资源描述：
《系统辨识论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、系统辨识摘要对现有的系统辨识方法进行了介绍。首先说明了系统辨识的传统方法及其不足,进一步引出了把神经网络、遗传算法、模糊逻辑、小波网络等知识应用于系统辨识得到的一些新型辨识方法,最后介绍了系统辨识未来的发展方向。Abstract:Thecurrentmethodsforsystemidentificationarepresented.Thetraditionalsystemidentificationmethodsandtheirshortcomingsaresummarized.Somenewmethodsbasedonneuralnet
2、work,geneticalgorithms,fuzzylogic,waveletnetworketcareintroduced.Finallyresearchtrendsofsystemidentificationaregiven.前言系统辨识是建模的一种方法。不同的学科领域,对应着不同的数学模型,从某种意义上讲,不同学科的发展过程就是建立它的数学模型的过程。建立数学模型有两种方法:即解析法和系统辨识。L.A.Zadeh于1962年曾对“辨识”给出定义:系统辨识是在对输入和输出观测的基础上,在指定的一类系统中,确定一个与被识别的系统等价的
3、系统。但是,实际上我们不可能找到一个与实际系统完全等价的模型。从实用的角度来看,系统辨识就是从一组模型中选择一个模型,按照某种准则,使之能最好地拟合由系统的输入输出观测数据体现出的实际系统的动态或静态特性。经典的系统辨识方法的发展已经比较成熟和完善,他包括阶跃响应法、脉冲响应法、频率响应法、相关分析法、谱分析法、最小二乘法和极大似然法等。其中最小二乘法(LS)是一种经典的和最基本的,也是应用最广泛的方法。但是,最小二乘估计是非一致的,是有偏差的,所以为了克服他的缺陷,而形成了一些以最小二乘法为基础的系统辨识方法:广义最小二乘法(GLS)、辅
4、助变量法(IV)、增广最小二乘法(ELS)和广义最小二乘法(GLS),以及将一般的最小二乘法与其他方法相结合的方法,有最小二乘两步法(COR-LS)和随机逼近算法等。随着人类社会的发展进步,越来越多的实际系统很多都是具有不确定性的复杂系统。而对于这类系统,经典的辨识建模方法难以得到令人满意的结果,即就是说,经典的系统辨识方法还存在着一定的不足:利用最小二乘法的系统辨识法一般要求输入信号已知,并且必须具有较丰富的变化,然而,这一点在某些动态系统中,系统的输入常常无法保证;极大似然法计算耗费大,可能得到的是损失函数的局部极小值;经典的辨识方法对
5、于某些复杂系统在一些情况下无能为力。以上这些问题已经引起研究者们的广泛关注,在第七届国际自动控制联合会以后,众多学者在系统辨识方面的注意力主要集中在对不确定性的复杂系统的辨识上。以下就介绍一些近年来涌现出的一些现代的系统辨识方法。基于神经网络的系统辨识。神经网络技术是20世纪末迅速发展起来的一门高技术。由于神经网络具有良好的非线性映射能力、自学习适应能力和并行信息处理能力,为解决未知不确定非线性系统的辨识问题提供了一条新的思路。在辨识非线性系统时,我们可以根据非线性静态系统或动态系统的神经网络辨识结构,利用神经网络所具有的对任意非线性映射的
6、任意逼近能力,来模拟实际系统的输入输出关系,而利用神经网络的自学习、自适应能力,可以方便地给出工程上易于实现的学习算法,经过训练得到系统的正向或逆向模型。与传统的基于算法的辨识方法相比较,神经网络用于系统辨识具有以下几个特点:(1)神经网络本身作为一种辨识模型,其可调参数反映在网络内部的连接权上,因此不再要求建立实际系统的辨识格式,即可以省去对系统建模这一步骤;(2)可以对本质非线性系统进行辨识,而且辨识是通过在网络外部拟合系统的输入输出数据、在网络内部归纳隐含在输入输出数据中的系统特性来完成的,因此这种辨识是非算法式的;(3)辨识的收敛速
7、度不依赖于待辨识系统的维数,只与神经网络本身及所采用的学习算法有关,传统的辨识算法随模型参数维数的增大而变得很复杂;(4)由于神经网络中的神经元之间存在大量的连接,这些连接上的权值在辨识中对应于模型参数,通过调节这些权值即可使网络输出逼近系统输出;(5)神经网络作为实际系统的辨识模型,实际上也是系统的一个物理实现,可用于在线控制。但是,由于神经网络尚有一些理论和实际问题有待深入研究,如:学习算法的收敛性、收敛的速度、精度等问题,因此在实时性、辨识的精度方面，很多情况下还不理想。另外由于非线性模型的特性多种多样,对于某一系统的辨识问题,网络的
8、选择、网络结构的确定等在理论和实践上都有待进一步探讨。2.2基于遗传算法的系统辨识。遗传算法是一种新兴的优化算法,是建立在自然选择和自然遗传学机理基础上的迭代自适应概率性算法,由
