随机系统的建模与仿真幻灯片.ppt

《随机系统的建模与仿真幻灯片.ppt》由会员分享，可在线阅读，更多相关《随机系统的建模与仿真幻灯片.ppt（89页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、随机系统的建模与仿真第1页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识6.1.1 随机系统概述随机系统概述1 1 随机事件与随机变量随机事件与随机变量u随机事件随机事件:在随机实验中，可能出现也可能不出在随机实验中，可能出现也可能不出现，而在大量重复实验中具有某种规律性的事件。现，而在大量重复实验中具有某种规律性的事件。u随机变量随机变量:设设S S为随机实验，它的样本空间为为随机实验，它的样本空间为 ，对于每一个，对于每一个 ，有一个实数，有一个实数 与与之对应，则之对应，则 就称之为随机变量就称之为随机变量。第2页，共89页，编辑于2022年，星期三6.1

2、随机系统基本知识随机系统基本知识(续）续）2 2 随机过程、样本函数随机过程、样本函数u随机过程随机过程(Stochastic Process)(Stochastic Process)：设：设 （）是随机实验，）是随机实验，每一次实每一次实验都有一条时间波形（称为样本函数），记验都有一条时间波形（称为样本函数），记为为 ，所有可能出现的结果总体，所有可能出现的结果总体 就构成一随机过程，记作就构成一随机过程，记作 。如图。如图6-16-1所示。所示。第3页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）图图6-1 6-1 样本函数的总体样本函数的总体-随机

3、过程随机过程第4页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）6.1.2 随机变量的统计特性均值均值概率密度概率密度函数函数概率分概率分布函数布函数均方根均方根均方值均方值随机变量的统计特性随机变量的统计特性方差方差第5页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）1 1 概率密度函数概率密度函数 概率密度函数概率密度函数 表示每个表示每个 值发生的值发生的可能性，即每个事件发生的概率分布，表示其可能性，即每个事件发生的概率分布，表示其中一个事件。中一个事件。概率密度函数概率密度函数 的性质如下的性质如下(6.

4、1)(6.1)(6.2)(6.2)第6页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）2 2 概率分布函数概率分布函数随机变量随机变量 的概率分布函数的概率分布函数 是指变量的值小于或是指变量的值小于或者等于者等于 的随机变量的概率。的随机变量的概率。定义为定义为 (6.3)(6.3)如果有两个随机变量如果有两个随机变量 ，则可以用联合概率分布函，则可以用联合概率分布函数及联合概率密度函数来加以描述，定义如下：数及联合概率密度函数来加以描述，定义如下：联合概率分布函数联合概率分布函数 (6.4)(6.4)联合概率密度函数联合概率密度函数 (6.5)(6.

5、5)第7页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）3 3 均值均值 、均方值、均方值 、均方根、均方根随机变量随机变量 的均值的均值 定义为定义为 (6.6)(6.6)随机变量随机变量 的均方值的均方值 定义为定义为 (6.7)(6.7)随机变量随机变量 的均方根的均方根 定义为定义为 (6.8)(6.8)第8页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）4 4 方差方差随机变量随机变量 的方差的方差 定义为定义为 (6.9)(6.9)第9页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系

6、统基本知识(续）续）常用的几种概率分布常用的几种概率分布第10页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）(1)(1)均匀分布均匀分布若在区间若在区间 中，连续型随机变量中，连续型随机变量 的概率密度函数的概率密度函数为为 （6.106.10）则则 称在区间称在区间 上服从均匀分布，记作上服从均匀分布，记作 。第11页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）均匀分布的概率密度函数和分布函数可均匀分布的概率密度函数和分布函数可用图用图6-26-2的曲线表示。的曲线表示。图图6-2 6-2 均匀分布的分布曲线

7、均匀分布的分布曲线第12页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）(2)(2)正态分布正态分布正态分布又称为高斯分布，是最常用的一种连续分正态分布又称为高斯分布，是最常用的一种连续分布。若连续型随机变量布。若连续型随机变量 的概率密度函数为的概率密度函数为 (6.12)(6.12)其中其中 为大于零的常数，则为大于零的常数，则 称服从参数称服从参数 的正的正态分布，记作态分布，记作 。第13页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）(3)(3)泊松分布泊松分布若离散型随机变量若离散型随机变量 的概率分布

8、为的概率分布为 (6.13)(6.13)其中其中 为常数，则称为常数，则称 服从参数服从参数 的泊松分的泊松分布，记作布，记作 。其中参数。其中参数 为泊松分布为泊松分布随机变量随机变量 的均值和方差。的均值和方差。第14页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）(4)(4)指数分布指数分布若连续型随机变量的概率密度函数为若连续型随机变量的概率密度函数为 (6.14)(6.14)其中其中 为常数，则称为常数，则称 服从参数服从参数 的指的指数分布。数分布。第15页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）

9、（a a）指数分布的曲线）指数分布的曲线 (b)(b)指数分布的曲线指数分布的曲线图图6-5 6-5 指数分布曲线指数分布曲线第16页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）(5)(5)分布和爱尔朗分布分布和爱尔朗分布u以以p p为参数的广义积分为参数的广义积分 ，当，当p0p0时收时收敛，它所确定的函数敛，它所确定的函数p p称为称为 的函数，记作的函数，记作若随机变量的概率密度函数为若随机变量的概率密度函数为 (6.16)(6.16)其中其中p0p0为常数，则称为常数，则称X X服从服从a,pa,p参数的参数的 分布。分布。第17页，共89页，

10、编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）uk k个相互独立，具有相同分布的指数分布随机个相互独立，具有相同分布的指数分布随机变量之和服从爱尔朗分布。即若有变量之和服从爱尔朗分布。即若有k k个相互独立个相互独立的机变量的机变量 ，其概率密度函数为，其概率密度函数为第18页，共89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）那么，随机变量那么，随机变量 其概率密度函数为其概率密度函数为 第19页，共89页，编辑于2022年，星期三6.1.3 随机过程的统计特性随机过程的统计特性12频域特性频域特性 3自相关域特性自相关域特性 幅

11、值域幅值域(时域时域)特性特性第20页，共89页，编辑于2022年，星期三6.1.3 随机过程的统计特性随机过程的统计特性(续）续）1.1.幅值域幅值域(时域时域)特性特性 对于各态历经平稳随机过程（即平稳随机对于各态历经平稳随机过程（即平稳随机过程的数据特征与一个样本函数过程的数据特征与一个样本函数 的时间平的时间平均数据特征相同），随机过程统计特性可以简均数据特征相同），随机过程统计特性可以简化为化为 的时间统计特性。统计特性有的时间统计特性。统计特性有:第21页，共89页，编辑于2022年，星期三6.1.3 随机过程的统计特性随机过程的统计特性(续）续）(1)(1)均值均值 (6.18)

12、(6.18)(2)(2)方差方差 (6.19)(6.19)(3)(3)均方值均方值 (6.20)(6.20)第22页，共89页，编辑于2022年，星期三6.1.3 随机过程的统计特性随机过程的统计特性(续）续）2.2.自相关域特性自相关域特性 自相关函数是对随机过程在相关域上的特自相关函数是对随机过程在相关域上的特性描述。它表征随机过程在一个时刻和另一时性描述。它表征随机过程在一个时刻和另一时刻采样值之间的相互依赖程度，即表征信号随刻采样值之间的相互依赖程度，即表征信号随机变化的程度。机变化的程度。对于平稳随机过程，有自相关函数对于平稳随机过程，有自相关函数(6.21)(6.21)第23页，共

13、89页，编辑于2022年，星期三6.1 随机系统基本知识随机系统基本知识(续）续）反映了在时刻反映了在时刻 和和 的值和的相关的值和的相关性，或者说已知性，或者说已知 ，的可预见性。自相关的可预见性。自相关函数大，则函数大，则 变化缓慢，由变化缓慢，由 预见预见 的可的可能性大；自相关函数小，则相反。能性大；自相关函数小，则相反。是一个偶函数，即是一个偶函数，即 ，并且，并且在在 时有最大值，即时有最大值，即 。第24页，共89页，编辑于2022年，星期三6.1.3 随机过程的统计特性随机过程的统计特性(续）续）3.3.频域特性频域特性功率谱密度是对随机过程在频域上的特性描述，它功率谱密度是对

14、随机过程在频域上的特性描述，它是自相关函数的傅里叶变换，有功率谱密度函数是自相关函数的傅里叶变换，有功率谱密度函数 (6.22)(6.22)其逆变换为其逆变换为 (6.23)(6.23)第25页，共89页，编辑于2022年，星期三6.1.3 随机过程的统计特性随机过程的统计特性(续）续）以上两式构成傅里叶变换对，称为维纳以上两式构成傅里叶变换对，称为维纳-辛钦辛钦公式。公式。功率谱密度函数功率谱密度函数 表示随机过程的均方值表示随机过程的均方值（总能量）在频率域内的分布情况。（总能量）在频率域内的分布情况。第26页，共89页，编辑于2022年，星期三6.1.4 白噪声的统计特性白噪声的统计特性

15、 白噪声是最简单的一种随机过程。所谓白噪声白噪声是最简单的一种随机过程。所谓白噪声是指它的自相关函数为一理想脉冲函数，它的功率是指它的自相关函数为一理想脉冲函数，它的功率谱密度是一个常数。谱密度是一个常数。有有 (6.24)(6.24)(6.25)(6.25)式中式中 为白噪声的方差，为白噪声的方差，为脉冲函数。为脉冲函数。第27页，共89页，编辑于2022年，星期三6.1.4 白噪声的统计特性白噪声的统计特性 从频域角度看，白噪声的能量在整个频谱上从频域角度看，白噪声的能量在整个频谱上均匀分布。如图均匀分布。如图6-66-6所示。所示。图图6-6 6-6 白噪声的自相关函数及功率谱密度白噪声

16、的自相关函数及功率谱密度第28页，共89页，编辑于2022年，星期三6.1.4 白噪声的统计特性白噪声的统计特性(续）续）白噪声只有理论上的价值，实际上只有近似白噪声只有理论上的价值，实际上只有近似的白噪声，即在系统感兴趣的频带之内的白噪声，即在系统感兴趣的频带之内 是一是一 个常数，而个常数，而 也只是近似于一个脉冲。如图也只是近似于一个脉冲。如图6-76-7所所示。示。第29页，共89页，编辑于2022年，星期三6.1.4 白噪声的统计特性白噪声的统计特性(续）续）图图6-7 6-7 近似白噪声的自相关函数及功率谱密度近似白噪声的自相关函数及功率谱密度第30页，共89页，编辑于2022年，

17、星期三6.2 随机系统模型简介随机系统模型简介 假设某一随机系统为一线性时变系统，其数学模型可假设某一随机系统为一线性时变系统，其数学模型可用状态方程描述用状态方程描述 (6.26)(6.26)式中：式中：为系统的状态变量；为系统的状态变量；为随机初值；为随机初值；为系统输出；为系统输出；为外界扰动为外界扰动,为随机变量；为随机变量；为系数矩阵为系数矩阵,为确定量；为确定量；为输入矩阵，为确定量；为输入矩阵，为确定量；为输出矩阵，为确定量；为输出矩阵，为确定量；为系统参数随机误差；为系统参数随机误差；亦为系统参数随机亦为系统参数随机误差。误差。第31页，共89页，编辑于2022年，星期三6.2

18、 随机系统模型简介（续）随机系统模型简介（续）指数相关的随机过程指数相关的随机过程 常见的随机系统模型常见的随机系统模型随机常数随机常数 随机斜坡随机斜坡 随机游动随机游动 组合模型组合模型 自回归自回归-滑动平均模型滑动平均模型 第32页，共89页，编辑于2022年，星期三6.3 6.3 随机变量的分布参数估计随机变量的分布参数估计1.1.分布参数的类型分布参数的类型位置参数位置参数形状参数形状参数比例参数比例参数第33页，共89页，编辑于2022年，星期三6.3 6.3 随机变量的分布参数估计（续）随机变量的分布参数估计（续）(1)(1)位置参数位置参数位置参数确定了一个分布函数取值范围的

19、横坐标。位置参数确定了一个分布函数取值范围的横坐标。(2)(2)比例参数比例参数比例参数决定分布参数在其取值范围内取值的比例尺。比例参数决定分布参数在其取值范围内取值的比例尺。(3)(3)形状参数形状参数 形状参数确定分布参数的形状，从而改变分布参数的性质。形状参数确定分布参数的形状，从而改变分布参数的性质。第34页，共89页，编辑于2022年，星期三6.3 6.3 随机变量的分布参数估计（续）随机变量的分布参数估计（续）2.2.分布参数的估计分布参数的估计u总体参数：已知仿真模型中随机模型的分布类型，总体参数：已知仿真模型中随机模型的分布类型，为完全确定一个分布所需要确定的分布类型中所含为完

20、全确定一个分布所需要确定的分布类型中所含参数的数值参数的数值 u参数空间参数空间 ：总体参数可能取值的范围：总体参数可能取值的范围u参数估计：已知被仿真实际系统随机变量的实际数据参数估计：已知被仿真实际系统随机变量的实际数据,根根据这些数据对分布类型中的未知总体参数进行估计据这些数据对分布类型中的未知总体参数进行估计的过程的过程第35页，共89页，编辑于2022年，星期三6.3 6.3 随机变量的分布参数估计（续）随机变量的分布参数估计（续）u参数估计问题的实质：给出一组分布函数，只知参数估计问题的实质：给出一组分布函数，只知道其中有一个是总体分布函数，但不知道究竟是道其中有一个是总体分布函数

21、，但不知道究竟是哪一个，需要根据样本来估计这个实际的总体分哪一个，需要根据样本来估计这个实际的总体分布。布。u分布参数的方法分布参数的方法 ：最大似然估计，最小二乘估：最大似然估计，最小二乘估计，无偏估计等计，无偏估计等 第36页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法随机系统的仿真方法6.4.1 蒙特卡罗仿真法蒙特卡罗仿真法u定义：蒙特卡罗法是一种通过随机变量定义：蒙特卡罗法是一种通过随机变量 的统计实验、随机仿真来求解数的统计实验、随机仿真来求解数 学物理、工程技术问题近似解的学物理、工程技术问题近似解的 数值方法。数值方法。1.1.蒙特卡罗方法概述蒙特卡罗方法概述第

22、37页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）u步骤：第一，建立随机系统模型；步骤：第一，建立随机系统模型；第二，多次循环仿真，记录每次仿真第二，多次循环仿真，记录每次仿真 的主要结果；的主要结果；第三，多次仿真结果的后处理，计算统计特第三，多次仿真结果的后处理，计算统计特 性，如均值、方差、频谱或相关函数。性，如均值、方差、频谱或相关函数。第38页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）u特点：第一，适应线性系统和非线性系统，使特点：第一，适应线性系统和非线性系统，使 用限制条件少；用限制

23、条件少；第二，仿真工作量大。尤其系统存在多第二，仿真工作量大。尤其系统存在多 种随机因素，而且想得到每种因素对系种随机因素，而且想得到每种因素对系 统的影响时更为繁琐。统的影响时更为繁琐。第39页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）2.2.蒙特卡罗方法的概率收敛性蒙特卡罗方法的概率收敛性 根据大数定律，根据大数定律，是是 个独立的随个独立的随机变量，它们有相同的分布，且有相同的有限期望机变量，它们有相同的分布，且有相同的有限期望 和方差和方差 ，。则对于任意则对于任意 ，有，有 (6.30)(6.30)第40页，共89页，编辑于2022年

24、，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）由伯努利定理说明，设随机事件由伯努利定理说明，设随机事件A A的概率为的概率为P(A)P(A)，在，在N N次独立实验中，事件次独立实验中，事件A A发生的频数为发生的频数为n n，频率为频率为n/Nn/N，则对于任意的，则对于任意的 ，有，有 (6.31)(6.31)第41页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）蒙特卡罗方法从总体蒙特卡罗方法从总体 抽取简单子样做抽取简单子样做抽样实验，根据简单子样的定义，抽样实验，根据简单子样的定义，为具为具有同分布的独立随机变量当有同分布

25、的独立随机变量当N N足够大时，足够大时，以概率以概率1 1收敛于收敛于 ，而频率，而频率 以概率以概率1 1收收敛于敛于 ，这就保证了使用蒙特卡罗方法的概，这就保证了使用蒙特卡罗方法的概率收敛性。率收敛性。第42页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）6.4.2 伴随系统仿真法伴随系统仿真法u定义：将原系统转变成它的伴随系统，再用定义：将原系统转变成它的伴随系统，再用 伴随系统仿真代替原系统仿真的一种伴随系统仿真代替原系统仿真的一种 仿真方法。仿真方法。第43页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的

26、仿真方法（续）u特点：第一，只适用于线性时变或非时变系特点：第一，只适用于线性时变或非时变系 统；统；第二，一次仿真可以得到系统的统计特第二，一次仿真可以得到系统的统计特 性，因而仿真工作量小；性，因而仿真工作量小；第三，当系统存在多个干扰时，一次仿第三，当系统存在多个干扰时，一次仿 真可以获得每个干扰引起的系统响应的真可以获得每个干扰引起的系统响应的 分量分量 第44页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）1.1.伴随系统伴随系统 伴随系统是原系统的共轭系统，共轭是指时间上伴随系统是原系统的共轭系统，共轭是指时间上和输入和输入/输出间的共

27、轭。输出间的共轭。假定用以下状态方程假定用以下状态方程 (6.32)(6.32)代表一个线性时变系统。代表一个线性时变系统。第45页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）为为 维系统状态变量，维系统状态变量，为为 维输入，维输入，为为 维输出，维输出，分别为分别为 ，维维实数阵，实数阵，分别为系统的开始及结束运行时分别为系统的开始及结束运行时间。间。第46页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）如果上式是原系统状态方程，它的如果上式是原系统状态方程，它的 伴随系统状态方程为伴随系统状态方

28、程为 (6.33)因此，如果知道原系统模型，就可以因此，如果知道原系统模型，就可以按式按式(6.33)求出它的伴随系统模型。求出它的伴随系统模型。第47页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）2.2.伴随系统的性质伴随系统的性质 假定假定 为原系统的脉冲响应过渡函数，这里为原系统的脉冲响应过渡函数，这里 和和 分别为系统响应的观察时间和脉冲加入时间。分别为系统响应的观察时间和脉冲加入时间。再假定再假定 为其伴随系统的脉冲响应过渡函数，为其伴随系统的脉冲响应过渡函数，和和 分别为伴随系统响应的观察时间和脉冲加入时间。分别为伴随系统响应的观察时

29、间和脉冲加入时间。可以证明两个系统的脉冲响应过渡函数可以证明两个系统的脉冲响应过渡函数 和和 有以下关系有以下关系 (6.34)(6.34)第48页，共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）3.3.伴随系统的仿真伴随系统的仿真对于随机过程作用下的线性系统，输入输出间关系的对于随机过程作用下的线性系统，输入输出间关系的时域和频率域表示如图时域和频率域表示如图6-136-13所示所示(a)(a)线性系统的时域表示线性系统的时域表示 (b)(b)线性系统的频域表示线性系统的频域表示图图6-13 6-13 随机过程与线性系统随机过程与线性系统第49页，

30、共89页，编辑于2022年，星期三6.4 随机系统的仿真方法（续）随机系统的仿真方法（续）根据工程数学的知识，可用卷积表示系统输入输根据工程数学的知识，可用卷积表示系统输入输出间的关系，即出间的关系，即 (6.38)(6.38)由上式得由上式得 的均方值的均方值 表达式为表达式为 (6.39)(6.39)上式反映了系统输入输出间的时域关系。上式反映了系统输入输出间的时域关系。第50页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型1.1.随机常数随机常数一个连续随机常数可表示为一个连续随机常数可表示为 (6.43)(6.43)与其相应的离散过程为与其相应的离散过程为 (

31、6.44)(6.44)第51页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）随机常数表示初始条件是一个随机变量，随机常数表示初始条件是一个随机变量，因而相当于一个没有输入但有随机初始值的积因而相当于一个没有输入但有随机初始值的积分器的输出，如图分器的输出，如图6-156-15所示。所示。图图6-15 随机常数随机常数第52页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）2.2.随机斜坡随机斜坡 随机过程随时间线性增长，但是增长的斜率则随机过程随时间线性增长，但是增长的斜率则是具有一定概率分布的随机量。图是具有一定概率分布的

32、随机量。图6-16为其结构图为其结构图 (6.45)(6.45)图图6-16 6-16 随机斜坡随机斜坡第53页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）3.3.随机游动随机游动 如果输入的白噪声过程具有零均值和平如果输入的白噪声过程具有零均值和平稳的正态分布，则输出就称为维纳过程，也稳的正态分布，则输出就称为维纳过程，也称作随机游动。称作随机游动。(6.47)(6.47)第54页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）式中式中 。图。图6-176-17为其结构图。为其结构图。图图6-17 6-17 随机游动随机

33、游动第55页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）4.4.指数相关的随机过程指数相关的随机过程 随机过程具有如下指数型相关函数随机过程具有如下指数型相关函数 (6.49)(6.49)式中，式中，为随机过程的方差，为随机过程的方差，为过程的相关时为过程的相关时间。间。显然这是一个一阶马尔可夫过程。显然这是一个一阶马尔可夫过程。第56页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）5.5.组合模型组合模型 图图6-196-19所示随机过程为由随机常数、随机所示随机过程为由随机常数、随机游动、随机斜坡以及一阶马尔可夫过程

34、组合而游动、随机斜坡以及一阶马尔可夫过程组合而成。成。图图6-19 6-19 组合模型组合模型第57页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）6.6.自回归自回归-滑动平均模型（滑动平均模型（ARMAARMA）设时间序列设时间序列 ，其自回归，其自回归-滑动平滑动平均模型表示为均模型表示为 (6.57)(6.57)第58页，共89页，编辑于2022年，星期三6.5 几种常见的模型几种常见的模型(续）续）式中，式中，p p为自回归阶次，为自回归阶次，q q为滑动平均阶次，为滑动平均阶次，为平均值，为平均值，。当时。当时p=0p=0，为滑动平均，为滑动平均

35、模型（模型（MAMA模型）；当模型）；当q=0q=0时为自回归模型（时为自回归模型（ARAR模模型）。型）。第59页，共89页，编辑于2022年，星期三6.6 系统辨识系统辨识6.6.1 系统辨识的概念与分类系统辨识的概念与分类u概念：系统辨识是一种借助实验输入概念：系统辨识是一种借助实验输入输出观测数据确定过程动态品质或系统结输出观测数据确定过程动态品质或系统结构和参数的理论与技术。构和参数的理论与技术。第60页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）u分类：根据描述系统数学模型的不同分类：根据描述系统数学模型的不同 可分为线性系统和非线性系统辨识、可分为线性

36、系统和非线性系统辨识、集中参数系统和分布参数系统辨识；集中参数系统和分布参数系统辨识；根据系统的结构可分为开环系统与闭根据系统的结构可分为开环系统与闭 环系统辨识；根据参数估计方法可分环系统辨识；根据参数估计方法可分 为离线辨识和在线辨识等。为离线辨识和在线辨识等。第61页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）6.6.2 系统辨识的内容和步骤系统辨识的内容和步骤u研究内容研究内容 ：实验设计；实验设计；模型结构模型结构确定；确定；模型参数估计；模型参数估计；模型验证。模型验证。辨识内容及步骤如图辨识内容及步骤如图6-20所示。所示。第62页，共89页，编辑于2

37、022年，星期三6.6 系统辨识（续）系统辨识（续）图图6-20 系统辨识的一般步骤系统辨识的一般步骤第63页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）u一般步骤一般步骤 ：(1)(1)明确辨识目的明确辨识目的(2)(2)掌握和运用先掌握和运用先验知识验知识 (3)(3)实验设计实验设计(4)(4)数据预处理数据预处理(5)(5)模型结模型结构辨识构辨识 (6)(6)模型参数估模型参数估(7)(7)模型验证计模型验证计 第64页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）6.6.3 系统辨识建模方法系统辨识建模方法 线性系统的辨识理主要

38、方法线性系统的辨识理主要方法 ：最小二乘：最小二乘法，递推最小二乘法，广义最小二乘法，增广最法，递推最小二乘法，广义最小二乘法，增广最小二乘法，辅助变量法，小二乘法，辅助变量法，KalmanKalman滤波法，极大似滤波法，极大似然法等。然法等。第65页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）对于一个单输入单输出的线性定常系统，通常可对于一个单输入单输出的线性定常系统，通常可以用一个离散时间的差分方程来描述，即以用一个离散时间的差分方程来描述，即(6.59)式中，式中，和和 式系统实际测量到的输入输出式系统实际测量到的输入输出序列；序列；是零均值具有相同分布的不

39、相关的随机是零均值具有相同分布的不相关的随机序列；序列；n n表示系统的阶次。表示系统的阶次。第66页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）每一个观测方程可以表示为每一个观测方程可以表示为 (6.60)若观测方程组用向量若观测方程组用向量-矩阵的形式表示，则可写成矩阵的形式表示，则可写成 (6.61)第67页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）式式(6.59)(6.59)和式和式(6.60)(6.60)可称为最小二乘模型类，可称为最小二乘模型类，它们最后都要变成式它们最后都要变成式(6.61)(6.61)。它可称为最小二乘的

40、。它可称为最小二乘的标准格式。标准格式。第68页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）2.2.系统参数与状态估计的极大似然法系统参数与状态估计的极大似然法 设设 是一个随机变量，其概率密度是一个随机变量，其概率密度 依赖于某未依赖于某未知参数知参数 。为了由观测值。为了由观测值 估计估计 ，要选取，要选取 使似然函数极大化的那个值使似然函数极大化的那个值 。如果对所有的。如果对所有的 值，值，是中的最大值是中的最大值 ，那么，那么 是准确的参数值的可能性就是准确的参数值的可能性就最大。这时，我们就称最大。这时，我们就称 是是 的极大似然估计，并记为的极大似然估

41、计，并记为 。第69页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）3.3.系统模型结构的辨识和检验系统模型结构的辨识和检验 系统模型好坏的关键首先在于模型结构是否正系统模型好坏的关键首先在于模型结构是否正确。根据确。根据AICAIC准则和准则和SICSIC准则判别阶数的思想，文准则判别阶数的思想，文献献22提出一种非线性系统模型多项式提出一种非线性系统模型多项式“阶数阶数”的判别的判别准则为准则为 (6.88)(6.88)第70页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）其中其中 表示当多项式的表示当多项式的“阶数阶数”为为n n时系统

42、时系统模型误差的方差，模型误差的方差，和和 为两个加权系数，为两个加权系数，的取值表示了模型误差和模型简化之间的折衷关的取值表示了模型误差和模型简化之间的折衷关系，如图系，如图6-216-21所示所示。第71页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）图图6-21 6-21 NLCNLC(n n)准则函数准则函数第72页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例随机系统建模与仿真实例 路面是一个典型的随机系统，通常把路面相对基路面是一个典型的随机系统，通常把路面相对基准平面的高度，沿道路走向长度准平面的高度，沿道路走向长度I I变化变化q

43、q(I I)，称为路面，称为路面纵断面曲线或不平度函数，如图纵断面曲线或不平度函数，如图6-226-22所示。所示。图图6-22 6-22 路面纵断面曲线路面纵断面曲线第73页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）在利用路面随机高程作为激励信号对车辆的在利用路面随机高程作为激励信号对车辆的振动进行仿真研究时，为保证仿真结果的真实可振动进行仿真研究时，为保证仿真结果的真实可信，对于仿真研究中生成的路面不平度（随机高信，对于仿真研究中生成的路面不平度（随机高程）需要进行验证，以确保对车辆模型输入激励程）需要进行验证，以确保对车辆模型输入

44、激励的正确。的正确。第74页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）当车速恒定时，路面不平度服从高斯概率分当车速恒定时，路面不平度服从高斯概率分布，为具有零均值的平稳各态历经特性随机过程，布，为具有零均值的平稳各态历经特性随机过程，可以用路面的功率谱密度可以用路面的功率谱密度(PSD)(PSD)函数和方差来描述函数和方差来描述其统计特性。其统计特性。6.7.1 路面激励和空间频率功率谱路面激励和空间频率功率谱第75页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）路面功率谱密度路面功

45、率谱密度GqGq(n n)的拟合表达式为的拟合表达式为 (6.89)(6.89)式中：式中：n n空间频率（空间频率（），它是波长），它是波长的倒的倒 数，表示每米长度中包含几个波长；数，表示每米长度中包含几个波长；=0.1=0.1参考空间频率，参考空间频率，；第76页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）GqGq()下的路面功率谱密度值，称为下的路面功率谱密度值，称为路面不平度系数，路面不平度系数，；w w频率指数，为双对数坐标上斜线的斜频率指数，为双对数坐标上斜线的斜率，它决定路面功率谱密度频率结构。率，它决定路面功率谱密度频率

46、结构。第77页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）同时，每种路面的均方根值来描述路面随机激同时，每种路面的均方根值来描述路面随机激励信号的强度或平均功率励信号的强度或平均功率 (6.90)(6.90)第78页，共89页，编辑于2022年，星期三6.6 系统辨识（续）系统辨识（续）对于汽车振动系统而言，车速是必须要考虑对于汽车振动系统而言，车速是必须要考虑的一个因素。当汽车以车速的一个因素。当汽车以车速驶过空间频率驶过空间频率n n的路的路面时，时间频率功率谱密度和空间频率功率谱密面时，时间频率功率谱密度和空间频率功率谱密度具有如下关系度具有如下关系 (6.9

47、3)(6.93)6.7.2 时间频率功率谱描述时间频率功率谱描述第79页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）式中式中:G Gq q(f f)时间频率功率谱密度时间频率功率谱密度G Gq q(n n)空间频率功率谱密度空间频率功率谱密度 (6.94)(6.94)所以，时间频率功率谱密度所以，时间频率功率谱密度第80页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）6.7.3 随机路面时域模型的建立随机路面时域模型的建立 从已知的路面谱重构道路时域模型，必从已知的路面谱重构道路时域模

48、型，必须满足两个前提条件：须满足两个前提条件：1)1)道路过程是平稳的道路过程是平稳的GaussianGaussian随机过程；随机过程；2)2)道路过程具有遍历道路过程具有遍历性。性。第81页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）模型建立方法：将路面高程的随机波动抽象为模型建立方法：将路面高程的随机波动抽象为满足一定条件的白噪声，然后进行变换而拟合出路满足一定条件的白噪声，然后进行变换而拟合出路面随机不平度的时域模型。面随机不平度的时域模型。第82页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建

49、模与仿真实例（续）当汽车以速度当汽车以速度u u匀速行驶匀速行驶 ，系统输入是单位，系统输入是单位强度为强度为1 1的随机白噪声时，的随机白噪声时，(6.101)(6.101)式中式中:q q(t t)路面随机高程位移（路面随机高程位移（m m）；）；W W(t)(t)均值为零的均值为零的GaussGauss白噪声；白噪声；第83页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）-下截止空间频率，常取下截止空间频率，常取 -路面参考空间频率，路面参考空间频率，；GqGq（）-路面谱密度不平度系数，路面谱密度不平度系数，。第84页，共89页，编

50、辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）根据式根据式(6.101)(6.101)，在，在Matlab/SimulinkMatlab/Simulink中搭中搭建仿真模型，如图建仿真模型，如图6-236-23所示。所示。图图6-23 6-23 随机路面生成模型随机路面生成模型 第85页，共89页，编辑于2022年，星期三6.7 随机系统建模与仿真实例（续）随机系统建模与仿真实例（续）图图6-246-24为汽车在为汽车在B B级路面上以级路面上以10m/s10m/s、20m/s20m/s和和30m/s30m/s车速下分别驶过车速下分别驶过1000m100