系统辨识论文

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

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:Thecurrentmethodsforsystemidentificationare presented.Thetraditionalsystemidentificationmethodsandtheir shortcomingsaresummarized.Somenewmethodsbasedonneuralnetwork, 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;经典的辨识方法对于某些复杂系统在一些情况下无能为力。以上这些