技术文章

当前页面: 首页 >技术文章 >基于最小二乘法的模型辨识

基于最小二乘法的模型辨识

供稿:中国工控网 2016/4/11 15:19:27

0 人气:143

  • 关键词: 模型化 参数辨识 最小二乘法
  • 摘要:对于一类具有自衡的非振荡的对象,把它近似成一阶惯性纯滞后环节。利用最小二乘参数估计方法,确定一阶惯性纯滞后环节传递函数参数。

1、引言

  对于一个简单的系统,可以通过分析其过程的运动规律,应用一些已知的定理和原理,建立数学模型,即所谓的“白箱模型” 。但对于比较复杂的生产过程,该建模方法有很大的局限性。由于过程的输入输出信号总是可以测量的,而且过程的动态特性必然表现在这些输入输出数据中,那么就可以利用输入输出数据所提供的信息来建立过程的数学模型。这种建模方法称为系统辨识。把辨识建模称作“黑箱模型”。系统辨识又分为参数辨识和阶次辨识。本章只讨论参数辨识。

2、最小二乘辨识原理和应用

2.1最小二乘法原理

2.2最小二乘法的应用

最小二乘法的应用是十分广泛的,它又称曲线拟合。所以它可用来拟合各类曲线,如一元线性拟合、多项式拟合、指数函数拟合等。最小二乘法在控制理论方面的应用是比较多的,系统辨识中用的最多的就是最小二乘法辨识。最小二乘法原理简单,实现起来又较为方便,所以得到了广泛的应用。此外,最小二乘在统计学中也有一定程度的应用,在此就不再详述了。

3、模型辨识仿真研究

  经典辨识法包括时域法、频域法和相关分析法。采用经典辨识法,直接获得的是非参数模型,一般是时间或频率为自变量的实验曲线或数据集。用阶跃函数、脉冲函数、正弦函数、或是随即函数作用于过程,直接得到的是阶跃响应、脉冲响应、频率特性、相关函数或谱密度,它们都是图形或数据集。对本类方法的对象,只需做出线性假定,并不需要事先确定模型的具体结构,因而本类方法适用范围广,工程上获得了广泛应用。

由图3-2可知,最小二乘辨识结果达到了很高的精度。此法抵抗过程量测噪声的鲁棒性强,不需要等待阶跃响应过程完全进入稳态,而且思路简单、清晰、易于编程。

 

4、小结

  最小二乘是一种最基本的估计方法。它可用于动态系统,也可用于静态系统;可用于线性系统,也可用于非线性系统;可用于离线估计,也可用于在线估计。而且最小二乘这种算法有效地处理S型阶跃响应数据,自动辨识出滞后项,辨识的精确度明显提高。正因如此,在系统辨识和参数估计领域中,它获得了广泛的应用。

 

备注:本文为gongkong用户原创文章,未经作者本人或中国工控网授权,禁止转载!

审核编辑(王静)
更多内容请访问 中国工控网(http://www.gongkong.com)

手机扫描二维码分享本页

工控网APP下载安装

工控速派APP下载安装

 

我来评价

评价:
一般