系统辨识专题（一）——MATLAB系统辨识工具箱的使用案例
在建立多旋翼无人机系统模型的基础上，我们能够更有针对性地设计对应的控制器，为无人机系统故障诊断提供判据。本文将结合系统Matlab自带的系统辨识工具箱阐述一个简单的过程模型的完整辨识过程。 在使用系统辨识工具箱之前，我们先使用Simulink模块生成我们需要的仿真模型以及输入输出数据。 1. 如图1所示，在Matlab命令行中输入“Simulink”命令，打开Simulink模块。 
2. 如图2所示，新建Simulink模型。点击“File->New->Model”。 
3. 如图3所示，搭建基于传递函数的Simulink仿真模型，用户通过拖拽图2“Simulink Library Browser”中的各个Simulink子模块，组合成如下Simulink仿真模型，主要由输入信号、传递函数、输入输出以及示波器组成，这样就能够得到我们需要的自定义仿真模型及输入输出数据，当我们搭建完整个仿真模型后，点击Simulink模块的绿色开始按钮，即可开始进行仿真。 
4. 点击图3中灰色齿轮，打开参数配置界面，点击“Solver”选项，将“Type”选项设置为Fixed-step，同时，将Fixed-step size与输入信号周期一致，这里选取0.02。 
5. 如图5所示，我们将输入信号的周期设定为0.02秒，这里也可以设定为其他值，该周期需要与系统辨识工具箱中的周期匹配，否则会导致系统辨识结果错误。 
搭建完简单的仿真模型之后，我们就可以开始使用Matlab系统辨识工具箱了。 1. 如图6所示，在Matlab命令窗口输入“ident”命令，即可打开系统辨识工具箱。 
2. 如图7所示为Matlab系统辨识工具箱组成说明。 
3. 首先，我们需要导入需要辨识的输入数据，如图8所示，点击“Import data”按钮，工具箱出现下拉选项，这里我们选择“Time domain data”。 
4. 点击“Time domain data”选项后，将会弹出如图9所示对话框，这里的Input与Output输入框中的名称即为上文中通过Simulink模型仿真生成的输入-输出信号对应的工作区中的变量名称。Samping interval即为采样间隔，该值需与上文Simulink仿真模型中的信号仿真步长一致，否则，会导致辨识结果出现偏差。将参数配置完成后，点击“Import”按钮，结束输入信号的导入。 
5. 如图10所示为输入信号预处理选项，其中包括滤波器、数据转换等功能。 
6. 如图11为模型辨识设置，这里选择过程模型。 
7. 如图12所示为过程模型参数配置，这里选择无零点、无时延无积分环节的一阶系统模型作为待辨识模型，配置完参数后，勾选“Display Progress”按钮，点击“Estimate”按钮开始进行辨识。 
8. 如图13所示为过程模型辨识结果，左边对话框显示了模型辨识精度及相对误差。 
9. 如图14为系统辨识参数结果，双击图13右边对话框中的辨识模型结果P1，弹出如下对话框，由图可知，Kp = 1，Tp1 = 1，与上文中Simulink仿真模型中的传递函数参数吻合，至此，完成了整个简单的系统辨识工具箱的使用流程。 
作者简介： 一个被Coding耽误的无人机算法工程师，控制、导航略懂一二，热衷技术，喜欢乒乓、音乐、电影，欢迎交流。 知乎：@遥远的乌托邦 GitHub: https://github.com/DistantUtopia 微信公众号：@遥远的乌托邦
