论文部分内容阅读
系统辨识是现代控制理论的重要组成部分。对系统的结构和参数进行辨识在工程上和理论上都占有重要的地位。最小二乘法是系统参数辨识中的重要估计方法,并在众多领域和场合得到了广泛的应用。本文主要对线性系统最小二乘法的具体实现方法进行了改进,通过引入QR分解来加速参数辨识的实现。根据算法的特点,对系统分块Hankel矩阵的QR分解用GIVENS变换来实现,并在此基础上对系统参数进行递推辨识。论文主要进行了以下几个方面的研究:首先研究了系统辨识的最小二乘法,通过对系统的输出方程模型进行分析,利用采样获得的输入输出数据得到最小二乘估计的结果:接着分析参数的最小二乘估计结果存在的不足,通过引入QR分解来对递推辨识算法进行改进。QR分解有多种实现方法,本文通过对比各种典型分解方法的特点,针对本算法选用形式最简单的2×2的GIVENS变换来进行QR分解。在此基础上对单变量系统的辨识算法进行改进,将改进后的算法用于递推辨识和含有遗忘因子的情况,并分析了单变量参数递推辨识的数据启动问题。然后通过对多变量系统的数学模型进行分析,改变传递函数的形式,将多变量系统化为若干个单输出的子系统,通过对子系统进行参数辨识来实现多变量系统参数的递推辨识。由于各个子系统具有统一的输入,通过对输入部分进行统一处理,并直接调用结果可以快速实现各个子系统参数的递推辨识。通过对多变量系统进行降维的子系统法可以迅速实现对系统参数的递推辨识,数据启动问题也能够得到有效解决。考虑工业过程中的实际情况,用子系统法对多变量系统进行参数辨识是不适合的,有必要对多变量系统的参数进行整体辨识。通过分析多变量系统的最小二乘法,得到了下三角矩阵的结构特点,在此基础上得到了多变量系统参数进行递推辨识的形式。最后利用GIVENS变换来实现分块Hankel矩阵的QR分解,得到多变量系统的递推算法,通过对数据处理进行递推调用可以快速实现多变量系统参数的递推辨识。