多变量系统辨识中的测试信号分析与研究

论文摘要

任何预测控制中的基本问题都是选择表示系统的模型,系统辨识则是在实际工业中获得系统模型的主要方法。针对目前系统辨识主要是加测试信号的辨识,本文对系统辨识测试信号的设计和分析进行了深入研究。本文的主要研究成果和创新如下:1.得到了最小二乘法的参数估计值的无偏一致性的充要条件,并讨论了辨识结果和噪声的关系。2.由过程的可辨识性的定义,提出2n阶持续激励条件只是过程可辨识性的一个充分条件而非必要条件,只有在最小二乘法下才是充分必要条件。3.提出了一种多通道测试伪随机信号的设计方法。该方法对于稳定时间相差较大的多变量系统,可以显著缩短测试时间。设计出一种白噪声广义二进制序列,该信号与白噪声的特性类似,生成该信号也简单,可以被广泛地当做系统辨识的测试信号。4.提出了一种多通道测试二进制多频序列的设计方法,该方法可以大大缩短测试时间。设计了高通和低通复合的多变量系统二进制多频序列,对于同时含有高通和低通通道的多变量系统,可以提高系统辨识精度。5.针对带约束的多变量系统,从稳态控制和动态控制的角度,分别提出了测试信号的设计方法。使得测试信号在满足约束的前提下,幅度达到最大,以提高系统的信噪比。对于闭环系统的动态约束测试,设计从稳态到动态的两阶段过程,并对两个阶段都设计了测试信号。6.基于渐近理论,提出了一种多变量系统测试信号的设计方法,并针对系统辨识的四个基本问题分四个步骤设计了辨识方法,该设计方法辨识精度较高且数值稳定性较好同时容易实现,而且能辨识带有工业有色的噪声的系统。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 系统辨识的定义
• 1.3 系统辨识发展简史
• 1.3.1 加测试信号和不加测试信号的系统辨识
• 1.3.2 本文的研究意义
• 1.4 系统辨识的新发展
• 1.4.1 鲁棒辨识
• 1.4.2 子空间模型辨识方法
• 1.4.3 连续时间系统辨识
• 1.4.4 时变动态系统的跟踪
• 1.5 智能辨识
• 1.5.1 基于知识的系统辨识
• 1.5.2 基于人工神经元网络的系统辨识
• 1.5.3 基于遗传算法的系统辨识
• 1.5.4 基于模糊逻辑的系统辨识
• 1.5.5 基于小波网络的系统辨识
• 1.5.6 基于多层递阶方法的系统辨识
• 1.6 论文各部分的主要内容
• 第2章 关于测试信号若干条件的讨论
• 2.1 背景介绍
• 2.2 最小二乘法的无偏一致条件和噪声的关系
• 2.3 可辨识性和输入信号的关系
• 2.4 用智能方法来辨识系统
• 2.5 结论
• 第3章 时域测试信号的分析与设计
• 3.1 概述
• 3.2 信号质量衡量标准
• 3.3 白噪声序列
• 3.4 二进制伪随机序列
• 3.4.1 PRBS信号的特征
• 3.4.2 PRBS用于相关分析法
• 3.4.3 PRBS用于最小二乘法
• 3.5 逆重复伪随机信号
• 3.5.1 L信号的特征
• 3.5.2 L信号用于相关分析法
• 3.6 广义二进制噪声
• 3.6.1 GBN信号的特征
• 3.6.2 GBN用于相关分析法
• 3.6.3 GBN用于最小二乘法
• 3.7 仿真算例
• 3.8 本章小结
• 第4章 频域测试信号的分析与设计
• 4.1 概述
• 4.2 多频正弦信号
• 4.3 二进制多频序列
• 4.3.1 MBS信号的特征
• 4.3.2 MBS信号用于多通道辨识
• 4.3.3 MBS信号用于最小二乘法
• 4.3.4 MBS信号在高低频段的设计
• 4.4 仿真算例
• 4.5 本章小结
• 第5章 带约束系统的测试信号设计
• 5.1 概述
• 5.2 稳态约束测试
• 5.2.1 单输入单输出
• 5.2.2 多输入多输出
• 5.2.3 仿真算例
• 5.3 动态约束测试
• 5.3.1 单输入单输出
• 5.3.2 多输入多输出
• 5.3.3 闭环下的动态约束过程测试
• 5.3.4 仿真算例
• 5.4 结论
• 第6章 基于渐近理论的黑箱系统辨识
• 6.1 概述
• 6.2 渐近理论
• 6.2.1 问题的提出
• 6.2.2 SISO系统的渐近理论
• 6.2.3 MIMO系统的渐近理论
• 6.3 基于渐近理论的多变量过程辨识方法
• 6.3.1 辨识的四个基本问题
• 6.3.2 辨识步骤
• 6.4 仿真试验与结果
• 6.5 本章小结
• 第7章 结论与展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文