- 1、本文档共8页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
系统辨识考试题最终
2009-2010 学年 第二 学期研究生课程考核
(读书报告、研究报告)
考 核 科 目 :系统辨识理论及应用
学生所在 院 :电信学院
学生所在学科:信号与信息系统
姓 名:
学 号:
1. 简述系统辨识的基本概念、定义和主要步骤(15分)
答:系统辨识的概念: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。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。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。T0 ;
d.开环和闭环辩识(闭环可辩识条件);
e.在线和离线辩识;
f.测量数据的存储和预处理。
(3)模型结构的确定
(4)参数估计(Parameter Estimation)
(5)模型验证
模型精度是否可以接受?否则需要重复实验,重复辩识。系统辩识的内容和步骤见后示意框图。
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。(15分)
答:相关辨识的基本原理如下图所示。
x(t) — 输入(白噪声); y(t) — 测量输出;w(τ) ((t)—随机干扰(不可测)
基于二进制伪随机序列的相关辩识方法:
x(t)用二位式周期性伪随机信号,积分时间大大缩短
二位式信号使得乘法运算简化。
x(t) — 二进制伪随机码; y(t) — 测量输出;
((t)—随机干扰(不可测);f(t) — 系统输入。
在线辩识时要求系统输入;或者f(t)与x(t)不相关( 例如)。发生器产生x(t) 和x(t-(),相关完成以下运算:
3. 简述离散线性动态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。(20分)
答:离散线性动态过程参数估计最小二乘方法(LS法)的主要内容:
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
LS法优点:白噪声可得渐进无偏估计;
该算法简单、可靠,所以应用广泛;
在所有的最小二乘法及改进算法中计算量最小;
LS法是一次完成算法,适于离线辩识。
LS法缺点:在有色噪声下最小二乘法参数估计是有偏的;
随着数据的增长(比如递推),最小二乘法将出现所谓的“数据饱和”现象。
带遗忘因子递推最小二乘估计(RLS法)的计算步骤:
式1
式2
式
式3
式4
模型:
N时刻对N+1时刻的预报,
式5
(估计值代入预报误差(被称为 新息 ),用绿色表示
式6
则式1可表达成
式7
物理意义:新的参数估计是对上次老的估计 进行修正而得出的,修正是利用在 对新的输出预报的预报误差乘以一个修正系数向量。是修正系数向量,它需要递推计算得出,在递推计算时要用到估计误差的协方差阵,而后者也是递推得出的。
4. 设某物理量Y与X 满足关系式Y=aX2+bX+c,实验获得一批数据如下表,试辨识模型参数a,b和c 。(50分)
X 1.01 2.03 3.02 4.01 5 6.02 7.03 8.04 9.03 10 Y 9.6 4.1 1.3 0.4 0.05 0.1 0.7 1.8 3.8 9.0 报告要求:要有问题描述、参数估计原理、程序流程图、程序清单,最后给出结果及分析。
问题描述:物理量Y与X 满足关系式Y=aX2+bX+c,已知10次试验,X和Y的10组数据,有a, b和c三个参数。在纯数学上,由方程组原理可知,其实有三组X和Y的对应关系就可以得到参数a, b和c的值。而本题的采集样本有10组,从某种意义上算是一种重复,但又不像概率事件的N次重复试验,其目的就是通过多组有梯度的数据,建立起辨识模型,通过数模转化,从而到达更为精确的结果。
参数估计原理:通过描述可知,本题符合最小二乘法的数学模型,属于多元线性回归的非参数模型。
进行了10次试验,得出10个方程:
; k=1、2…、10 其中:
方程组可用矩阵
文档评论(0)