1.方法原理
根据贝叶斯原理,给定参数
又因为假设噪声是独立且正态分布的,所以测量值z(i)也是独立且正态分布的,所以似然函数等价于
其均值和方差为,
所以似然函数的概率密度表达式为:
通过对上述表达式求极值,得到使得似然概率取得最大的
基于最大似然概率原理的Output-error参数辨识逻辑如下图,
假设系统不存在过程噪声,仅存在测量噪声,
则待求最优的似然函数为
转换为代价函数
2. Matlab示例
继续使用上一个例子中用到的F-16飞机非线性仿真数据进行参数辨识。
首先确定横航向线性动力学方程,可以用状态空间模型表示,
待估计的参数包括以下参数,它们嵌入在A矩阵和B矩阵之中。
然后使用equation error方法进行线性回归,得到气动参数的初步估计值
再利用Output error方法,基于上述线性模型和参数估计初值,通过优化算法多次迭代得到最终18个参数估计值。
验证一下估计结果,预测输出与试验数据基本吻合。
% Output error maximum likelihood system identification
参考文献:
[1]Russell R S. Non-linear F-16 simulation using Simulink and Matlab[J]. University of Minnesota, Tech. paper, 2003.
[2]Morelli E A, Klein V. Aircraft system identification: theory and practice[M]. Williamsburg, VA: Sunflyte Enterprises, 2016.