系统辨识实验报告.doc

文档介绍：自动化09-3宋佳瑛09051304系统辨识实验报告实验一:系统辨识的经典方法实验目的:掌握系统的数学模型与系统的输入,输出信号之间的关系,掌握经典辨识的实验测试方法和数据处理方法。熟悉matlab/Simulink环境。实验内容:。在系统没有噪声干扰的条件下通过测试系统的阶跃响应获得系统的一阶加纯滞后或二阶加纯滞后模型,对模型进行验证。,重复上述1的实验过程。没有噪声搭建对象测试对象流程图实验结果为:2、加入噪声干扰搭建对象实验结果:加入噪声干扰之后水箱输出不平稳,有波动。实验二:相关分析法搭建对象:处理程序:fori=1:15m(i,:)=UY(32-i:46-i,1);endy=UY(31:45,2);gg=ones(15)+eye(15);g=1/(25*16*2)*gg*m*y;plot(g);holdon;stem(g);实验结果:相关分析法最小二乘法建模:二、三次实验本次实验要完成的内容:,设计对象,从workspace空间获取数据,取二阶,三阶对象实现最小二乘法的一次完成算法和最小二乘法的递推算法(LSandRLS);,在时间为200-300之间,设计一个阶跃扰动,用最小二乘法和带遗忘因子的最小二乘法实现,对这两种算法的特点进行说明;实验内容结果与程序代码:利用LS和RLS得到的二阶,三阶参数算法阶次A1A2A3B0B1B2B3LS二阶----------:LS(二阶):M=UY(:,1);z=UY(:,2);H=zeros(199,5);fori=1:199H(i,1)=-z(i+1);H(i,2)=-z(i);H(i,3)=M(i+2);H(i,4)=M(i+1);H(i,5)=M(i);endEstimate=inv(H'*H)*H'*(z(3:201))RLS(二阶):clcM=UY(:,1);z=UY(:,2);P=100*eye(5);%估计方差Pstore=zeros(5,200);Pstore(:,1)=[P(1,1),P(2,2),P(3,3),P(4,4),P(5,5)]';Theta=zeros(5,200);%参数的估计值,存放中间过程估值Theta(:,1)=[0;0;0;0;0];K=[10;10;10;10;10;10;10];fori=3:201h=[-z(i-1);-z(i-2);M(i);M(i-1);M(i-2)];K=P*h*inv(h'*P*h+1);Theta(:,i-1)=Theta(:,i-2)+K*(z(i)-h'*Theta(:,i-2));P=(eye(5)-K*h')*P;Pstore(:,i-1)=[P(1,1),P(2,2),P(3,3),P(4,4),P(5,5)]';endi=1:200;figure(1)plot(i,Theta(1,:),i,Theta(2,:),i,Theta(3,:),i,Theta(4,:),i,Theta(5,:))title('待估参数过渡过程')figure(2)plot(i,Pstore(1,:),i,Pstore(2,:),i,Pstore(3,:),i,Pstore(4,:),i,Pstore(5,:))title('估计方差变化过程')同理可以写出三阶的LS以及RLS算法,此处略去。=250出加入一个阶跃扰动,。算法遗忘因子A1A2A3B0B1B2B3RLS1------:,我们可以看出来利用最小二乘法得到的参数最终趋于稳定,为利用带遗忘因子的最小二乘算法,曲线参数最终还是有小幅度震荡。由此可以看出两种算法的一些特点与区别。最小二乘法:递推算法没获得一次新的观测数据就修正一次参数估计值,随着时间的推移,便能获得满意的辨识结果。带遗忘因子的最小二乘法。其本质还是最小二