系统辨识的Matlab实现方法(手把手).doc

《系统辨识的Matlab实现方法(手把手).doc》由会员分享，可在线阅读，更多相关《系统辨识的Matlab实现方法(手把手).doc（20页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、.-最近在做一个项目的方案设计，应各位老总的要求，只有系统框图和器件选型可不行，为了凸显方案设计的高大上，必须上理论分析，炫一下“技术富”，至于具体有多大实际指导意义，那就不得而知了！本人也是网上一顿百度，再加几日探索，现在对用matlab实现系统辨识有了一些初步的浅薄的经验，在此略做一小节。必须要指出的是，本文研究对象是经典控制论理最简单最常用的线性时不变的siso系统，而且是2阶的哦，也就是具有如下形式的传递函数：本文要做的就是，对于有这样传递函数的一个系统，要辨识得到其中的未知数T， !这可是控制系统设计分析的基础哦，没有系统模型，啥理论、算法都是白扯，在实际工程中非常重要哦！经过总结研

2、究，在得到系统阶跃响应实验数据之后（当然如果是其他响应，也有办法可以辨识，在此还是只讨论最简单的阶跃响应实验曲线，谁让你我是菜鸟呢），利用matlab至少可以有两种方法实现实现（目前我只会两种，呵呵）！一、函数法二、GUI系统辨识工具箱下面分别作详细介绍！一、 函数法看官别着急，先来做一段分析（请看下面两排红*之间部分），这段分析是网上找来的，看看活跃一下脑细胞吧，如果不研读一下，对于下面matlab程序，恐怕真的就是一头雾水咯！*G(s)可以分解为：其中， 、都是实数且均大于零。则有：，传递函数进一步化为：因此，辨识传递函数就转化为求解、。当输入为单位阶跃函数时，对上式进行拉普拉斯反变换，得

3、系统时域下的单位阶跃响应为：即 令=，得 对上式两边取以为底的对数得当时，则上式化简为该式的形式满足直线方程其中，=，通过最小二乘算法实现直线的拟合，得到，的值，即可得到、的值，进而可得系统的传递函数。*Matlab程序代码:clcclose allt=1 3 5 7 9 11 13 15 17 19; y=0.149086 0.5890067 0.830617 0.933990 0.973980 0.991095 0.995868 0.998680 0.999490 0.999850; y2=log(1-y);plot(t,y2,*);grid onpm=polyfit(t,y2,1)val

4、ue=polyval(pm,t);hold onplot(t,value,r)title(fontname黑体fontsize20y(t)=at+b)w2=-pm(1)w1=w2/(1-exp(-pm(2)T=1/sqrt(w1*w2)theta=(w1+w2)/(2*sqrt(w1*w2)z=;p=-w1 -w2;k=w1*w2;sys=zpk(z,p,k)figure(2)step(sys,0:0.5:20);axis(0 20 0 1.2)hold on plot(t,y,r*)打开matlab，新建一个Function,把上述程序段拷进去，保存，运行，运行结果：系统的传递函数为很顺利吧

5、？先高兴一个！问题接着马上就来了，上面这个例子，这个传递函数的极点刚好都是负实数，因此辨识得很顺利，但是如果系统是欠阻尼系统，也就是如果传递函数的根是复数，那么上述函数段，就无能为力咯，会出现说“matlab无法处理增益为复数情况之类”例如对于这个系统，若果用simulink做一下阶跃响应，再把实验数据代入上述函数段，那就不行咯！怎么办呢，只能另辟蹊径了！二、（System Identification Tool）系统辨识工具箱早听说matlab博大精深，神通广大了，于是乎我确定肯定有更简单、直观、强大的工具来完成这小儿科把戏。查资料琢磨之后，我做了个小实验，在simulink里验证了该种方法

6、。该方法的大原则是：在确定了系统的输入输出数据（两个列向量N1形式，如果是1N，会提示出错！）之后，设计好一定的辨识原则（比如说是2阶？3阶？，传递函数是零极点形式，还是带阻尼形式，等等），然后就交给强大的matlab，得到辨识结果。Step by step，plz！Step1、 建立模型获取系统输入输出数据图1图1系统的输入是阶跃信号，用Scope1监视，并输出到workspace（这步不会的自己百度哦），采样周期是0.1s，得到输入变量u（1011的矩阵）；本人在系统的阶跃响应上叠加了一白噪声，当然也可以不加噪声，加了噪声就是期望更真实的模拟实际情况，白噪声参数设置见图2图2同样在Scop

7、e2监视，也将结果输出到workspace，得到响应数据y（同样也是1011的矩阵）Step 2、进入辨识工具箱&设置辨识规则直接在command window 输入 ident，回车，进入辨识工具箱图3图3点击import下拉菜单，选时域数据time domain data，见图4图4在下图5红色圈区域输入之前得到的系统输入和输出数据，u和y图5 在下图6绿色圈内输入数据的一些信息，因为之前模型中，阶跃起点我是放在0s处的，这里也设置0，如果前面模型仿真是1s，这里应该也是1s；采样时间是0.1s，根据实际情况设置统一哦图6设置完之后，点击import此时界面变成图7图7如果在下图8勾选红框

8、这个选项，就会出现我们刚才设定输入输出数据的曲线，如图9所示，其他勾选项是频域的分析和显示，暂不用它。图8图9看看与我们实际设置的输入输出是否符合，如果符合，那么我们离成功就不远咯，如果发现异常，那再好好检查一遍，直到确保数据导入没有问题！下面两段红色斜杠之间的内容，对于本实验，可以直接跳过，看一下对后续复杂模型的处理有好处哦，也算全面熟悉一下工具。/到这接着选preprocess也就是对数据进行预处理了，下拉菜单中有很多种处理方法和手段，有这个心思的人可以挨个试一下功能。图10图10预处理的对象是working data中的数据，每进行一种预处理在左边就会有新的数据生成，这时只要将新的数据移

9、动到working data的那个方框，就可以将working data换成你所想处理的数据了，可以这样多次进行处理，得到你最终想用来辨识的数据和用于验证的数据（不需要的数据可以拖到那个trash里面删除，就是回收站了，也可以从回收站中找回的）接下来就是辨识了，首先把辨识用的数据拖到working data那个方框，再把验证的数据拖到validation data那个方框，这个validation data就是最原始数据稍作处理得到的一个更接近理论模型的对象数据，在这实验里，本人用的就是默认数据，也就是不做任何preprocess处理。/点下拉菜单estimate，选你想要的模型，在弹出的对话

10、框中设定参数,图11图11这里边的模型种类比较多，有线性的、非线性的、状态空间的、经典传递函数形式的等等，我们所选的就是图中红色方框process models，单击。弹出如下界面图12！是否有零点、有延迟、有积分？根据勾选，传函自动调整极点个数及其他传递函数图12在本实验中，我们做如下设置，见图13红框标出部分。图13然后点击最下方Estimate，就有模型生成了。图14图14先勾选上图绿色框选项，看到了什么？给出了拟合率，best fits 98.72有木有？传递函数具体的数值，双击上图红色框，见图15？图15在右边的数据栏中；也就是model views中了，下面有很多可以选择，每选一个就可以生成一幅对应的图，是由用于验证的数据生成的。把模型拖到to workspace那个方框，再去看workspace，多的那个变量就是你所辨识出的模型了注意：在某个模型或某组数据上点一下，线变细了就不会在图中显示出来了！最后再一次提出，上述分析并不一定完全正确，可能有些概念并不清晰可靠，当然还有很多功能并没有被发掘，可以确定的是解决这个问题的两个大方向没有问题，若想做到精益求精，还需要再仔细研究斟酌哦！