1、上课时间：14-15学年第一学期 星期四5、6节、周五1、2节 地点：西1一102、203 授课对象：控制工程14级 授课：刘翠玲、刘雪连,系统建模 与辨识 System Modelling and Identification,2,主要内容：,1.1 系统和模型,1.2 系统辨识的定义,1.3 辨识问题的表达形式,1.4 辨识算法的基本原理,1.5 误差准则及其关于参数空间的线性问题,1.6 辨识的内容和步骤,1.7 辨识的应用,第1章 建模与系统辨识概述,3,对实际系统的分析、设计、估计、综合和控制，都有赖于获得对该系统正确描述的数学摸型。,系统正确描述系统动态性能的数学摸型就成了自动控制
2、 理论 和工程实践的重要组成部分。,系统辨识就是从对系统进行观察和测量所获得的信息重提取系统数学模型的一种理论和方法。日渐成熟。,建模成为各门学科的共同语言。,4,1.1.1 系统（system/process） 系统的描述框图 系统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。 系统=过程特征： 完整性、相对性,1.1 系统和模型,5,1.1.2 模型（model） 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
3、利工具。是人们对客观事物的主观描述。,6, 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相应几乎处处相等，则模型是满意的。 模型的表现形式 1. “直觉”模型： 2. 物理模型： 3. 图表模型： 4. 数学模型： 数学模型的分类 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： 宏观与微观： 参数与非参数 。由辨识的目的决定。,7,数学模型的类型：（已见过的）,微分方程,差分方程,状态方程,代数方程 如经济学上的Cobb-Dougluas生产关系模型：,Y产值；L劳动力；K资本,8,1.1.3
4、 建模方法 机理法：“白箱”理论基于物理、化学定理定律。 测试法：“黑箱”理论 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：不同的目的建模的方法不同 实在性：模型的物理概念要明确 可辨识性：模型结构合理、输入是持续的、数据要充分 节省性：模型参数尽量少,9, Zadeh对辨识的定义（1956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数学模型。 L.Liung的定义（1978年）在模型类中，按照某个准则，选择一个与被辨识系统的观测数据拟合的最好的模型。 辨识的三大要素：1. 输入输出数据2.
5、 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）。,1.2 系统辨识的定义,10,辨识(Identification)? (1) 辨识是研究建立系统或生产过程数学模型的一种理论和 方法。 (2) 辨识是一种从含有噪声的测量数据中提取被研究对象数学 模型的统计方法。 (3) 辨识模型是对象输入输出特性在某种准则意义下的一种 近似。近似的程度取决于人们对系统先验知识的认识和 对数据集性质的了解程度，以及所选用的辨识方法是否 合理。 (4) 辨识技术帮助人们在表征被研究的对象、现象或系统、 过程的复杂
6、因果关系时，尽可能准确地确立它们之间的 定量依存关系。 (5) 辨识是一种实验统计的建模方法。,11, 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 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,1.3 辨识问题的表达形式,12,注意：Z(k)，h(k)是可观测的,最小二乘格式：,例1：,设：, 化最小二乘格式的举例,13,中，和c未待定常数，P和V在各采样点是可观测的。预将上式模型化成最小二乘格式。是本质线性模型，它一定能化成最小二乘格式。两边取上述模型对数。,例2：对给定质量的气体，不同体积V对应不同的压力P，根据热力学原理，压力和体积之间存在如下关系：,14,
7、又置：,15,其中，y(t)在各采样点是可观测的变量。1，2和3为待定常数。,例3：将下列模型化成最小二乘格式：,16,图示1.7是被辨识过程，那么描述它的模型必须是能化为图1.8所示的辨识表达格式，即最小二乘格式，输出量是输入量的线性组合。,注意：辨识表达式的输入量h(t)已不再是原来的输入量u(t)了,噪声项e(k)也不是原来的测量噪声w(k)了,17, 基本原理图,1.4 辨识算法的基本原理,被辨识系统,18,可以看到： 被辨识系统（对象）的模型类别的选择上需要做出预先设定模型类； 将某种控制量（输入激励信息）作用于被辨识系统，并测其响应IO信息； 引入反映被辨识系统（对象）和所用模型之
8、间接近程度的“距离”的概念准则。 所获得的模型是相对的，一个系统的模型拟合有无穷多个，假设和约束确定适合特定目的的模型。,19, 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,20, 误差准则也叫等价准则、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：,21,22,种类：离线辨识、在线辨识。,1.6 系统辨识的内容和步骤,23,辨识的主要内容： 1. 实验设计 2. 模型结构辨识 3. 模型参数
9、辨识 4. 模型检验,24, 辨识步骤（过程辨识中图1.14）,25,1、明确辨识目的：决定模型类型、精度要求、采用何种辨识方法（控制、仿真、预测预报、过程诊断、估计物理参数） 2、掌握先验知识：对试验设计起指导性作用。 3、 实验设计 实验设计包括选择和决定：输入信号（幅度、频带等）采样时间辨识时间开环或闭环辨识离线或在线辨识（辨识方案）,26, 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。从谱分析角度看，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
10、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Cramr-Rao不等式的下界 其中M为Fisher信息矩阵：,27,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 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。,28,4、
11、数据的零值化处理 差分法(Isermann,1981) 平均法 剔除高频成分（一般采用低通滤波器） 5、模型结构辨识 模型验前结构的假定、模型结构参数的确定。 6、模型参数辨识（本课程的主要内容） 当模型结构确定后，进行的就是模型参数辨识 7、模型检验 模型检验是辨识不可缺少的步骤。常用的有“白色度”检验法，交叉检验法。这是建模的难点，VVA（校核、验证、确认）,29,VVA（校核、验证、确认） 建立模型并对其进行校核、验证与确认(Verification、Validation、Accreditation，简写为VVA)是仿真工作必不可少的一项环节。建模与仿真的正确性和置信度评估则是仿真技术永
12、恒的生命线，对它的研究最早开始于对仿真模型的校验研究。,30,系统辨识的精度 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。,系统辨识的基本方法 根据数学模型的形式： 非参数辨识经典辨识，脉冲响应、阶跃响应、频率响应、相关分析、谱分析法。 参数辨识现代辨识方法（最小二乘法等）,31,辨识在工业上有着广泛的应用领域。 1、用于控制系统的设计和分析：获得被控系统的数学模型之后，以此模型为基础课设计出比较合理的控制系统或用于分析原有系统的性能，以便提出改进。,1.7 系统辨识的应用,32,2、用于在线辨识如何选择模型结构、误差准则和模型精度等问题是很重要的。,3、用于天文、水文、能源、客流量等问题的预报预测在模型结构确定的情况下，建立实变模型，并预测时变模型的参数，对过程状态进行预估。 4、用于监视过程参数并实现故障诊断。故障诊断是近年来的新的应用领域。,33,思考题 教材2：P153：习题7 参考书1：习题4、5、7,Thank You!,
