系統辨識辨識方法性能分析

Ⅰ 丁鋒的科技獎勵

（1）江蘇省推薦申報2012年度國家自然科學獎「復雜系統辨識建模方法及其性能分析」。
（2）2010年度江蘇省自然科學二等獎「基於遞階辨識原理的辨識方法及其收斂性」，排名第一。
（3）2007年度江蘇省自然科學三等獎「控制系統辨識建模理論與控制方法穩定性研究」，排名第一。
（4）2001年中石化集團公司科技進步二等獎（省部級）「福建煉油化工有限公司計算機集成生產系統(FR-CIMS)二期工程」。
（5）1998年中石化集團公司科技進步二等獎（省部級）「福建煉油化工有限公司計算機集成生產系統(FR-CIMS)一期工程」。
（6）1998年中石化總公司科技進步三等獎「基於煉油過程模擬的優化生產計劃/調度系統開發及應用」。

Ⅱ 系統辨識的檢驗

通過參數估計得到的模型，雖然按某種准則在選定的模型類中是最好的，但是並不一定能達到建模的目的，所以還必須進行適用性檢驗。這是辨識過程的重要一環，只有通過適用性檢驗的模型才是最終的模型。
造成模型不適用主要有三個方面的原因:模型類(模型的結構)選擇不當;實驗數據誤差過大或由於實驗條件限制，數據的代表性太差；辨識演算法存在問題（例如沒有考慮必要的約束）。
模型是否適用與建模的目的緊密相關，所以很難得出統一的檢驗方法，而是要根據問題的性質採取不同的方法。一般來說，適用性檢驗在得到模型後進行，但也可以在辨識過程的各個階段進行。例如，考察模型的結構可辨識性本身就是一種適用性檢驗，不可辨識的模型當然是不適用的。 適用性檢驗的方法主要有兩類：利用先驗知識檢驗和利用數據檢驗。利用先驗知識是適用性檢驗的一條重要途徑。有一些模型從數據的擬合上看不出問題，但是根據對模型已有的知識卻可以斷定模型是否適用。例如辨識一個化學反應動力學模型：已經知道反應物濃度增大並不抑制反應，如果參數估計的結果反應系數是負的，就可斷定這是不合理的。又如辨識生理動力學模型：如果參數估計得到的參數值已超過生理學已知的可能范圍，這樣的模型也是不適用的。適用性檢驗的另一條途徑是，利用數據在同一模型類中或在不同的模型類中進行比較。在得到模型後常常用一組不同於辨識時用的數據去檢驗模型的精度。如果檢驗的結果有過大的誤差，則可能存在兩個問題：辨識用的數據缺乏代表性或所選的模型類不合適。在不同類的模型中進行比較所用的方法主要是統計檢驗（如F檢驗、似然比檢驗）或者是在擬合誤差的基礎上加上評價模型的懲罰項（如赤池的AIC准則）。

Ⅲ 系統辨識的方法

經典的系統辨識方法的發展已經比較成熟和完善，他包括階躍響應法、脈沖響應法、頻率響應法、相關分析法、譜分析法、最小二乘法和極大似然法等。其中最小二乘法(LS)是一種經典的和最基本的，也是應用最廣泛的方法。但是，最小二乘估計是非一致的，是有偏差的，所以為了克服他的缺陷，而形成了一些以最小二乘法為基礎的系統辨識方法：廣義最小二乘法(GI S)、輔助變數法(IV)、增廣最小二乘法(EI，S)和廣義最小二乘法(GI S)，以及將一般的最小二乘法與其他方法相結合的方法，有最小二乘兩步法(COR—I S)和隨機逼近演算法等。
經典的系統辨識方法還存在著一定的不足： (1)利用最小二乘法的系統辨識法一般要求輸入信號已知，並且必須具有較豐富的變化，然而，這一點在某些動態系統中，系統的輸入常常無法保證；(2)極大似然法計算耗費大，可能得到的是損失函數的局部極小值；(3)經典的辨識方法對於某些復雜系統在一些情況下無能為力。 隨著系統的復雜化和對模型精確度要求的提高，系統辨識方法在不斷發展，特別是非線性系統辨識方法。主要有：
1、集員系統辨識法
在1979年集員辨識首先出現於Fogel 撰寫的文獻中，1982年Fogel和Huang又對其做了進一步的改進。集員辨識是假設在雜訊或雜訊功率未知但有界UBB(Unknown But Bounded)的情況下，利用數據提供的信息給參數或傳遞函數確定一個總是包含真參數或傳遞函數的成員集(例如橢球體、多面體、平行六邊體等)。不同的實際應用對象，集員成員集的定義也不同。集員辨識理論已廣泛應用到多感測器信息融合處理、軟測量技術、通訊、信號處理、魯棒控制及故障檢測等方面。
2、多層遞階系統辨識法
多層遞階方法的主要思想為：以時變參數模型的辨識方法作為基礎，在輸入輸出等價的意義下，把一大類非
線性模型化為多層線性模型，為非線性系統的建模給出了一個十分有效的途徑。
3、神經網路系統辨識法
由於人工神經網路具有良好的非線性映射能力、自學習適應能力和並行信息處理能力，為解決未知不確定非線性系統的辨識問題提供了一條新的思路。
與傳統的基於演算法的辨識方法相比較，人工神經網路用於系統辨識具有以下優點：(1)不要求建立實際系統的辨識格式，可以省去對系統建模這一步驟；(2)可以對本質非線性系統進行辨識；(3)辨識的收斂速度僅與神經網路的本身及所採用的學習演算法有關；(4)通過調節神經元之間的連接權即可使網路的輸出來逼近系統的輸出；(5)神經網路也是系統的一個物理實現，可以用在在線控制。
4、模糊邏輯系統辨識法
模糊邏輯理論用模糊集合理論，從系統輸入和輸出的量測值來辨識系統的模糊模型，也是系統辨識的一個新的
和有效的方法，在非線性系統辨識領域中有十分廣泛的應用。模糊邏輯辨識具有獨特的優越性：能夠有效地辨識復雜和病態結構的系統；能夠有效地辨識具有大時延、時變、多輸入單輸出的非線性復雜系統；可以辨識性能優越的人類控制器；可以得到被控對象的定性與定量相結合的模型。模糊邏輯建模方法的主要內容可分為兩個層次：一是模型結構的辨識，另一個是模型參數的估計。典型的模糊結構辨識方法有：模糊網格法、自適應模糊網格法、模糊聚類法及模糊搜索樹法等。
5、小波網路系統辨識法
小波網路是在小波分解的基礎上提出的一種前饋神經網路口 ，使用小波網路進行動態系統辨識，成為神經網路辨識的一種新的方法。小波分析在理論上保證了小波網路在非線性函數逼近中所具有的快速性、准確性和全局收斂性等優點。小波理論在系統辨識中，尤其在非線性系統辨識中的應用潛力越來越大，為不確定的復雜的非線性系統辨識提供了一種新的有效途徑，其具有良好的應用前景。

Ⅳ 系統辨識的辨識目的

在提出和解決一個辨識問題時，明確最終使用模型的目的是至關重要的。它對模型類（模型結構）、輸入信號和等價准則的選擇都有很大的影響。通過辨識建立數學模型通常有四個目的。
①估計具有特定物理意義的參數有些表徵系統行為的重要參數是難以直接測量的，例如在生理、生態、環境、經濟等系統中就常有這種情況。這就需要通過能觀測到的輸入輸出數據，用辨識的方法去估計那些參數。
②模擬模擬的核心是要建立一個能模模擬實系統行為的模型。用於系統分析的模擬模型要求能真實反映系統的特性。用於系統設計的模擬，則強調設計參數能正確地符合它本身的物理意義。
③預測這是辨識的一個重要應用方面，其目的是用迄今為止系統的可測量的輸入和輸出去預測系統輸出的未來的演變。例如最常見的氣象預報，洪水預報，其他如太陽黑子預報，市場價格的預測，河流污染物含量的預測等。預測模型辨識的等價准則主要是使預測誤差平方和最小。只要預測誤差小就是好的預測模型，對模型的結構及參數則很少再有其他要求。這時辨識的准則和模型應用的目的是一致的，因此可以得到較好的預測模型。
④控制為了設計控制系統就需要知道描述系統動態特性的數學模型，建立這些模型的目的在於設計控制器。建立什麼樣的模型合適，取決於設計的方法和准備採用的控制策略。

Ⅳ 系統辨識的重要性是什麼

辨識的重要性
在提出和解決一個辨識問題時，明確最終使用模型的目的是至關重要的。它對模型類（模型結構）、輸入信號和等價准則的選擇都有很大的影響。通過辨識建立數學模型通常有四個目的。

Ⅵ 系統辨識與建模 辨識方法有哪些

主要內容包括：線性系統的辨識，多變數線性系統的辨識，線性系統的非參數表示和辨識，非線性系統的辨識，時間序列建模，房室模型（多用於醫學、生物工程中）的辨識，神經網路模型的辨識，模糊系統的建模與辨識，遺傳演算法及其在辨識中的應用，辨識的實施等。各種方法都給出具體的計算步驟或框圖，並結合實例或模擬例子給予說明，盡量使讀者易學會用。 本書為天津市高校「十五」規劃教材，可作為高等學校自動化、系統工程、經濟管理、應用數學等專業的高年級本科生和研究生的教材或參考書，也可作為有關科技工作者、工程技術和管理人員的參考書。 圖書目錄第1章引論(1)1.1建模與系統辨識概述1.1.1系統辨識研究的對象1.1.2系統辨識1.1.3系統辨識的目的1.1.4辨識中的先驗知識1.1.5先驗知識的獲得1.1.6系統辨識的基本步驟1.2數學模型1.2.1概述1.2.2線性系統的4種數學模型1.3本書的指導思想和布局第2章線性靜態模型的辨識(12)2．1問題的提出2．2最小二乘法（ls）2.2.1最小二乘估計2.2.2最小二乘估計的性質2.2.3逐步回歸方法2.3病態方程的求解方法2.3.1病態對參數估計的影響2.3.2條件數2.3.3病態方程的求解方法2.4模型參數的最大似然估計（ml）2.4.1最大似然准則2.4.2最大似然估計243鬆弛演算法習題第3章離散線性動態模型的最小二乘估計(27)3．1問題的提法及一次完成最小二乘估計3.2最小二乘估計的遞推演算法(rls)3.2.1遞推最小二乘法3.2.2初始值的選擇3.2.3計算步驟及舉例3.3時變系統的實時演算法3.3.1漸消記憶（指數窗）的遞推演算法3.3.2限定記憶（固定窗）的遞推演算法3.3.3變遺忘因子的實時演算法3.4遞推平方根演算法3.5最大似然估計(ml)習題第4章相關(有色)雜訊情形的辨識演算法(42)4.1輔助變數法4.2增廣最小二乘法(els)4.2.1增廣最小二乘法4.2.2改進的增廣最小二乘法4.3最大似然法（ml）44閉環系統的辨識4．4．1問題的提出4．4．2可辨識性443閉環條件下的最小二乘估計習題第5章模型階的辨識5.1單變數線性系統階的辨識5.1.1損失函數檢驗法5.1.2f檢驗法5.1.3赤池信息准則（aic准則）5.2階與參數同時辨識的遞推演算法5.2.1辨識階次的基本思想和方法5.2.2階的遞推辨識演算法5.2.3幾點說明5.3模擬研究5.3.1辨識方法的模擬研究5.3.2對模型適用性的模擬研究5.3.3控制系統設計中的計算機模擬研究習題*第6章多變數線性系統的辨識6.1不變數、適宜選擇路線及規范形6.1.1代數等價系統6.1.2適宜選擇路線與不變數6.1.3適宜選擇路線與規范形6.2輸入/輸出方程6.2.1輸入/輸出方程一般形式6.2.2pcf規范形對應的輸入/輸出方程6.3pcf規范形的辨識6.3.1結構確定及參數辨識6.3.2*和*的實現演算法習題第7章線性系統的非參數表示和辨識7.1線性系統的非參數表示7.1.1脈沖響應函數7.1.2markov參數（hankel模型）7.2估計脈沖響應函數的相關方法7.2.1相關方法的基本原理7.2.2偽隨機二位式信號（m序列）7.2.3用m序列做輸入信號時脈沖響應函數的估計7.2.4估計h(t)的具體步驟與實施習題第8章非線性系統辨識8.1引言8.2單純形搜索法8.2.1問題的提法8.2.2單純形搜索法8.3迭代演算法的基本原理8.3.1迭代演算法的一般步驟8.3.2可接受方向8.4牛頓—拉夫森演算法8.5麥誇特方法*8.6數據處理的分組方法

Ⅶ MATLAB中，我用系統辨識的方法對一個系統的差分方程的系數進行辨識，得到了差分方程系數。

y'=filter(num,den,x)

這個算出來的是y'

差分方程算出來的是y，不是y'

Ⅷ 有哪些建立控制系統數學模型的方法

在控制系統的分析和設計中,首先要建立系統的數學模型.控制系統的數學模型是描述系統內部物理量(或變數)之間關系的數學表達式.在靜態條件下(即變數各階導數為零),描述變數之間關系的代數方程叫靜態數學模型；而描述變數各階導數之間關系的微分方程叫數學模型.如果已知輸入量及變數的初始條件,對微分方程求解就可以得到系統輸出量的表達式,並由此可對系統進行性能分析.因此,建立控制系統的數學模型是分析和設計控制系統的首要工作
建立控制系統數學模型的方法有分析法和實驗法兩種.分析法是對系統各部分的運動機理進行分析,根據它們所依據的物理規律或化學規律分別列寫相應的運動方程.例如,電學中有基爾霍夫定律,力學中有牛頓定律,熱力學中有熱力學定律等.實驗法是人為地給系統施加某種測試信號,記錄其輸出響應,並用適當的數學模型去逼近,這種方法稱為系統辨識.近幾年來,系統辨識已發展成一門獨立的學科分支,本章重點研究用分析法建立系統數學模型的方法.
在自動控制理論中,數學模型有多種形式.時域中常用的數學模型有微分方程、差分方程和狀態方程；復數域中有傳遞函數、結構圖；頻域中有頻率特性等.

Ⅸ 用到系統辨識法數學建模問題

1)建模准備
數學建模是一項創新活動，它所面臨的課題是人們在生產和科研中為了使認識和實踐進一步發展必須解決的問題。「什麼是問題？問題就是事物的矛盾，哪裡有沒解決的矛盾，哪裡就有問題」。因此發現課題的過程就是分析矛盾的過程貫穿生產和科技中的根本矛盾是認識和實踐的矛盾，我們分析這些矛盾，從中發現尚未解決的矛盾，就是找到了需要解決的實際問題，如果這些實際問題需要給出定量的分析和解答，那麼就可以把這些實際問題確立為數學建模的課題，建模准備就是要了解問題的實際背景，明確建模的目的，掌握對象的各種信息，弄清實際對象的特徵，情況明才能方法對。

(2)建模假設
作為課題的原型都是復雜的、具體的，是質和量、現象和本質、偶然和必然的統一體，這樣的原型，如果不經過抽象和簡化，人們對其認識是困難的，也無法准確把握它的本質屬性。建模假設就是根據實際對象的特徵和建模的目的，在掌握必要資料的基礎上，對原型進行抽象、簡化，把那些反映問題本質屬性的形態、量及其關系抽象出來，簡化掉那些非本質的因素，使之擺脫原型的具體復雜形態，形成對建模有用的信息資源和前提條件，並且用精確的語言作出假設，是建模過程關鍵的一步。對原型的抽象、簡化不是無條件的，一定要善於辨別問題的主要方面和次要方面，果斷地抓住主要因素，拋棄次要因素，盡量將問題均勻化、線性化，並且要按照假設的合理性原則進行，假設合理性原則有以下幾點：
①目的性原則：從原型中抽象出與建模目的有關的因素，簡化掉那些與建模目的無關的或關系不大的因素。
②簡明性原則：所給出的假設條件要簡單、准確，有利於構造模型。
③真實性原則：假設條件要符合情理，簡化帶來的誤差應滿足實際問題所能允許的誤差范圍。
④全面性原則：在對事物原型本身作出假設的同時，還要給出原型所處的環境條件。

(3)模型建立
在建模假設的基礎上，進一步分析建模假設的各條件首先區分哪些是常量，哪些是變數，哪些是已知量，哪些是未知量；然後查明各種量所處的地位、作用和它們之間的關系，建立各個量之間的等式或不等式關系，列出表格、畫出圖形或確定其他數學結構，選擇恰當的數學工具和構造模型的方法對其進行表徵，構造出刻畫實際問題的數學模型。

在構造模型時究竟採用什麼數學工具，要根據問題的特徵、建模的目的要求以及建模者的數學特長而定 可以這樣講，數學的任一分支在構造模型時都可能用到，而同一實際問題也可以構造出不同的數學模型，一般地講，在能夠達到預期目的的前提下，所用的數學工具越簡單越好。

在構造模型時究竟採用什麼方法構造模型，要根據實際問題的性質和建模假設所給出的建模信息而定，就以系統論中提出的機理分析法和系統辨識法來說，它們是構造數學模型的兩種基本方法。機理分析法是在對事物內在機理分析的基礎上，利用建模假設所給出的建模信息或前提條件來構造模型；系統辨識法是對系統內在機理一無所知的情況下利用建模假設或實際對系統的測試數據所給出的事物系統的輸入、輸出信息來構造模型。隨著計算機科學的發展，計算機模擬有力地促進了數學建模的發展，也成為一種構造模型的基本方法，這些構模方法各有其優點和缺點，在構造模型時，可以同時採用，以取長補短，達到建模的目的。

(4)模型求解
構造數學模型之後，再根據已知條件和數據分析模型的特徵和結構特點，設計或選擇求解模型的數學方法和演算法，這其中包括解方程、畫圖形、證明定理、邏輯運算以及穩定性討論，特別是編寫計算機程序或運用與演算法相適應的軟體包，並藉助計算機完成對模型的求解。

(5)模型分析
根據建模的目的要求，對模型求解的數字結果，或進行變數之間的依賴關系分析，或進行穩定性分析，或進行系統參數的靈敏度分析，或進行誤差分析等。通過分析，如果不符合要求，就修改或增減建模假設條件，重新建模，直到符合要求；通過分析如果符合要求，還可以對模型進行評價、預測、優化等。

(6)模型檢驗
模型分析符合要求之後，還必須回到客觀實際中去對模型進行檢驗，用實際現象、數據等檢驗模型的合理性和適用性，看它是否符合客觀實際，若不符合，就修改或增減假設條件，重新建模，循環往復，不斷完善，直到獲得滿意結果 目前計算機技術已為我們進行模型分析、模型檢驗提供了先進的手段，充分利用這一手段，可以節約大量的時間、人力和物力。

(7)模型應用
模型應用是數學建模的宗旨，也是對模型的最客觀、最公正的檢驗 因此，一個成功的數學模型，必須根據建模的目的，將其用於分析、研究和解決實際問題，充分發揮數學模型在生產和科研中的特殊作用。

以上介紹的數學建模基本步驟應該根據具體問題靈活掌握，或交叉進行，或平行進行，不拘一格地進行數學建模則有利於建模者發揮自己的才能。
關於軟體有matlab lindo 等

Ⅹ 簡述系統辨識和參數辨識的區別和聯系

系統地介紹系統辨識和參數估計的基本原理、方法和應用。全書共分為10章，內容包括：緒論、傳遞函數的辨識、辨識的輸入信號、相關辨識法、辨識的最小二乘法、極大似然法及其他辨識演算法、系統階次的辨識、閉環系統辨識、時間序列的建模分析基礎以及系統辨識的應用。書中包含很多工程應用實例、Matlab實例、例題和習題。系統辨識是研究確定系統數學模型的一種理論和方法，它和狀態估計、控制理論構成現代控制論三個互相滲透的領域。