作而不能实现。（5分）
广义最小方差控制器（GMVC）的设计：
当控制目标为（y r = 0 时）：
J=E[ y2(k+d) + μ?u2(k) ] ∣u(k)=u*(k) = min （μ为抑制{ u2 (k)}的加权系数）则得出广义最小方差GMVC控制律为（当y r =0时）：
（若μ=0，则上式退化为MVC）
加权因子μ的作用是：（1）抑制{ u2(k)}，使得控制动作不至于太大而不能够实现；（2）使得GMVC可适用于非最小相位过程；（3）由于μ的存在，使得控制误差的方差有所损失，但是当μ的值很小时造成的损失不大。（5分）
实验报告 --实验1.基于matlab的4阶系统辨识实验 课程：系统辨识 题目：基于matlab的4阶系统辨识实验 作者： 专业：自动化 学号：11351014 目录 实验报告 (1) 1.引言 (2) 2.实验方法和步骤 (2) 3.实验数据和结果 (2) 4.实验分析 (4)
1、 引言 系统辨识是研究如何确定系统的数学模型及其参数的理论。而模型化是进行系统分析、仿真、设计、预测、控制和决策的前提和基础。 本次实验利用matlab 工具对一个简单的4阶系统进行辨识，以此熟悉系统辨识的基本步骤，和matlab 里的一些系统辨识常用工具箱和函数。 这次实验所采取的基本方法是对系统输入两个特定的激励信号，分别反映系统的动态特性和稳态特性。通过对输入和输出两个系统信号的比较，来验证系统的正确性。 2、 实验方法和步骤 2.1 实验方法 利用matlab 对一个系统进行辨识，选取的输入信号必须能够反映系统的动态和稳态两个方面的特性，才能更好地确定系统的参数。本次实验采取了两种输入信号，为反映动态特性，第一个选的是正弦扫频信号，由下面公式产生： 选定频率范围 ，w(t)是时间t 的线性函数，具有扫频性质，可以反映系统的动态特性。 为反映稳态特性，选的输入信号是阶跃信号。以上的到两组数据，利用matlab 的merge()函数，对两组数据融合，然后用matlab 系统辨识工具箱中的基于子空间方法的状态空间模型辨识函数n4sid()来对系统进行辨识 2.2 实验步骤 (1)建立一个4阶的线性系统，作为被辨识的系统，传递函数为 3243211548765 ()125410865 s s s G s s s s s -+-+=++++ (2)产生扫频信号u1和阶跃信号u2 (3)u1、u2作为输入对系统进行激励，分别产生输出y1和y2 (4)画出稳态测试输入信号u1-t 的曲线，和y1-t 的曲线 画出动态测试输入信号u2-t 的曲线，和y2-t 的曲线 (5)使用merge()函数对u1-y1数据和u2-y2数据进行融合，并使用n4sid()函数对系统进行辨识。 (6)画出原系统和辨识出的系统的零极点图，画出原系统和辨识出的系统的阶跃响应特性曲线，通过对比，验证辨识出的系统的准确性。 3、 实验数据和结果 （1） 分别以扫频正弦函数、阶跃函数作为系统的激励，得到的输出：
上海大学2015 ～2016学年冬季学期研究生课程考试 小论文格式 课程名称：系统建模与辨识课程编号： 09SB59002 论文题目: 基于改进的BP神经网络模型的网络流量预测 研究生姓名: 李金田学号: 15721524 论文评语: 成绩: 任课教师: 张宪 评阅日期:
基于改进的BP神经网络模型的网络流量预测 15721524，李金田 2016/3/4 摘要：随着无线通信技术的快速发展，互联网在人们的日常生活中占据了越来越重要的位置。网络中流量监控和预测对于研究网络拓扑结构有着重要的意义。本文参考BP算法，通过分析算法的优势和存在的一些问题，针对这些缺陷进行了改进。通过建立新的流量传输的传递函数，对比了经典的传递函数，并且在网络中进行了流量预测的实验和验证。新方法在试验中表现出了良好的实验性能，在网络流量预测中有很好的应用，可以作为网络流量预测的一个新方法和新思路，并且对研究网络拓扑结构有着重要的启发作用。网络流量预测在研究网络行为方面有着重要的作用。ARMA时间序列模型是比较常见的用于网络流量预测的模型。但是用在普通时间序列模型里面的一些参数很难估计，同时非固定的时间序列问题用ARMA模型很难解决。人工神经网络技术通过对历史数据的学习可能对大量数据的特征进行缓存记忆，对于解决大数据的复杂问题很合适。IP6 网络流量预测是非线性的，可以使用合适的神经网络模型进行计算。 A Novel BP Neural Network Model for Traffic Prediction of The Next Generation Network. Abstract:With the rapid development of wireless communication technology, the internet occupy an important position in people’s daily life. Monitoring and predicting the traffic of the network is of great significant to study the topology of the network. According to the BP algorithm, this paper proposed an improved BP algorithm based on the analysis of the drawback of the algorithm. By establishing a new transfer function of the traffic transmission, we compare it with the previous transmission function. Then, the function is used to do experiments, found to be the better than before. This method can be used as a new way to predict the network traffic, which has important implications for the study of the network topology. Network traffic prediction is an important research aspect of network behavior. Conventionally, ARMA time sequence model is usually adopted in network traffic prediction. However, the parameters used in normal time sequence models are difficult to be estimated and the nonstationary time sequence problem cannot be processed using ARMA time sequence problem model. The neural network technique may memory large quantity of characteristics of data set by learning previous data, and is suitable for solving these problems with large complexity. IP6 network traffic prediction is just the problem with nonlinear feature and can be solved using appropriate neural network model.
《系统辨识与自适应控制》硕士研究生必修课程考核（检测技术与自动化装置专业）2003．5. 22 可下载自https://www.doczj.com/doc/4b3463268.html,/xuan/leader/mrj/ 学生姓名：考核成绩： 一、笔试部分 (占课程成绩的 80% ) 考试形式：笔试开卷 答卷要求：笔答，可以参阅书籍，要求简明扼要，不得大段抄教材，不得相互抄袭 试题： 1 简述系统辨识的基本概念（概念、定义和主要步骤）（10分） 2 简述相关辨识的基本原理和基于二进制伪随机序列的相关辩识方法（原理、 框图、特点）。（10分） 3 简述离散线性动态（SI / SO）过程参数估计最小二乘方法（ＬＳ法）的主要 内容和优缺点。带遗忘因子递推最小二乘估计（ＲＬＳ法）的计算步骤和主要递推算式的物理意义（10分） 4 简述什么是时间序列？时间序列建模如何消除恒定趋势、线性趋势和季节性 的影响？（10分） 5 何谓闭环系统的可辨识性问题，它有那些主要结论？（10分） 6 何谓时间离散动态分数时滞过程？“分数时滞”对过程模型的零点和极点有 什么影响？（10分） 7 简述什么是自适应控制，什么是模型参考自适应控制（MRAC）？，试举一例说明MRAC的设计方法（10分）。 8 请设计以下过程( yr = 0 ) y(k) -1.6y(k-1)+0.8y(k-2) = u(k-2)- 0.5u(k-3)+ε(k)+1.5ε(k-1)+0.9ε(k-2) 的最小方差控制器（MVC）和广义最小方差控制器（GMVC）, 并分析他们的主要性能。（10分） 二、上机报告ＲＬＳ仿真（占课程成绩的 20%） 交卷时间：6月9日下午
系统辨识与自适应控制 学院： 专业： 学号： 姓名：
系统辨识与自适应控制作业 一、 对时变系统进行参数估计。 系统方程为：y(k)+a(k)y(k-1)=b(k)u(k-1)+e(k) 其中：e(k)为零均值噪声，a(k)= b(k)= 要求：1对定常系统（a=0.8,b=0.5）进行结构（阶数）确定和参数估计； 2对时变系统，λ取不同值（0.9——0.99）时对系统辨识结果和过程进行 比较、讨论 3对辨识结果必须进行残差检验 解：一（1）： 分析：采用最小二乘法（LS ）：最小二乘的思想就是寻找一个θ的估计值θ? ， 使得各次测量的),1(m i Z i =与由估计θ? 确定的量测估计θ??i i H Z =之差的平方和最小，由于此方法兼顾了所有方程的近似程度，使整体误差达到最小，因而对抑制误差是有利的。在此，我应用批处理最小二乘法，收敛较快，易于理解，在系统参数估计应用中十分广泛。 作业程序： clear all; a=[1 0.8]'; b=[ 0.5]'; d=3; %对象参数 na=length(a)-1; nb=length(b)-1; %na 、nb 为A 、B 阶次 L=500; %数据长度 uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i) yk=zeros(na,1); %输出初值 x1=1; x2=1; x3=1; x4=0; S=1; %移位寄存器初值、方波初值 xi=randn(L,1); %白噪声序列 theta=[a(2:na+1);b]; %对象参数真值 for k=1:L phi(k,:)=[-yk;uk(d:d+nb)]'; %此处phi(k,:)为行向量，便于组成phi 矩阵 y(k)=phi(k,:)*theta+xi(k); %采集输出数据 IM=xor(S,x4); %产生逆M 序列 if IM==0 u(k)=-1; else u(k)=1; end S=not(S); M=xor(x3,x4); %产生M 序列
系统辨识研究的现状 徐小平1,王 峰2,胡 钢1 (1.西安理工大学自动化与信息工程学院 陕西西安 710048;2.西安交通大学理学院 陕西西安 710049) 摘 要:综述了系统辨识问题的研究进展,介绍了经典的系统辨识方法及其缺点,引出了将集员、多层递阶、神经网络、遗传算法、模糊逻辑、小波网络等知识应用于系统辨识得到的一些现代系统辨识方法,最后总结了系统辨识今后的发展方向。 关键词:系统辨识;集员;多层递阶;神经网络;遗传算法;模糊逻辑;小波网络 中图分类号:TP27 文献标识码:B 文章编号:1004-373X (2007)15-112-05 A Survey on System Identif ication XU Xiaoping 1,WAN G Feng 2,HU Gang 1 (1.School of Automation and Information Engineering ,Xi ′an University of Technology ,Xi ′an ,710048,China ; 2.School of Science ,Xi ′an Jiaotong University ,Xi ′an ,710049,China ) Abstract :In this paper the advance in the study of system identification is summarized.First ,the traditional system identi 2fication methods and their disadvantages are introduced.Then ,some new methods based on set membership ,multi -level re 2cursive ,neural network ,genetic algorithms ,f uzzy logic and wavelet network are presented.Finally ,f urther research directions of system identification are pointed out. K eywords :system identification ;set membership ;multi -level recursive ;neural network ;genetic algorithms ;f uzzy logic ;wavelet network 收稿日期:2007-04-16 基金项目:教育部博士学科基金(20060700007); 陕西省自然科学基金(2005F15)资助项目 1 引 言 辨识、状态估计和控制理论是现代控制理论三个互相渗透的领域。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。系统辨识正是适应这一需要而形成的,他是现代控制理论中一个很活跃的分支。社会科学和自然科学领域已经投入相当多的人力和物力去观察、研究有关的系统辨识问题。从1967年起,国际自动控制联合会(IFAC )每3年召开一次国际性的系统辨识与参数估计的讨论会。历届国际自动控制联合会的系统辨识会议均吸引了众多的有关学科的科学家和工程师们的积极参加。 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,不同学科的发展过程就是建立他的数学模型的过程。1962年,L.A.Zadeh 给出辨识这样的定义[1]:“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。”当然按照Zadeh 的定义,寻找一个与实际过程完全等价的模型无疑是非常困难的。而从实用性观点出发,对模型的要求并非如此苛刻,为此,对辨识又有一些实用性的定义。比如,1974年,P.E.ykhoff 给出辨识的定义[2]为:“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)本质特征的一种演算,并用这个模型把对客观系统的理解表示成有用的形式。”1978年,L. Ljung 给辨识下的定义[3] 更加实用:“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。”总而言之,辨识的实质就是从一组模型类中选择一个模型,按照某种准则,使之能最好地拟合所关心的实际过程的静态或动态特性。 本文首先介绍了经典的系统辨识方法,并指出其存在的缺陷,接着对近年来系统辨识的现代方法作以简单的综述,最后指出了系统辨识未来的发展方向。2 经典的系统辨识 经典的系统辨识方法[4-6]的发展已经比较成熟和完 2 11
研究生课程实验封面 课程名称： 报告题目： 学生学号： 学生姓名： 任课教师： 学位类别： 1 系统辨识部分 1.1 题目 直流电动机的辨识与自适应系统设计与仿真
1.1.1 工作原理 图1是一台最简单的直流电动机的模型，N和S是一对固定的磁极(一般是电磁铁，也可以是永久磁铁)。磁极之间有一个可以转动的铁质圆柱体，称为电枢铁芯。铁芯表面固定一个用绝缘导体构成的电枢线圈abcd，线圈的两端分别接到相互绝缘的两个弧形铜片上，弧形铜片称为换向片，它们的组合体称为换向器。在换向器上放置固定不动而与换向片滑动接触的电刷A和B，线圈abcd通过换向器和电刷接通外电路。电刷铁芯、电刷线圈和换向器构成的整体称为电枢。 此模型作为电动机运行时，将直流电源加于电刷A和B，例如将电源正极加于电刷A，将电源负极加于电刷B，则线圈abcd中流过电流。在导体ab中，电流由a流向b，在导体cd中，电流由c流向d。载流导体ab和cd均处于N和S 极之间的磁场中，受到电磁力的作用。电磁力的方向由左手定则确定，可知这一对电磁力形成一个转矩，称为电磁转矩，转矩的方向为逆时针方向，使整个电刷逆时针方向旋转。当电刷旋转180度，导体cd和ab交换位置，如图1所示。由于电流仍从电刷A流入，使cd中的电流变为由d流向c，而ab中的电流由b流向a，从电刷B流出，用左手定则判别可知，电磁转矩的方向仍是逆时针方向。 由此可见，加于直流电动机的直流电流，借助换向器和电刷的作用，变为电枢线圈中的交变电流。这种将直流电流变为交变电流的过程称为逆变。由于电刷线圈所处的磁极也是同时交变的，这使电刷产生的电磁转矩的方向恒定不变，从而确保直流电动机朝确定的方向连续旋转。这就是直流电动机的基本工作原理。 图1 直流电机工作的基本工作原理 1.2 辨识目的 对于一个系统，为什么要对它进行辨识？辨识的意义又在哪里？这些问题在很久以前就有人提出过，也进行过深入的研究，并总结出一套成熟的方法：最小二乘辨识方法、最大似然辨识方法、梯度法辨识等等。然而，这些方法在线性问题上容易解决，而在非线性问题上却相对较复杂，且方法并非唯一，而且找不到统一的设计模式，只能是针对具体问题分析其分线性的问题所在，抓住其影响系统动、静态品质的要害，研究辨识非线性系统模型及控制的理论和方法，进而对系统进行辨识、补偿或控制。 所以，若能够通过辨识得到其精确的模型，则是控制问题的关键。而本设计中，涉及到的也是相同的问题，对于直流电机，我们给定输入，由输出与输入的相应关系，我们便可以通过辨识得到直流电机的模型参数，进行可以进行模型精确的控制，而避免了对模型的不确定控制。
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。
XXXXXXXXXX 系统辨识与自适应控制课程论文 题目：自适应控制综述与应用 课程名称：系统辨识与自适应控制 院系：自动化学院 专业：自动化 班级：自动化102 姓名： XXXXXX 学号: XXXXXXXXX 课程论文成绩： 任课教师： XXXXX 2013年 11 月 15 日
自适应控制综述与应用 一．前言 对于系统辨识与自适应控制这门课，前部分主要讲了系统辨识的经典方法（阶跃响应法、频率响应法、相关分析法）与现代方法（最小二乘法、随机逼近法、极大似然法、预报误差法）。对于系统辨识，简单的说就是数学建模，建立黑箱系统的输入输出关系；而其主要分为结构辨识（n）与参数辨识（a、b）这两个任务。 由于在课上刘老师对系统辨识部分讲的比较详细，在此不再赘述，下面讨论自适应控制部分的相关内容。 对于自适应控制的概念，我觉得具备以下特点的控制系统，可以称为自适应控制系统： 1、在线进行系统结构和参数辨识或系统性能指标的度量，以便得到系统当前状态的改变情况。 2、按一定的规律确定当前的控制策略。 3、在线修改控制器的参数或可调系统的输入信号。 二．自适应控制综述 1.常规控制系统与自适应控制系统比较 （1）控制器结构不同 在传统的控制理论与控制工程中，常规控制系统的结构主要由控制器、控制对象以及反馈控制回路组成。 而自适应控制系统主要由控制器、控制对象、自适应器及反馈控制回路和自适应控制回路组成。 （2）适用的对象与条件不同 传统的控制理论与控制工程中，当对象是线性定常、并且完全已知的时候，才能进行分析和控制器设计。无论采用频域方法，还是状态空间方法，对象一定是已知的。这类方法称为基于完全模型的方法。在模型能够精确地描述实际对象时，基于完全模型的控制方法可以进行各种分析、综合，并得到可靠、精确和满意的控制效果。 然而,有一些实际被控系统的数学模型是很难事先通过机理建模或离线系统辨识来确知的,或者它们的数学模型的某些参数或结构是处于变化之中的.对于这类事先难以确定数学模型的系统,通过事先整定好控制器参数的常规控制往往难以对付。 面对上述系统特性未知或经常处于变化之中而无法完全事先确定的情况,如何设计一个满意的控制系统,使得能主动适应这些特性未知或变化的情况,这就 是自适应控制所要研究解决的问题.自适应控制的基本思想是:在控制系统的运行过程中,系统本身不断地测量被控系统的状态、性能和参数,从而“认识”或“掌握”系统当前的运行指标并与期望的指标相比较,进而作出决策,来改变控制器的结构、参数或根据自适应规律来改变控制作用，以保证系统运行在某种意义下的最优或次优状态。按这种思想建立起来的控制系统就称为自适应控制系统。
系统辨识研究综述 摘要：本文综述了系统辨识的发展与研究内容，对现有的系统辨识方法进行了介绍并分析其不足，进一步引出了把神经网络、遗传算法、模糊逻辑、小波网络知识应用于系统辨识得到的一些新型辨识方法。并对基于T-S模型的模糊系统辨识进行了介绍。文章最后对系统辨识未来的发展方向进行了介绍 关键词：系统辨识；建模；神经网络；遗传算法；模糊逻辑；小波网络；T-S 模型 1.系统辨识的发展和基本概念 1.1系统辨识发展 现代控制论是控制工程新的理论基础。辨识、状态估计和控制理论是现代控制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。 而现代控制论的实际应用不能脱离被控对象的动态特性，且所用的数学模型需要选择一种使用方便的描述形式。但很多情况下建立被控对象的数学模型并非易事，尤其是实际的物理或工程对象，它们的机理复杂且含有各种噪声，使建立数学模型更加困难。系统辨识就是应此需要而形成的一门学科。 系统辨识和系统参数估计是六十年代开始迅速发展起来的。1960年，在莫斯科召开的国际自动控制联合会(IFCA)学术会议上，只有很少几篇文章涉及系统辨识和系统参数估计问题。然而，在此后，人们对这一学科给予了很大的注意，有关系统辨识的理论和应用的讨论日益增多。七十年代以来，随着计算机的开发和普及，系统辨识得到了迅速发展，成为了一门非常活跃的学科。 1.2系统辨识基本概念的概述 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,从某种意义上讲,不同学科的发展过程就是建立它的数学模型的过程。建立数学模型有两种方法:即解析法和系统辨识。 L. A. Zadeh于1962年给辨识提出了这样的定义：“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。”当然按照Zadeh的定义，寻找一个与实际过程完全等价的模型无疑是非常困难的。根据实用性观点，对模型的要求并非如此苛刻。1974年，P. E. ykhoff给出辨识的定义“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) 本质为： 特征的一种演算，并用这个模型把对客观系统的理解表示成有用的形式。而1978
Harbin Institute of Technology 系统辨识与自适应控制 实验报告 题目：渐消记忆最小二乘法、MIT方案 与卫星振动抑制仿真实验 专业：控制科学与工程 姓名： 学号： 15S004001 指导老师： 日期： 2015.12.06 哈尔滨工业大学 2015年11月
本实验第一部分是辨识部分，仿真了渐消记忆递推最小二乘辨识法，研究了这种方法对减缓数据饱和作用现象的作用； 第二部分是自适应控制部分，对MIT 方案模型参考自适应系统作出了仿真，分别探究了改变系统增益、自适应参数的输出，并研究了输入信号对该系统稳定性的影响； 第三部分探究自适应控制的实际应用情况，来自我本科毕设的课题，我从自适应控制角度重新考虑了这一问题并相应节选了一段实验。针对挠性卫星姿态变化前后导致参数改变的特点，探究了用模糊自适应理论中的模糊PID 法对这种变参数系统挠性振动抑制效果，并与传统PID 法比较仿真。 一、系统辨识 1. 最小二乘法的引出 在系统辨识中用得最广泛的估计方法是最小二乘法(LS)。设单输入-单输出线性定长系统的差分方程为： ()()()()()101123n n x k a x k a k n b u k b u x k n k +-+?+-=+?+-=，，，， (1.1) 错误！未找到引用源。 式中:()u k 错误！未找到引用源。为控制量；错误！未找到引用源。为理论上的输出值。错误！未找到引用源。只有通过观测才能得到，在观测过程中往往附加有随机干扰。错误！未找到引用源。的观测值错误！未找到引用源。可表示为： 错误！未找到引用源。 (1.2) 式中:()n k 为随机干扰。由式(1.2)得 错误！未找到引用源。 ()()()x k y k n k =- (1.3) 将式(1.3)带入式(1.1)得 ()()()()()()()101111()n n n i i y k a y k a y k n b u k b u k b u k n n k a k i n =+-+?+-=+-+?+ -++-∑ (1.4) 我们可能不知道()n k 错误！未找到引用源。的统计特性，在这种情况下，往往把()n k 看做均值为0的白噪声。 设 错误！未找到引用源。 (1.5)
过程建模与系统辨识课程报告 班级： 姓名： 学号： 课题：人体运动计算机仿真建模方法地研究 1.人体运动计算机仿真地理论基础 （1）人体运动计算机仿真地理论 所谓人体运动计算机仿真地理论, 是指人体运动领域及其计算机仿真技术应用时作为基本立论地专业理论知识依据, 也就是指导人们从事人体运动计算机仿真应用与研究活动赖以建立和存在地专业领域内地前提和一些基本思想.总之, 因为仿真技术具有“学科面广、综合性强、应用领域宽、无破坏性、可多次重复、安全、经济、可控、不受气候和场地空间条件限制”等独特优点, 故而, 无论在交通工具安全、人机项目、虚拟设计、机器人、医疗康复、体育运动以及影视娱乐等诸多领域, 应用计算机仿真技术研究人体运动都有着其它技术所无法比拟地价值和效益.因此, 本文着眼于人体运动生物力学、计算机仿真等领域地知识基础, 从计算机仿真技术及其在人体运动领域地应用发展、人体及其运动建模等主要层面进行研究成果地综述性讨论, 旨在进一步促进人体运动领域应用计算机仿真技术在理论与实践上得以不断拓宽和深入发展. （2）人体及其运动建模 当人体被作为一种系统来看待时, 其本身及其运动包含了众多不
同层面而复杂地因素和交互作用.因此, 要深刻理解和把握人体及其运动, 模型化方法是不可或缺地.概略来说, 人体及其运动模型地构造主要有两种方式( 或者两者地结合) : 第一种方式从逻辑上看是演绎为主地, 即将人体系统分成子系统, 且子系统地性质和关系已被成熟地理论知识或规律所涵盖, 进而把这些子系统用数学方法加以联结得到整个系统地模型, 因为它无须对人体实际系统进行试验, 故而, 这种方式通常就被称为建模; 第二种方式则主要是归纳地, 它主要依据从实际人体地实验数据( 记录人体系统地输入输出) 并进而进行数据分析来建立数学模型或图象模型, 通常被称为系统辩识.就人体运动地力学模型而言, 从最简化地质点、刚体, 到多刚体、柔性多体等模型, 都以阐释人体机械运动形式地机理为目标, 其主要内容涵盖多体系统力学模型、非完整系统力学模型等, 并为人体地动力学研究提供了理论基础.在计算机仿真地交互效果上, 人体地逼真形象模型是在计算机图形学与先进仿真技术不断融合促进下发展起来地, 又在虚拟现实技术大力推动下, 三维“虚拟人”模型亦不断推出, 其中主要有如下几种形式: 骨架、体素、曲线、球体堆积、曲面等模型形式. （3）人体运动计算机仿真地理论地发展 随着系统仿真技术及相关地计算机图形学、数据库技术、虚拟现实技术地交互融合与推动, 加上以人体或其运动为核心地不同领域地强烈需求地推动, 虚拟人体及其运动成为当前研究发展地热点, 在建模方法与技术地核心理论基础方面, 人工智能( 专家知识、神经网
系统辨识理论综述 郭金虎 【摘要】全面论述了系统辨识理论的提出背景以及理论成果，总结了系统辨识理论的基本原理、基本方法以及基本内容，并对其应用及发展做了全面的讨论。 【关键词】系统辨识；准则函数 1概述 系统辨识问题的提出是由于随着科学技术的发展，各门学科的研究方法进一步趋向定量化，人们在生产实践和科学实验中，对所研究的复杂对象通常要求通过观测和计算来定量的判明其内在规律，为此必须建立所研究对象的数学模型，从而进行分析、设计、预测、控制的决策。例如，在化工过程中，要求确定其化学动力学和有关参数，已决定工程的反应速度；在热工过程中，要求确定如热交换器这样的分布参数的系统及动态参数；在生物系统方面，通常希望获得其较精确的数学模型，一般描述在生物群体系统的动态参数；为了控制环境污染，希望得到大气污染扩散模型和水质模型；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，已经建立并继续要求建立其定量的描述模型。其他如结构或机械的振动、地质分析、气象预报等等，都涉及系统辨识和系统参数估计，这类要求正在不断扩大。 2系统辨识的基本原理 2.1系统辨识的定义和基本要素 实验和观测是人类了解客观世界的最根本手段。在科学研究和工程实践中，利用通过实验和观测所得到的信息，或掌握所研究对象的特性，这种方式的含义即为“辨识”。关于系统辨识的定义，1962年，L.A.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”。1978年，L.Ljung 也给出了一个定义：“辨识既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”。可用图2-1来说明辨识建模的思想。 0 G g G 等价准则系统原型 系统模型激励信号y g y e J u 图2-1 系统辨识的原理
自适应控制习题 (徐湘元，自适应控制理论与应用，电子工业出版社， 2007) 【2-1】 设某物理量丫与XI 、X2、X3的关系如下：丫=0 1X1 + 0 2X2+0 3X3 由试验获得的数据如下表。试用最小二乘法确定模型参数 0 1、0 2和0 3 X1:0.620.4 0.420.820.660.720.380.520.450.690.550.36 X2:12.014.214.612.110.88.2013.010.58.8017.014.212.8 X3:5.206.100.328.305.107.904.208.003.905.503.806.20 Y: 51.649.948.550.649.748.842.645.937.864.853.445.3 【2-3】 考虑如下模型 其中w(t)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k), 分别采用批处理最小二乘法、具有遗忘因子的最小二乘法(入 =0.95)和递推最小二乘法 估计模型参数(限定数据长度 N 为某一数值，如N=150或其它数值)，并将结果加以比 较。 【2-4】 对于如下模型 (1 _0.8z 1 0.15z 2 )y(k) 一(z 2 0.5z 3 )u(k) - (1 - 0.65z 1 - 0.1z 2 )w(k) 其中w(k)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k), 分别采用增广最小二乘法和随机逼近法进行模型参数估计，并比较结果。 (提示：w(t)可以用MATLAB^的函数“ randn ”产生)。 【3-1】 设有不稳定系统: (1z 1)y(k) - z ^(10.9z 1)u(k) 期望传递函数的分母多项式为 Amz z m r 且无稳态误差。试按照极点配置方法设计控制系统，并写出控制表达式。 【3-2} 设有被控过程：一 - _ (1 1.7z 1 0.6z 2)y(k)z 2(11.2z 1 )u(k) 一 ~ - 一 - -1.3z 0.5z u(t)w(t) I 0.3z 2 1 - - T ()(10.5 )，期望输出y 跟踪参考输入y , y(t)
系统辨识与建模system identificati 系统辨识 根据系统的输入输出时间函数来确定描述系统行为的数学模型，是现代控 制理论中的一个分支。对系统进行分析的主要问题是根据输入时间函数和系统 的特性来确定输出信号。对系统进行控制的主要问题是根据系统的特性设计控 制输入，使输出满足预先规定的要求。 简介 根据系统的输入输出时间函数来确定描述系统行为的数学模型。现代控制 理论中的一个分支。通过辨识建立数学模型的目的是估计表征系统行为的重要 参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输 出预测系统输出的未来演变，以及设计控制器。对系统进行分析的主要问题是 根据输入时间函数和系统的特性来确定输出信号。对系统进行控制的主要问题 是根据系统的特性设计控制输入，使输出满足预先规定的要求。而系统辨识所 研究的问题恰好是这些问题的逆问题。通常，预先给定一个模型类μ={M}(即给定一类已知结构的模型)，一类输入信号u和等价准则J=L(y，yM)(一般情况下，J是误差函数，是过程输出y和模型输出yM的一个泛函)；然后选择使误差函 数J达到最小的模型，作为辨识所要求的结果。系统辨识包括两个方面：结构 辨识和参数估计。在实际的辨识过程中，随着使用的方法不同，结构辨识和参 数估计这两个方面并不是截然分开的，而是可以交织在一起进行的。 辨识的基本步骤 先验知识和建模目的的依据 先验知识指关于系统运动规律、数据以及其他方面的已有知识。这些知识 对选择模型结构、设计实验和决定辨识方法等都有重要作用。用于不同目的的 模型可能会有很大差别。
先验知识是指关于系统运动规律、数据以及其他方面的已有 系统辨识 知识。这些知识对选择模型的结构、设计实验和决定辨识方法等都具有重要的作用。例如可以从基本的物理定律(牛顿定律，基尔霍夫定律，物质守恒定律等)去确定模型结构，建立所研究的变量之间的关系。如果关于这方面的知识是完备的，模型的结构和参数(至少在原则上)便是可以确定的。在空间技术的应用中建立飞行器的动力学模型就是一个例子。但在多数情形下却很难做到这一点。这时先验知识虽然不能完全确定模型，但是在模型结构(也就是辨识中的模型类)的选择上仍然是一个重要因素。此外，对参数变化范围的确定、初值的选取，对数据的必要的限制，以及对模型的适用性进行检验等方面，先验知识也都是最重要的依据。 其次，建模的目的对于确定模型的结构和辨识方法也有重要意义。用于不同目的的模型可能会有很大的差别。在估计具有特定物理意义的参数时，主要考虑模型的参数值与真实的参数值是否一致。在建立预测模型时，只需要考虑预测误差。在建立仿真模型时，就要根据应用的要求去决定仿真的深度，也就是决定模型结构的复杂程度。而对于设计控制系统的模型，则出于不同的控制目的可选择不同的模型类。 实验设计 辨识是从实验数据中提取有关系统信息的过程，设计实验的目标之一是要使所得到的数据能包含系统更多的信息。主要包括输入信号设计，采样区间设计，预采样滤波器设计等。 辨识的基础是输入和输出数据，而数据来源于对系统的实验和观测，因此辨识归根到底是从数据中提取有关系统的信息的过程，其结果是和实验直接联系在一起的。设计实验的目标之一是要使所得到的数据能包含系统的更多的信息。为此，首先要确定用什么准则来比较数据的好坏。这种准则可以是从辨识的可行性出发的，也可以是从某种最优性原则出发的。实验设计要解决的问题主要是：输入信号的设计，采样区间的设计，预采样滤波器的设计等(见系统辨识实验设计)。
自适应控制习题 （徐湘元，自适应控制理论与应用，电子工业出版社，2007） 【2-1】 设某物理量Y 与X1、X2、X3的关系如下：Y=θ1X 1+θ2X 2+θ3X 3 由试验获得的数据如下表。试用最小二乘法确定模型参数θ1、θ2和θ3 X1: 0.62 0.4 0.42 0.82 0.66 0.72 0.38 0.52 0.45 0.69 0.55 0.36 X2: 12.0 14.2 14.6 12.1 10.8 8.20 13.0 10.5 8.80 17.0 14.2 12.8 X3: 5.20 6.10 0.32 8.30 5.10 7.90 4.20 8.00 3.90 5.50 3.80 6.20 Y: 51.6 49.9 48.5 50.6 49.7 48.8 42.6 45.9 37.8 64.8 53.4 45.3 【2-3】 考虑如下模型 )()(3.03.115.0)(212 1t w t u z z z z t y ++-+=---- 其中w(t)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k),分别采用批处理最小二乘法、具有遗忘因子的最小二乘法（λ=0.95）和递推最小二乘法估计模型参数（限定数据长度N 为某一数值，如N=150或其它数值），并将结果加以比较。 【2-4】 对于如下模型 )()1.065.01()()5.0()()15.08.01(213221k w z z k u z z k y z z ------+-++=+- 其中w(k)为零均值、方差为1的白噪声。根据模型生成的输入/输出数据u(k)和y(k),分别采用增广最小二乘法和随机逼近法进行模型参数估计，并比较结果。 （提示：w(t)可以用MATLAB 中的函数“randn ”产生）。 【3-1】 设有不稳定系统： )()9.01()()1(111k u z z k y z ---+=- 期望传递函数的分母多项式为)5.01()(11---=z z Am ，期望输出m y 跟踪参考输入r y ，且无稳态误差。试按照极点配置方法设计控制系统，并写出控制表达式。 【3-2】 设有被控过程： )()2.11()()6.07.11(1221k u z z k y z z ----+=+- 给定期望传递函数的分母多项式为)08.06.01()(211---+-=z z z A m ，试按照极点配置方法设计控制系统，使期望输出无稳态误差，并写出控制表达式u(k)。
系统辨识考点 1、辨识定义： 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。 2、系统辨识步骤 辨识目的及 先验知识 试验设计 输入输出数据 采集、处理 模型结构选取 与辨识 模型参数辨识 模型验证 合格？ 最终模型Y N 3、递推最小二乘辨识模型 4、广义最小二乘和增广最小二乘的区别 广义最小二乘法是对系统过程模型的输入、输出和过程噪声加以变换（滤波）变成一般最小二乘法的标准格式，再用一般最小二乘法()1111???T N N N N N N y ++++=+-θθK φθ()111111T N N N N N N -++++=+K P φφP φ111T N N N N N +++=-P P K φP
对系统的参数进行估计。 增广矩阵法就是使系统模型变成符合一般最小二乘法的标准格式的，并将模型参数和噪声模型参数同时估计出来的方法。 增广矩阵法用近似估计的噪声序列代替白噪声序列。这和广义最小二乘法的不同点在于：后者噪声模型参数的估计和系统模型参数的估计是交替地进行的。 5、数据饱和的原因和解决方法 ① 参数缓慢变化（易产生数据饱和现象） 解决方法：渐消记忆最小二乘、限定记忆最小二乘 ② 参数突变但不频繁？？？？？ 6、自适应系统定义、分类 自适应控制系统是一种特殊形式的非线性控制系统。系统本身的特性(结构和参数)、环境及干扰的特性存在各种不确定性。在系统运行期间，系统自身能在线地积累与实行有效控制有关的信息，并修正系统结构的有关参数和控制作用，使系统处于所要求的(接近最优的)状态。 ?????????????????????????????????增益列表补偿法最小方差控制算法预测控制算法随机自适应控制系统极点配置控制算法控制算法参数最优化设计方法模型参考自适应控制系统李亚普诺夫稳定性理论设计方法波波夫超稳定性理论设计方法PID
电加热炉的系统辨识与自适应控制
目录 一、电加热炉的先验知识 (1) 1.1 电加热炉的工作原理 (1) 1.2 电加热炉温度控制系统的硬件构成 (2) 二、电加热炉系统辨识 (3) 2.1 电加热炉温度系统模型 (3) 2.2 最小二乘估计的递推算法 (4) 2.3 最小二乘估计的递推算法辨识及仿真 (5) 三、电加热炉系统的自适应控制算法及仿真 (8) 3.1 电加热炉系统控制问题的提出 (8) 3.2 广义最小方差间接自校正控制算法 (8) 3.3 广义最小方差间接自校正控制仿真 (9) 参考资料 (15)
电加热炉的系统辨识与自适应控制 一、电加热炉的先验知识 1.1 电加热炉的工作原理 我选择电加热炉作为辨识和自适应控制设计与仿真实验的对象。 电加热炉的工作原理为：布置在炉内的加热元件将电能转化为热能，通过辐射或对流的方式将热能传递给加热对象，从而改变对象的温度。 通常的工业过程都对炉温的控制提出了一定的要求，这就需要对电加热炉的进行控制，调节它的通电时间或通电强度来改变它输出的热能。传统的控制方法 有两种：第一种就是手动调压法，即是依靠人的经验直接改变电加热炉的输入电压，其控温效果依赖于人为的调节，控制精度不高，且浪费人力资源。第二种控制方法在主回路中采取可控硅装置，并结合一些简单的仪表，保温阶段自动调节，升温过程仍依赖于试验者的调节，它属于半自动控制。随着微型计算机、可编程逻辑控制器的出现和迅速更新换代，智能温度控制仪表、工业控制计算机在电加热炉温度控制领域日益得到广泛地应用。借助计算机强大的数据处理和运算能力，引入反馈的思想，运用现代控制理论，实现对炉温的全自动化控制[1]。 以常用的恒温箱式电加加热炉为例，采用反馈控制。该控制系统的目的是要实现炉内的温度与给定温度值一致，即保持温度恒定，是一个典型的自动控制系统。 当然，系统给定的不是具体的期望温度值，而是通过给定电位器给定一个电压sT U 。电加热炉内的实际温度由热电偶转换为对应的电压T U f 。给定电压信号 sT U 与实际温度所对应的电压T U f 比较得温度偏差信号U ?经放大器放大后,用以 驱动执行电动机，并通过传动机构拖动调压器动触头。当温度偏高时,动触头向减小电压的方向运动,反之加大电压,直到温度达到给定值为止,此时,偏差0=?U ,电机停止转动。 上面只是一个比较简单的闭环温度控制系统。