王直杰
[摘要]本文采用Matlab仿真产生模拟的可用于线性与非线性动态系统建模的输入输出数据。根据这些数据,设计程序生成建模所需的数据矩阵。同时给出了最小二乘法、最大似然估计、BP神经网络、RBF神经网络建模的样例程序。为学生熟悉、比较及应用各种线性与非线性动态系统建模方法提供了条件。
[关键词]动态系统建模 仿真 人工神经网络
在讲授完线性与非线性动态系统建模方法基本理论以后,需要让学生进行上机实验[1]以达到以下目的:1进一步加深理解学习的基本理论;2各种参数的选择对建模效果的影响;3各种建模方法的优缺点及适用场合。为了达到这些目的,我们模拟实际应用时的情况,提供给学生模拟的输入输出数据,以便学生利用这些数据,进行编程建立模型。同时我们编程实现基于最小二乘法、最大似然估计、BP神经网络、RBF神经网络的动态系统建模方法[2,3],学生可以利用这些Matlab程序进行各种方法的学习、各种情况下建模效果的对比,以及各种方法的适用场合的对比。
一、 基于Matlab仿真的线性动态系统最小二乘法建模的教学
假设系统的差分方程为:y(k)=-a1y(k-1)-a2y(k-2)-…-any(k-n)+b0u(k)+b1u(k-1)+…+bmu(k-m)+e(k)。其中y(k)为输出,u(k)为输入,e(k)为模型残差。假定建模用的数据序列从y(k)开始,则构建以下数据矩阵及数据向量:
如果模型残差为白噪声(实际情况多为有色噪声,但当噪声强度不大时,可近似当作白噪声处理),则根据最小二乘法,由这 组数据估计得到的参数 。
以上的最小二乘法需要……