matlab状态空间模型,Matlab做状态空间辨识2

转载自了凡春秋USTChttps://chunqiu.blog.ustc.edu.cn/?p=334

命令行辨识状态空间模型

准备工作：

构造iddata对象(输入输出数据对象)或frd、idfrd对象(频率响应数据对象)；

数据预处理，如对时域数据做去趋势；

选择阶次。

状态空间辨识有两种方式，决定于你对系统了解的先验知识。

黑箱辨识：

指定模型阶次，选择性的对一些模型矩阵结构属性进行配置。这种辨识方式，你可以使用ssest或n4sid函数以数据和模型阶次作为主要函数参数来辨识。额外的属性要以名字-值对的形式来指定，如指定模型模型采样时间、直通分量存在性、噪声成分是否存在等。你不能直接配置各系统矩阵的元素。

结构化辨识：

你需要首先创建一个包含系统矩阵初始值的idss模型结构，在此结构中，使用Structure属性来指定参数约束。如指定系统矩阵某个元素固定或设定其范围。详细参数化配置可以参考ssform函数说明。

在配置好约束后，就可以此idss模型作为ssest的输入进行辨识了。注意n4sid不能结构化辨识。

另外注意，这里的结构化辨识其实就是灰箱辨识，属于一种简单的一种，复杂的灰箱辨识可以使用idgrey和idnlgrey模型实现；结构化辨识中不能指定系统矩阵中各元素之间的关系，即各元素之间是独立的，对于元素之间有依赖性的结构化辨识属于复杂灰箱辨识，可尝试使用grayest估计器。

命令行辨识的实现：

使用ssest辨识

m = ssest(data,n,opt,Name,Value)

其中，data为估计的数据，n为系统阶次，opt包含了状态空间估计的配置参数，包括初始条件、输入偏移、估计中心、搜索方法等，其详细配置见ssest函数。

使用n4sid辨识

m = n4sid(data,n,opt,Name,Value)

除非指定采样时间，ssest默认辨识连续时间模型；而n4sid辨识离散模型。

连续模型与离散模型的选择：

默认情况下，ssest估计连续时间模型。如果使用非零采样周期的数据，可以使用如下命令估计离散模型

model = ssest(data,nx,'Ts',data.Ts);

如果使用的是连续时间频域数据，则不能辨识离散模型。

默认地，n4sid以数据的采样周期辨识离散时间模型，如果想辨识连续时间模型，可以用如下命令

model = n4sid(data,nx,'Ts',0);

对于状态空间辨识，你可以指定是否辨识 \(D\) 、 \(K\) 、 \(X0\) 矩阵，分别表示输入-输出直通分量、噪声模型和初始状态。

\(D\) ：

默认情况下， \(D\) 矩阵是不辨识的，除静态模型外其值固定为0。

黑箱辨识中，使用Feedthrough名和值对输入参数来设置直通分量的存在与否。如两输入模型中，第二输入直通，则使用如下命令设置

model = n4sid(data,n,'Feedthrough',[false true]);.

结构辨识中，通过配置init_sys.Structure.d来设置，其中init_sys是一个代表理想模型结构的idss结构。如强制第 \(i\) 个输入为直通，则

init_sys.Structure.d.Value(:,i) = 0;

init_sys.Structure.d.Free = true;

init_sys.Structure.d.Free(:,i) = false;

第一行指定矩阵 \(D\) 的第 \(i\) 列的值为0；第二行指定 \(D