李 昱,袁 磊
(1.北京理工大学机电学院,北京 100081;2.北京特种车辆研究所,北京 100072)
系统辨识是使用传递函数对所研究系统进行表征。在研究系统特性的过程中,掌握如何正确使用系统辨识工具十分重要。
目前对线性系统辨识的研究已经颇为深入。20世纪50年代末期便出现了传统的系统辨识,传统的系统辨识存在一定的局限性,仅适用于线性系统,对非线性系统的估计准确性较差[1]。近年来伴随着计算机硬件以及神经网络、遗传算法等理论的发展,系统辨识理论在非线性系统中又迎来了新的分析方法,这些方法统称为新型系统辨识方法[2-3]。
针对系统辨识参数计算算法的综述文章较多,但是针对在辨识过程中的系统模型结构建立以及选取的文章较少;同时,在建模过程中,模型结构正确地建立与合适地选取对计算的效率与最后结果的精度都有重要的影响[4-5]。本文着重对在线性系统辨识过程中的常用结构模型的形式、适用场景以及使用方法进行介绍与分析,同时介绍了适用于常用模型的计算算法,并使用系统辨识方法对实际问题进行了分析与求解。
系统辨识中“辨识”的定义[6]是1962年由美国著名控制理论专家Lotfi Aliasker Zadeh教授提出的:“辨识就是在输入和输出数据的基础上,从一组给定的模型类中,确定一个与所测系统等价的模型。”
线性系统指的是同时满足叠加性与均匀性的系统,线性系统可用微分或者差分方程来表示。……