基于缺失數(shù)據(jù)的系統(tǒng)辨識(shí)方法研究及相關(guān)軟件設(shè)計(jì)與實(shí)現(xiàn).pdf

1、系統(tǒng)辨識(shí)的理論已經(jīng)得到了長足的發(fā)展，各個(gè)分支也都趨向成熟。但是一般辨識(shí)方法都是考慮在數(shù)據(jù)完整情況下的辨識(shí)，涉及到基于缺失數(shù)據(jù)辨識(shí)的文獻(xiàn)并不多。此外，也很少有人將整個(gè)單輸入單輸出辨識(shí)算法設(shè)計(jì)成一個(gè)軟件系統(tǒng)，實(shí)現(xiàn)不同數(shù)據(jù)情況下的辨識(shí)，滿足更多的工業(yè)過程的需求。
　　本文首先簡單介紹了應(yīng)用到的系統(tǒng)辨識(shí)理論，然后對各種輸入輸出情況分別設(shè)計(jì)了不同的辨識(shí)算法。在頻域完整數(shù)據(jù)的情況下，采用bode圖和Matlab工具箱結(jié)合的方法實(shí)現(xiàn)同時(shí)對系統(tǒng)的

2、模型階次和模型參數(shù)的辨識(shí)。在時(shí)域時(shí)不變系統(tǒng)完整數(shù)據(jù)的情況下，采用離線辨識(shí)和在線辨識(shí)同時(shí)實(shí)現(xiàn)系統(tǒng)的模型階次和模型參數(shù)的辨識(shí)。在時(shí)域時(shí)不變系統(tǒng)有缺失數(shù)據(jù)的情況下，首先設(shè)計(jì)輔助模型，根據(jù)之前的輸入輸出信息辨識(shí)出當(dāng)前的模型參數(shù)，估計(jì)當(dāng)前的缺失值，該估計(jì)值再進(jìn)入遞歸系統(tǒng)繼續(xù)辨識(shí)，這樣可以提高辨識(shí)精度;然后引入遺忘因子，遺忘因子的選擇在0.95到1之間，選擇合適的遺忘因子，可以提高辨識(shí)速度。在時(shí)域時(shí)變系統(tǒng)的情況下，不管數(shù)據(jù)是否有缺失，有兩種辨識(shí)方法

3、:1)帶輔助模型和可變遺忘因子的遞推最小二乘法算法:首先設(shè)計(jì)輔助模型，然后引入可變遺忘因子，根據(jù)數(shù)據(jù)的缺失情況，遺忘因子也做出相應(yīng)的變化，能夠?qū)崟r(shí)的跟蹤不斷變化著的系統(tǒng)參數(shù)，可以提高辨識(shí)速度;2）改進(jìn)的卡爾曼濾波辨識(shí)算法:首先設(shè)計(jì)輔助模型，然后根據(jù)辨識(shí)的階次選擇合適的參數(shù)噪聲矩陣，卡爾曼濾波辨識(shí)算法能夠?qū)崟r(shí)的跟蹤不斷變化著的系統(tǒng)參數(shù);3）基于可調(diào)整的參數(shù)階次的辨識(shí)算法:首先設(shè)計(jì)輔助模型，然后根據(jù)數(shù)據(jù)的誤差情況判斷是否調(diào)整相應(yīng)參數(shù)的階次，