系统辨识与自适应控制matlab程序_系统辨识（system identification）Tutorial

分享一个之前简单的笔记供大家参考。如果只是想对系统辨识有点了解然后直接拿来用的，看看这个然后用matlab上的系统辨识工具箱就够了；如果想对系统辨识有深入的研究，推荐看一下朱豫才教授的《过程控制的多变量系统辨识》，然后看一下Lennart Ljung的《System identification theory for the user》(有厚度也有难度)。

系统辨识三要素

1. 数据

2. 模型集（线性 or 非线性，连续 or 离散 等）：灰箱模型即结构已知（from physical law）参数带估计；黑箱模型即模型结构需要自己选择且参数没有物理意义

3. 准则：用于确定什么样的模型才是best的

模型验证

1. 根据先验知识判断是否符合系统的物理特性，比如增益方向，时间常数等；

2. 根据未用于训练的实验数据进行验证，比较模型的仿真输出和实际观测输出。

线性系统

线性回归

系统以线性回归表示为

其中

为参数向量，

为回归向量（通常包含过去时刻的输入输出值）。

等价于

非线性系统也可以表示成线性回归的形式，比如在回归向量里包含

等。

最小二乘估计

定义残差（residuals）为

最小二乘估计即：

对

求导，利用极值条件可以得到

在 Matlab 里的实现就是

观察可以知道

利用 Cholesky 分解

，其中

是下三角矩阵，matlab代码

因此最小二乘估计的解为：

1. 通过 forward substitution 求解

2. 通过 backward substitution 求解