系统辨识

Introduction

系统辨识

系统辨识是根据系统的输入输出时间函数来确定描述系统行为的数学模型。系统辨识是现代控制理论中的一个分支。
通过建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及设计控制器。
Zadeh(1962)指出：“系统辨识是在输入和输出数据的基础上，从一类模型中确定一个与所观测系统等价的模型”。
Ljung(1978)指出：“系统辨识有三个要素——数据，模型类和准则，即根据某一准则，利用实测数据，在模型类中选取一个拟合的最好的模型”。

System Identification is the experimental approach to process modeling, and the modeling for identification of dynamical systems from input/output data, which confirm a model in a set of models that presents the dynamic characteristics of the system under an optimized criterion.

• System Identification 和 Parameter Estimation 的区别
  Parameter estimation是系统辨识问题的简化，因为结构已知，参数未知。

System Identification的方法可以分为两大类：

• 离线辨识
  将一定时间内积累的采样数据集中进行一次辨识计算。
• 在线辨识
  每个采样周期都根据新的采样数据进行一次递推辨识计算，节省计算时间和内存空间，便于及时掌握系统现状。

输入信号

合理选择辨识的输入信号是能否获得好的辨识结果的关键之一。
为了使系统可辨识，输入信号必须满足一定的条件。最低要求是在辨识时间内系统的动态必须被输入信号持续激励。也就是说，在试验期间内输入信号必须充分激励系统的所有模态。
更进一步，输入信号的选择应能使给定系统的辨识模型精度更高。这就引出了最优输入信号设计的问题。

在具体工程应用中，选择输入信号时还应考虑以下因素：

1. 输入信号的功率和幅值不宜过大，以免使系统工作在非线性区，但也不宜过小，以致信噪比太小，直接影响辨识精度;
2. 输入信号对系统的“静扰动”要小，即应使正负向扰动机会均等;
3. 工程上要便于实现，成本低。

辨识中常用的输入信号有白噪声或伪随机信号。

输出谱密度关系告诉我们：要充分激励系统，就要使输入信号的频谱“宽”于系统频谱。

功率谱是描述信号的重要特征之一。物理意义：对于任何信号，我们将它分解成若干个（无限个）不同频率的正弦信号分量。这些正弦波分量的功率谱与其频率的对应关系即为信号的功率谱。

辨识的基本要素：

1. 输入输出数据（辨识的基础）
   必须包含有关系统特性的足够信息。
   时域角度：信号变化剧烈，且呈现非周期性; 频域的角度：频域宽。
2. 模型类
3. 等价准则
   评判“辨识得到的模型”是否满足“实际需要” 的一个“准则”。

辨识就是按照一定的准则从某一类模型中找出一个与输入输出数据拟合的最好的模型。

状态空间表达式

• 经典控制理论
  对于一个线性定常系统，可用常微分方程或传递函数加以描述，可将某个单变量作为输出，直接和输入联系起来。实际上系统除了输出量这个变量之外，还包含其它相互独立的变量，而微分方程或传递函数对这些内容的中间变量是不便描述的，因而不能包含系统的所有信息。显然，从能否完全揭示系统的全部运动状态来说，用微分方程或传递函数来描述一个线性定常系统有其不足之处。
• 现代控制理论
  在用状态空间法分析法分析系统时，系统的动态特性是由状态变量构成的一阶微分方程组来描述的。它能反映系统的全部独立变量的变化，从而能同时确定系统的全部内部运动状态，而且可以方便的处理初始条件。这样，在设计控制系统时，不再只局限于输入量、输出量、误差量，为提高系统性能提供了有力的工具。加之可以利用计算机进行分析设计及实时控制，因而可以应用于非线性系统、时变系统、多输入-多输出系统以及随机过程等。
• 状态空间表达式
  由状态方程和输出方程表示，在状态空间中对控制系统作完整表述的公式。
  系统的状态方程为：
  $$\dot{x}(t)=Ax(t)+Bu(t)$$
  其中，A为nxn的常系数矩阵，称作系统矩阵; B为nxr的常系数矩阵，称作控制矩阵。A与B都由系统本身的参数决定。u是输入信号，x是状态变量。
  系统的输出方程：
  ​$$y(t)=Cx(t)+Du(t)$$
  其中，C 为 m×n 的常系数矩阵，称为输出矩阵，它表达了输出变量与状态变量之间的关系； D 为 m×r 的常系数矩阵，称为直接转移矩阵，它表示输入变量通过矩阵 D 直接转移到输出。在大多数实际系统中， D=0 。 y 是输出， x 是系统状态， u 是输入。

Reference:
https://github.com/Skylark0924/System_Identification