系统辨识

系统辨识理论综述郭金虎【摘要】全面论述了系统辨识理论的提出背景以及理论成果，总结了系统辨识理论的基本原理、基本方法以及基本内容，并对其应用及发展做了全面的讨论。【关键词】系统辨识；准则函数1概述系统辨识问题的提出是由于随着科学技术的发展，各门学科的研究方法进一步趋向定量化，人们在生产实践和科学实验中，对所研究的复杂对象通常要求通过观测和计算来定量的判明其内在规律，为此必须建立所研究对象的数学模型，从而进行分析、设计、预测、控制的决策。例如，在化工过程中，要求确定其化学动力学和有关参数，已决定工程的反应速度；在热工过程中，要求确定如热交换器这样的分布参数的系统及动态参数；在生物系统方面，通常希望获得其较精确的数学模型，一般描述在生物群体系统的动态参数；为了控制环境污染，希望得到大气污染扩散模型和水质模型；为进行人口预报，做出相应的决策，要求建立人口增长的动态模型；对产品需求量、新型工业的增长规律这类经济系统，已经建立并继续要求建立其定量的描述模型。其他如结构或机械的振动、地质分析、气象预报等等，都涉及系统辨识和系统参数估计，这类要求正在不断扩大。2系统辨识的基本原理2.1系统辨识的定义和基本要素实验和观测是人类了解客观世界的最根本手段。在科学研究和工程实践中，利用通过实验和观测所得到的信息，或掌握所研究对象的特性，这种方式的含义即为“辨识”。关于系统辨识的定义，1962年，L.A.Zadeh是这样提出的：“系统辨识就是在输入和输出数据观测的基础上，在指定的一组模型类中，确定一个与所测系统等价的模型”。1978年，L.Ljung也给出了一个定义：“辨识既是按规定准则在一类模型中选择一个与数据拟合得最好的模型”。可用图2-1来说明辨识建模的思想。0GgG等价准则系统原型系统模型激励信号ygyeJu图2-1系统辨识的原理图中规定代价函数（或称等价准则）为,gJyy，它是误差e的函数，系统原型0G和系统模型gG在同一激励信号u的作用下，产生系统原型输出信号y和系统模型输出信号gy，二者误差为e。经等价准则计算后，去修正模型参数，然后再反复进行，知道误差满足代价函数最小为止，器数学表述为,gJyyfe（2-1）其中fe为准则函数表达式。诶辨识的目的为：找出一个模型gG，而为给定模型类。使之,mingJyy（2-2）则有0gGG（2-3）此时，即称为系统被辨识。这个定义明确了系统辨识过程的3大要素：①输入输出数据（u,y,yg）;②模型类（Gk）;③等价准则（）。而模型的精度由J()决定，也即由e决定。其中，数据是辨识的基础；准则是辨识的优化目标；模型类是寻找模型的范围。从上述可知，辨识的实质就是从一组模型类中选择一个模型，按照某种准则，使之呢个最好的拟合所研究的实际过程的动态特性。2.2系统辨识的等价准则在系统辨识过程中，一个很重要的概念是，要检验在各种可能的相同输入下，要求它的输出近似相等，即系统的“等价”，它是用来衡量模型接近实际过程的标准。而通常被识对象和模型的等价性是通过引入评价函数定义的，这个评价函数称为等价准则函数。对某种相同的输入u，若实际系统的输出为y，模型gG的输出为gy，而被识对象和模型输出这两个输出量之间的偏差值（误差）geyy是，通常采用的准则函数如下。连续信号下，其准则函数为22,ttggtTtTJyyytytdtetdt（2-4）数据离散的情况下，其准则函数为22,AggkJyyyye（2-5）在给定的模型类中，当模型gG使准则函数最小是，定义gG与对象等价。因此，辨识就是求使准则函数最小的模型gG的最优化问题。若模型类采用参数模型描述时，便是就归结为参数最优化问题。3系统辨识的基本方法根据对系统的组成、结构和支配系统运动的机理的了解程度，可以将建模方法分为如下3类：（1）机理建模利用各个专业学科领域提出来的物质和能量的守恒性和连续性原理、组成系统的结构形式，建立描述系统的数学关系，这样的建模方法也称为“白箱问题”。如此建立的数学模型，称为机理模型。（2）系统辨识（实验建模）从理论上，这是一种在没有任何可利用的验前信息（即相关学科专业知识与相关数据）的情况下，应用所采集系统的输入和输出数据提取信息进行建模的方法。这是一种实验建模的方法，这种建模方法也称为“黑箱问题”。这样建立的数学模型称为辨识模型，也称为实验模型。（3）机理分析和系统辨识相结合的建模方法这种建模方法适用于系统的运动机理不是完全未知的情况。这时，可以利用系统的运动机理和运动经验确定出模型的结构（如状态方程的维或差分方程的阶），也可能分析出部分参数的大小或可能的取值范围，再根据采集到的系统输入或输出的数据，有系统辨识方法来估计和修正模型中的参数，使其精确化。这样的建模方法也称为“灰箱问题”。实际中应用的辨识方法，严格的说，对“黑箱问题”一般是无法解决的，通常提到的系统辨识，往往是指的“灰箱问题”。4系统辨识的基本内容及步骤一般来说，若建立某一系统的数学模型的目的已经十分明确，同时对该系统已具备了一定的验前知识，就可以进行辨识该系统的数学模型及参数，其内容为包括实验设计、模型结构辨识、模型参数辨识以及模型验证四部分。（1）实验设计实验设计包括扰动信号的选择，采样方法和间隔的决定，采样区段（采样数据长度的设计）以及辨识方式（离线、在线及开环、闭环的考虑）等。（2）模型结构辨识模型类型和结构的选定是决定建立数学模型质量的关键性一步，且模型类型和结构的选定，又是系统辨识过程中最复杂最困难的一项工作，它与建模的目的、对所辨识系统的验前知识的掌握程度等密切相关。（3）模型参数辨识参数模型的类型和结构选定以后，下一步是对模型中的未知参数进行估计。在所有的现实情况中，当对被识系统进行观测时，所得到的数据就会手袋随机性干扰和噪声的影响。因此，必须对所得到的观测数据采用统计的方法加以处理，设法滤去随机干扰的影响，从而得到参数值的好的估计结果。（4）模型验证一个系统的模型被识别出以后，它是否可以接受和利用，它在多大程度上反映出被识系统的特性（模型的有效性），这是必须经过验证的。模型的验证工作必须与模型的选择联系起来，也需要与在建模过程中所做的各种假定联系起来。5系统辨识的应用与发展系统辨识获得如此蓬勃发展的来由，主要取决于20世纪60年代工程上广泛应用了各种自动控制系统，这些系统包括最简单的继电控制系统到利用辅助变量的复杂的回路控制系统。在这一时期，自动控制理论的发展达到了一个较高水平，当时经典的控制概念受到新兴的现代控制理论的挑战。随后，计算机技术的快速发展和成本的降低，使得无论是使用计算机作为离线科学计算工具还是作为在线监测控制装置，都开始得到了广泛的应用。而且，值得注意的问题是，现代控制理论研究和应用是以被控对象的数学模型为前提的，有时他要对被控对象所受到的噪声的特性有所了解。在现代控制理论的研究中，往往要求系统的数学模型具备特定的形式，以适合理论分析的需要。然而，在获得这些模型的研究中，却出现了如何确定被控对象的数学模型的各种困难，理论和实际之间出现了相当大的距离。因此在当时，这正是现代控制理论在许多领域中远没有得到充分应用的原因之一。尽管“理论”能够以非常精巧的方法提出一个控制问题的最优解，但是要实现这个控制，西药对被控系统的动态特性给予一个合适的数学描述。在这样的背景下，系统辨识问题便愈来愈受到人们的重视，它成为了发展系统应用理论，认识实际对象特性并研究和控制实际对象工作中不可缺少的一个重要手段。当然，系统辨识理论和应用之所以得到发展的更主要原因还在于，在科学技术的发展进程中，各门学科的研究方法进一步趋向定量化发展，人们在生产实际和科学实验中，对所研究的较复杂的对象往往要求通过观测和计算来定量地判明其内在规律。为此必须建立所研究对象的数学模型，从而进行分析、设计、预测、控制的决策。因此，系统辨识对研究对象的定量化描述的特点，使得这门学科在它的起源的自动控制学科之外也得到迅速发展。除前述的应用外，其范围现在已大大超出建立这门学科的科学家的想象。如对产品需求量、新型工业的增长规律这类经济系统，已经建立并继续要求建立其定量的描述模型；其它如结构或机械的振动、地质分析、气象预报等等也都涉及系统辨识的理论和方法，而且这类需求还正在不断扩大。当前，系统辨识理论一发展成为系统理论中的一个重要分支。系统辨识理论中，对于单变量线性系统辨识的理论和方法，目前已做了大量的研究，也得到了许多理论和应用成果。但是，对于多变量系统的辨识，尤其是它的结构辨识，则还处于不能令人满意的状态。系统辨识理论的发展，一方面有赖于其他理论（如系统结构理论、稳定性理论、模式识别、学习理论等等）的发展，从而加深对系统没在性质的理解，并提供新的估算方法。另一方面，又必须根据客观实际中提出的新问题（如实验设计、准则函数的选取、模型的验证等），在理论和实践的统一上加以解决，从而充实理论和推动学科的发展。