系統(tǒng)辨識前沿講座第一頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識2講座內(nèi)容What:什么是系統(tǒng)辨識Why:為什么用系統(tǒng)辨識Where/who/when:系統(tǒng)辨識的應(yīng)用領(lǐng)域How:如何進行系統(tǒng)辨識Applications:系統(tǒng)辨識實例Conclusions:結(jié)束語What:什么是系統(tǒng)辨識第二頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識3What：什么是系統(tǒng)辨識系統(tǒng)(system)系統(tǒng)是相互作用相互影響的元素的集合系統(tǒng)的概念及其思想廣泛應(yīng)用于自然科學(xué)和社會科學(xué)的許多領(lǐng)域工業(yè)生產(chǎn)系統(tǒng)自然系統(tǒng)、環(huán)境系統(tǒng)人體生命系統(tǒng)經(jīng)濟、社會系統(tǒng)等等、等等第三頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識4What：什么是系統(tǒng)辨識模型(model)研究一個系統(tǒng)，首先要掌握該系統(tǒng)的特性把系統(tǒng)的主要特性進行簡化抽象后的表現(xiàn)形式是模型模型的種類物理模型（physicalmodel):實際系統(tǒng)的物理模擬思考模型

(mentalmodel):日常生活中大腦判斷、腦神經(jīng)支配身體動作的模型圖表模型(graphicalmodel):用圖表的方式表示系統(tǒng)各個要素的連接、信號流向的模型數(shù)學(xué)模型(mathematicalmodel):用數(shù)學(xué)方法定量描述系統(tǒng)特性的模型第四頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識5What：什么是系統(tǒng)辨識建模(systemmodeling)模型是人工建立的，需要從實際對象中獲取建立系統(tǒng)數(shù)學(xué)模型的過程稱為建模系統(tǒng)辨識是從系統(tǒng)輸入輸出的測量數(shù)據(jù)建立系統(tǒng)數(shù)學(xué)模型的方法輸入

輸出系統(tǒng)干擾／噪音第五頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識6講座內(nèi)容What:什么是系統(tǒng)辨識Why:為什么用系統(tǒng)辨識Where/who/when:系統(tǒng)辨識的應(yīng)用領(lǐng)域How:如何進行系統(tǒng)辨識Applications:系統(tǒng)辨識實例Conclusions:結(jié)束語Why:為什么用系統(tǒng)辨識第六頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識7Why:為什么用系統(tǒng)辨識工程中與系統(tǒng)相關(guān)的問題系統(tǒng)分析、設(shè)計系統(tǒng)控制、維護、故障檢測系統(tǒng)預(yù)報、仿真基于系統(tǒng)模型解決系統(tǒng)問題解決系統(tǒng)問題需要掌握系統(tǒng)特性系統(tǒng)模型可以為數(shù)學(xué)方法提供解決系統(tǒng)問題的平臺基于模型的方法容易在計算機環(huán)境中實現(xiàn)、修正大大降低成本、縮短周期問題解決的成否很大程度上取決于模型質(zhì)量第七頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識8Why:為什么用系統(tǒng)辨識建模的方法及特點(1)解析法(白箱建模):利用已知的物理定律、自然法則等建模優(yōu)點:模型比較準確可信缺點:模型往往比較復(fù)雜，難以適用于大規(guī)模系統(tǒng)(需要全部了解各個環(huán)節(jié)所適用的定律及參數(shù))第八頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識9Why:為什么用系統(tǒng)辨識建模的方法及特點(2)系統(tǒng)辨識(黑箱建模):利用系統(tǒng)的輸入輸出數(shù)據(jù)建立系統(tǒng)模型優(yōu)點:應(yīng)用范圍廣，容易實現(xiàn)缺點:用模型之前需檢驗其有效性及可靠性第九頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識10Why:為什么用系統(tǒng)辨識建模的方法及特點(3)解析法和系統(tǒng)辨識相結(jié)合的建模法(灰箱建模)優(yōu)點:

充分利用已知信息提高建模的可靠性缺點:需要把已知信息和建模過程中的數(shù)值計算有機結(jié)合方面的經(jīng)驗第十頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識11Why:為什么用系統(tǒng)辨識實際問題中的建模利用已知信息確定模型的種類:數(shù)學(xué)表達式的形式、參數(shù)范圍等利用系統(tǒng)辨識求解模型中未確定的部分利用系統(tǒng)辨識隨時監(jiān)測系統(tǒng)特性的變動利用已知信息和實測數(shù)據(jù)檢驗?zāi)Ｐ偷目煽啃?/p>

系統(tǒng)辨識是系統(tǒng)問題中不可缺少的建模工具第十一頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識12講座內(nèi)容What:什么是系統(tǒng)辨識Why:為什么用系統(tǒng)辨識Where/who/when:系統(tǒng)辨識的應(yīng)用領(lǐng)域How:如何進行系統(tǒng)辨識Applications:系統(tǒng)辨識實例Conclusions:結(jié)束語Where/who/when:系統(tǒng)辨識的應(yīng)用領(lǐng)域第十二頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識13Where/who/when:系統(tǒng)辨識的應(yīng)用領(lǐng)域WhereWhenWho工業(yè)過程、測量、信號處理、通信、物理、航天航空、交通運輸、地質(zhì)探測、地震檢測預(yù)報環(huán)境、生物、醫(yī)療衛(wèi)生、生體科學(xué)、農(nóng)業(yè)技術(shù)、經(jīng)濟、金融外匯、股市系統(tǒng)分析、高性能系統(tǒng)設(shè)計、系統(tǒng)控制、預(yù)測、仿真工程技術(shù)人員、自然科學(xué)研究人員、社會科學(xué)研究人員、金融經(jīng)濟政策決策人員第十三頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識14講座內(nèi)容What:什么是系統(tǒng)辨識Why:為什么用系統(tǒng)辨識Where/who/when:系統(tǒng)辨識的應(yīng)用領(lǐng)域How:如何進行系統(tǒng)辨識Applications:系統(tǒng)辨識實例Conclusions:結(jié)束語How:如何進行系統(tǒng)辨識第十四頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識15How:如何進行系統(tǒng)辨識系統(tǒng)辨識的一般步驟需求分析明確系統(tǒng)辨識的目的和性能要求系統(tǒng)要素及其對系統(tǒng)特性有影響的環(huán)境因素各元素間的影響定性定量分析理論解析建模對象所適用的自然準則、物理準則適合于描述對象特性的模型種類、參數(shù)范圍收集測量數(shù)據(jù)辨識實驗設(shè)計:選擇輸入信號、采樣頻率、測量裝置的安裝實驗數(shù)據(jù)收集、預(yù)處理模型參數(shù)估計模型的可靠性檢驗第十五頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識16How:如何進行系統(tǒng)辨識古典辨識方法隨著1940年代開始的古典控制發(fā)展起來以非參數(shù)模型的建模為主古典辨識方法的分類頻率響應(yīng)法(Frequencyresponse)瞬態(tài)響應(yīng)法(Transientresponse)階躍響應(yīng)法(Stepresponse)脈沖響應(yīng)法(Impulseresponse)相關(guān)分析法(Correlationanalysis)譜分析法(Spectrumanalysis)第十六頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識17How:

如何進行系統(tǒng)辨識現(xiàn)代辨識方法始于1960年代參數(shù)模型的建模通過對衡量模型和測量數(shù)據(jù)之間吻合程度的評價函數(shù)的最優(yōu)化求模型參數(shù)需要有效的最優(yōu)化算法第十七頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識18How:如何進行系統(tǒng)辨識現(xiàn)代辨識方法的分類最小2乘類(Leastsquares)最小2乘，廣義最小2乘，擴展最小2乘輔助變量法極大似然法(Maximumlikelihood)預(yù)報誤差法(Predictionerror)在線遞推辨識算法(Recursivealgorithm)遞推最小2乘法遞推輔助變量法遞推預(yù)報誤差法子空間法:多變量系統(tǒng)的辨識(Subspacemethod)模糊辨識(Fuzzyidentification)第十八頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識19How:如何進行系統(tǒng)辨識面向問題的系統(tǒng)辨識(1)自適應(yīng)系統(tǒng)、實時系統(tǒng)的在線辨識算法遞推最小2乘法遞推輔助變量法遞推預(yù)報誤差法實時故障診斷、定位頻域系統(tǒng)辨識用時域信號建立頻率響應(yīng)模型頻域優(yōu)化算法時間序列分析金融、經(jīng)濟、外匯股市等數(shù)據(jù)分析水文、地質(zhì)、環(huán)境等數(shù)據(jù)分析生體信號處理、內(nèi)部機理分析第十九頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識20How:如何進行系統(tǒng)辨識面向問題的系統(tǒng)辨識(2)閉環(huán)控制設(shè)計中的閉環(huán)系統(tǒng)辨識用控制對象的輸入輸出信號直接辨識法使用外部辨識信號的間接辨識法閉環(huán)辨識和控制器設(shè)計的在線融合非線性系統(tǒng)辨識Hammerstein、Wiener模型建模用神經(jīng)網(wǎng)絡(luò)、遺傳算法等建模局部模型建模法第二十頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識21How:如何進行系統(tǒng)辨識面向問題的系統(tǒng)辨識(3)面向魯棒系統(tǒng)設(shè)計的魯棒系統(tǒng)辨識模型中不確定性、未建模成分的評價模型集合的辨識連續(xù)時間系統(tǒng)辨識時變系統(tǒng)的辨識盲辨識:系統(tǒng)輸入信息殘缺或不可測通信系統(tǒng)建模信號測量系統(tǒng)建模第二十一頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識22How:如何進行系統(tǒng)辨識系統(tǒng)辨識的學(xué)習(xí)數(shù)學(xué)基礎(chǔ)系統(tǒng)理論數(shù)值計算應(yīng)用

微積分線性代數(shù)積分變換線性系統(tǒng)理論隨機過程???系統(tǒng)辨識計算方法程序開發(fā)、仿真技術(shù)信號處理控制系統(tǒng)設(shè)計系統(tǒng)分析、預(yù)報???最優(yōu)化技術(shù)第二十二頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識23How:如何進行系統(tǒng)辨識參考書(原版影印本)第二十三頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識24How:如何進行系統(tǒng)辨識參考書第二十四頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識25How:如何進行系統(tǒng)辨識計算機軟件Matlab/Simulink美國TheMathWorks公司出品SystemIdentificationToolboxFrequencyDomainIdentificationToolboxCONSIDToolbox其他關(guān)聯(lián)工具箱：SignalProcessing,ControlSystem,Optimization,NeuralNetwork,etc.其他軟件

Mathematica、Maple、C、Excel???

第二十五頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識26講座內(nèi)容What:什么是系統(tǒng)辨識Why:為什么用系統(tǒng)辨識Where/who/when:系統(tǒng)辨識的應(yīng)用領(lǐng)域How:如何進行系統(tǒng)辨識Applications:系統(tǒng)辨識實例Conclusions:結(jié)束語Applications:系統(tǒng)辨識實例第二十六頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識27Applications:系統(tǒng)辨識實例閉環(huán)辨識(Closed-LoopIdentification)閉環(huán)系統(tǒng)(Closed-LoopSystem)

C(z)：控制器;F(z)：傳感測量裝置;G(z)：控制對象

r(k)：設(shè)定值；u(k)：控制輸入；y(k):輸出；e(k)：干擾或噪音閉環(huán)系統(tǒng)構(gòu)成框圖辨識對象w(k)L(z)F(z)C(z)G(z)H(z)d(k)r(k)v(k)u(k)y(k)e(k)+-++第二十七頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識28Applications:系統(tǒng)辨識實例閉環(huán)辨識閉環(huán)辨識的難點1:信息損失對象模型:y(k)+ay(k-1)=bu(k-1)+w(k)控制輸入：u(k)＝fv(k)=-

fy(k)閉環(huán)系統(tǒng)例fbz-11+a

z-111+a

z-1r(k)=常數(shù)0v(k)u(k)w(k)y(k)e(k)+-++y(k)+(a+f)y(k-1)=(b-1)u(k-1)+w(k)第二十八頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識29Applications:系統(tǒng)辨識實例閉環(huán)辨識閉環(huán)辨識的難點2:輸入和噪音相關(guān)辨識對象w(k)L(z)F(z)C(z)G(z)H(z)d(k)r(k)v(k)u(k)y(k)e(k)++辨識對象w(k)L(z)G(z)H(z)d(k)u(k)y(k)e(k)++第二十九頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識30Applications:系統(tǒng)辨識實例閉環(huán)辨識閉環(huán)辨識的難點3:數(shù)值計算問題 反饋環(huán)節(jié)增大了輸入和輸出的依存性，使得關(guān)于輸入輸出測量數(shù)據(jù)矩陣的有關(guān)計算對噪音干擾十分敏感第三十頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識31Applications:系統(tǒng)辨識實例閉環(huán)辨識閉環(huán)辨識的難點3:數(shù)值計算問題

依存性小的情況依存性大的情況第三十一頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識32Applications:系統(tǒng)辨識實例閉環(huán)辨識傳統(tǒng)閉環(huán)辨識方法加外部測試信號消除輸入輸出信號間的相關(guān)，提高建?？煽啃詼y試信號會引起運行波動，因此很多實際過程不允許加很強的測試信號多個控制器切換在不同的控制規(guī)則中切換，降低輸入輸出的線性相關(guān)需要設(shè)計多個控制器，切換的同時也會引起運行波動第三十二頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識33Applications:系統(tǒng)辨識實例閉環(huán)辨識輸出多采樣辨識方法辨識對象F(z)C(z)G(z)H(z)v(mT)u(mT)y(mT)e(mT)++辨識對象F(z)C(z)GD(q)HD(q)r(mT)v(mT)u(mT)yD(kD)eD(kD)++wD(kD)w(mT)r(mT)T=pD第三十三頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識34Applications:系統(tǒng)辨識實例閉環(huán)辨識輸出多采樣辨識方法控制器和反饋信號都不需改變，只是提高了輸出信號的采樣頻率不需要另加外部測試信號，也不需要多個控制器切換對系統(tǒng)運行沒有影響

G2(z)yD(mT+2D)eD(mT+2D)++G(z)yD(mT)eD(mT)++G1(z)u(mT)yD(mT+D)eD(mT+D)++反饋…“開環(huán)”狀態(tài)第三十四頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識35Applications:系統(tǒng)辨識實例閉環(huán)辨識輸出多采樣在通信系統(tǒng)中的信道辨識問題

信道發(fā)送信號接收信號噪音++未知未知mT-TmT-DmTmT+DmT+T……第三十五頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識36Applications:系統(tǒng)辨識實例閉環(huán)辨識輸出多采樣在通信系統(tǒng)中的信道辨識問題例:

H(z)H1(z)第三十六頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識37Applications:系統(tǒng)辨識實例閉環(huán)辨識輸出多采樣在通信系統(tǒng)中的信道辨識問題

H1(z)yD(mT+D)eD(mT+D)++H(z)yD(mT)eD(mT)++…u(mT)第三十七頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識38Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識常見的非線性特性飽和(saturation)死區(qū)(deadzone)回環(huán)型非線性非線性摩擦(nonlinearfriction)

齒隙型(backlash)

繼電型(relay)滯后回環(huán)(hysteresis)第三十八頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識39Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識非線性系統(tǒng)辨識的難點非線性特性多種多樣，沒有統(tǒng)一的表達形式。疊加定理不再適用于非線性系統(tǒng)，系統(tǒng)成分難于分解動作點的變動可能帶來系統(tǒng)特性的較大波動非線性的數(shù)值計算比較難，而且不能保證得到全局最優(yōu)解第三十九頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識40Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識選擇非線性模型的原則如果能用線性模型近似的話就盡量用線性模型必須選擇非線性模型的情況下，盡量選擇待定參數(shù)少的模型必須選擇非線性模型的情況下，盡量選擇簡單、容易辨識的模型結(jié)構(gòu)在能夠滿足實用要求的情況下，可以在模型精度和建模的復(fù)雜程度之間取得折衷第四十頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識41Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識常用的非線性模型(1)Volterra級數(shù)相當(dāng)于函數(shù)的冪級數(shù)展開把非線性辨識問題轉(zhuǎn)換成Volterra核的系數(shù)求解問題缺點:當(dāng)輸入信號為有色信號時需要高階Volterra核第四十一頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識42Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識常用的非線性模型(2)面向模塊的模型非線性環(huán)節(jié)為靜態(tài)非線性(與時間無關(guān))非線性環(huán)節(jié)與線性環(huán)節(jié)是串聯(lián)結(jié)構(gòu)、各個環(huán)節(jié)可以完全分離模型結(jié)構(gòu)有Hammerstein模型、Wiener模型、Hammerstein-Wiener模型、Wiener-Hammerstein模型等局限性:只適用于特定的非線性系統(tǒng)結(jié)構(gòu)(串級系統(tǒng)、控制執(zhí)行機構(gòu)等)第四十二頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識43Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識常用的非線性模型(2)面向模塊的模型Hammerstein模型結(jié)構(gòu)Wiener模型結(jié)構(gòu)中間變量x(k)未知(不可測)靜態(tài)非線性環(huán)節(jié)可以用連續(xù)函數(shù)描述的情況下，可以用多項式,三角函數(shù)，或者樣條插值曲線等近似靜態(tài)非線性環(huán)節(jié)動態(tài)線性環(huán)節(jié)u(k) x(k) y(k)靜態(tài)非線性環(huán)節(jié)動態(tài)線性環(huán)節(jié)u(k) x(k) y(k)第四十三頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識44Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識常用的非線性模型(2)面向模塊的模型Hammerstein－Wiener、Wiener－

Hammerstein模型結(jié)構(gòu)u(k)

x1(k) x2(k)

y(k)u(k)x1(k) x2(k)

y(k)NLN型LNL型動態(tài)線性環(huán)節(jié)動態(tài)線性環(huán)節(jié)動態(tài)線性環(huán)節(jié)靜態(tài)非線性環(huán)節(jié)靜態(tài)非線性環(huán)節(jié)靜態(tài)非線性環(huán)節(jié)第四十四頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識45Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識常用的非線性模型(3)階層模型(GroupMethodofDataHandling:GMDH)已知信號層：輸入輸出及其遲延信號中間層：由數(shù)個子模型構(gòu)成，各個子模型的輸入是上一層的子模型的輸出各層的子模型采用簡單的結(jié)構(gòu)，例如

u(k)u(k-1)、u2(k)(并列)中間層(并列)中間層

x11(k)u(k),y(k) y(k)xm1(k)???已知信號層第四十五頁，共五十二頁，2022年，8月28日技術(shù)講座系統(tǒng)辨識46Applications:系統(tǒng)辨識實例非線性系統(tǒng)辨識常用的非線性模型(4)非線性ARMAX模型:NARMAX表達式

Fl[?]是非線性函數(shù)，l是非線性的次數(shù)例