第01讲系统辨识概述概要.ppt

系统辨识篇目录(1/1) 系统辨识篇 第01讲 系统辨识概论 第02讲 理论知识准备 第03讲 最小二乘法 第04讲 递推最小二乘法 第05讲 处理有色噪声扰动的最小二乘类方法 第06讲 随机逼近法 第07讲 多输入多输出系统辨识 第08讲 辨识算法比较 第09讲 系统辨识研究的发展与问题 第一讲 系统辨识概论(1/3) 第一讲 系统辨识概论 自40年代Wiener创建控制论(Cybernetics)和50年代诞生工程控制论以来, 控制理论和工程就一直围绕着建立模型和控制器设计这两个主题来发展. 它们相互依赖、相互渗透并相互发展. 随着被控过程的复杂性的提高以及控制目标的越来越高,控制理论的应用日益广泛. 第一讲 系统辨识概论(2/3) 目前,对被控系统的控制器的设计方法的选取,以及如何进行具体的控制结构和参数的设计都广泛依赖于对被控系统的理解及所建立的被控系统数学模型. 因此,建模问题在控制器设计中起着非常重要的作用,是设计中首先需要解决的问题, 是成功地进行控制器设计的关键之一. 第一讲 系统辨识概论(3/3) 下面将分别论述建模和系统辨识(又译为“系统识别” )问题中的一些基本概念和发展,主要内容有: 系统、模型与建模 系统辨识的定义 系统辨识的步骤和参数估计 系统辨识的发展历程 系统辨识的应用领域 1 系统、模型与建模(1/1) 1 系统、模型与建模 下面简介如下概念: 系统与模型 数学模型和建模 1.1 系统与模型(1/9) 1.1 系统与模型 系统(System)本身的含义是相当广泛的,它可以指 客观存在的事物及其运动状态, 钱学森把系统广义概括为“依一定顺序相互联系着的一组事物” 或专指工程上的某个生产过程和某种设备, 亦可以指某个经济和社会系统. 系统有时也称之为“实体” . 为能进行好系统的分析、预报、优化和设计合理的控制系统,必须对系统的特性和行为有相当程度的理解. 模型就是为此加以引入的. 1.1 系统与模型(2/9) 所谓模型,就是把系统实体的本质信息简缩成有用的描述形式,是一种简化描述. 模型保持实体的一部分特征,而将其它特征忽略或者变化. 不同的建模目的，不同的简化方法得到不同的模型. 系统的模型一般分物理模型与数学模型. 物理模型 指用物理、化学、生物等材料构成的用语描述系统中的关系和特征的实体模型. 如风洞、水力学模型、传热学模型、电力系统动态模拟模型、缩小的复制品等. 1.1 系统与模型(3/9) 数学模型 描述系统中一些关系和特征的数据模型. 例如：投入/产出模型、热源与室温的关系模型等. 控制领域的数学模型就是指能用来描述系统的动态或静态特性和行为的数学表达式或方程,它是我们进行系统分析、预报、优化及控制系统设计的基础. Software models (program, route table) Petri net (discrete event system, DES) Automata (Flexible Manufacture system, FMS) Hybrid system model 1.1 系统与模型(4/9) Knowledge-based model expert system neural networks fuzzy system 符号逻辑模型 直觉模型(汽车驾驶) 图表模型(棒图) 1.1 系统与模型(5/9) 在许多问题研究与工程应用领域,首先需在模型上进行反复方案设计与研讨,而不是直接在实际物理系统进行实验. 之所以如此,原因为： 1.1 系统与模型(6/9) 控制领域的数学模型从系统机理、建模目的和数学工具的不同可分为 参数模型 静态(代数)模型或动态(微分/差分)模型 连续模型或离散模型 集中参数模型或分布参数模型 线性模型或非线性模型(所谓线性,即满足齐次性和叠加性)等等. 非参数模型 Step response model Frequency functions (Bode plot, Nyquist plot) Impulse response 1.1 系统与模型(7/9) 大量的工程对象是动态、非线性、随机的并需要进行微观分析. 在解决问题时,我们往往尽可能采用线性的和确定性的模型. 过程的复杂性和实用模型的简约性是一对矛盾,成功建模就是在二者之间达到最佳折衷. 本课程主要讨论在控制工程中常用的 动态非逻辑集中参数线性模型, 即可用 定系数线性常微分方程或 差分方程 描述的数学模型. 1.1 系统与模型(8/9) Advantages to Mathematical Models Physical system NOT required New designs/technologies can be treated without pr