• 欢迎访问开心洋葱网站,在线教程,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站,欢迎加入开心洋葱 QQ群
  • 为方便开心洋葱网用户,开心洋葱官网已经开启复制功能!
  • 欢迎访问开心洋葱网站,手机也能访问哦~欢迎加入开心洋葱多维思维学习平台 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏开心洋葱吧~~~~~~~~~~~~~!
  • 由于近期流量激增,小站的ECS没能经的起亲们的访问,本站依然没有盈利,如果各位看如果觉着文字不错,还请看官给小站打个赏~~~~~~~~~~~~~!

MATLAB:对于状态空间方程的系统辨识

人工智能 西涯先生 2880次浏览 0个评论

本文介绍了如何利用MATLAB辨识状态空间方程中的未知参数。

 

假设我们的被控系统的表达如下:

 

MATLAB:对于状态空间方程的系统辨识

 

我们想要通过实验数据辨识出参数K1和K2​,方法如下:

 

第一步,采集实验数据。

需要的数据包括系统一段时间内的系统输出Y(ts),以及控制量U(ts),这些数据应该是以某个固定的采样频率进行采集得到的。另外,最好是要采集系统的初始状态(虽然这个初始状态也是可以辨识的,但能采集到尽量就采集到)。

 

第二步,运用MATLAB进行辨识

代码如下,重要的步骤都体现在注释中了:

 

clc;
clear all;
close all;
format long

%%  读取数据,这一部分大家按照自己的应用来更改
data = xlsread('nopec-static-4.xlsx');
t = data(:,1) - data(1,1);
x1 = data(:,2)/360*2*pi - 0.1;
x2 = data(:,3)/16.4/57.3;
x = [x1,x2]; 
u1 = zeros(size(x1));
u2 = zeros(size(x2));
u = [u1, u2];

%% 搭建状态空间模型
% dot(X) = AX + BU + Ke
% Y = CX + DU +e
% 上式是idss默认的状态空间模型的形式
A = [0, 1; -0.1, -0.1];
B = zeros(2,2);
C = eye(2,2);
D = zeros(2,2);
K = zeros(2,2);
x0 = [x1(1);0];
m = idss(A,B,C,D,'Ts',0); % 构建模型 % 关键函数

% 变量的优化设置
m.Structure.A.Free(1,1) = false; % 这里设置为false,代表A(1,1)这个变量是不可优化的
m.Structure.A.Free(1,2) = false; 
m.Structure.A.Value(2,1) = -10; % 这里设置的是A(2,1)的初始值
m.Structure.A.Value(2,2) = -10; % 这里参数初始值的设置非常重要,初始值设置得不对,最后辨识的结果往往都不会太好
m.Structure.B.Free = false;
m.Structure.C.Free = false;
m.Structure.D.Free = false;
m.Structure.K.Free = false;

%% 打包用于辨识的数据,x是输出,u是控制输入,0.1是采样时间间隔
z = iddata(x,u,0.1); % 关键函数

%% 模型辨识
% 关于辨识过程中的设置,比如优化的cost容忍范围,以及迭代次数,以及状态X的初始条件等等
% 更多关于辨识和优化过程的设置,可以参考:help ssestOptions
opt = ssestOptions;
% opt.InitialState = idpar(x0); % 这里可以设置初始状态也是可优化的
opt.InitialState = x0; % 设置初始状态
opt.SearchOption.Tolerance = 0.01; %设置误差范围
opt.SearchOption.MaxIter = 500; % 设置最大迭代次数
opt.Display = 'full'; %设置是否显示辨识过程
% 模型辨识
m = ssest(z,m,opt); % 关键函数

%% 模型验证 
uu = idinput([150,2]);
simdat = iddata([],uu,'Ts',0.1);
simopt = simOptions('InitialCondition', x0);
y = sim(m,simdat,simopt); % 关键函数
y1 = y.OutputData(:,1);
y2 = y.OutputData(:,2);

%% 绘图
figure(1)
subplot(2,1,1)
plot(x1,'r','LineWidth',3)
hold on
plot(y1,'g','LineWidth',3)
hold on
grid on
xlabel('X1')
legend('实际系统','辨识系统')
subplot(2,1,2)
plot(x2,'r','LineWidth',3)
hold on
plot(y2,'g','LineWidth',3)
hold on
grid on
xlabel('X2')
legend('实际系统','辨识系统')

 

第三步,检查辨识结果

这是我的实验数据,辨识得到的结果,我还是比较满意的,大家可以在自己的应用中,多试几组数据,对比每次辨识出的参数结果,看看是否稳定。

 

MATLAB:对于状态空间方程的系统辨识

 

推荐资料

Estimate State-Space Models with Structured Parameterization


开心洋葱 , 版权所有丨如未注明 , 均为原创丨未经授权请勿修改 , 转载请注明MATLAB:对于状态空间方程的系统辨识
喜欢 (0)

您必须 登录 才能发表评论!

加载中……