【正文】 是我一生中最寶貴的財(cái)富。)參考文獻(xiàn)[1] 崇陽,張科,[J].西北工業(yè)大學(xué)學(xué)報(bào)，2011,29（2）:217~222.[2] 劉煜,張科,[J].測控技術(shù)，2006,25 （12）：22~25.[3] 倪博溢,[J].系統(tǒng)仿真報(bào),2006,18(6):1493~1496.[4] 齊曉慧,田慶民, 系統(tǒng)辨識工具箱的系統(tǒng)建模[J].兵工自動化,2006,25(10):88~90.[5] [J].瀘州技術(shù)職業(yè)學(xué)院學(xué)報(bào)，2011,1:53~56.[6] 辭定宇,[J].控制與決策,1990,6:20~26.[7] 榮廣頤,[J].中國紡織大學(xué)學(xué)報(bào),1986,12(5):49~58.[8] 陳君,王軍政,[J].微計(jì)算機(jī)信息,2008,24(6):17.[9] 王文棟,張生良,[J].航空動力學(xué)報(bào),2003,18(3):429~431.[10] 陶大錦,柯大觀,[J].中國機(jī)械工程,2013,24(7):915~921.[11] 童余德,周永余, 的卡爾曼濾波法參數(shù)辨識與仿真[J].船電技術(shù),2009,29(8):47~50.[12] [J].四川兵工學(xué)報(bào),2013,34(9):1~4.[13] [D]. 南京:南京航空航天大學(xué), 2005.[14] [M].北京:科學(xué)出版社，2008.[15] 余成波 張蓮 [M].北京:清華大學(xué)出版社，2008.[16] 劉金琨 沈曉蓉 [M].北京:電子工業(yè)出版社,2013.[17] 王薇 [M].北京:電子工業(yè)出版社,2012.[18] [D].北京:北京化工大學(xué),2011.[19] Kang Xiaoning and Suonan Jiale. Parameter identification algorithm for fault location using one terminal data based on frequency domain[J]. ACAD J XJTU 2007,19(1): 18—23.[20] [D].青島:青島理工大學(xué),2011.[21] [D].廈門:廈門大學(xué).[22] Yin Qiang, Zhou Li and Wang Xinming. Parameter identification of hysteretic model of rubberbearing based on sequential nonlinear leastsquare estimation[J]. EARTHQUAKE ENGINEERING AND ENGINEERING VIBRATION, , . September, 2010: 375383.[23] Lai Xiaoping and Zhao Ruijie. Minimax Design of Timedomain Constrained FIR Filters by a Sequential Constrained LeastSquare Method[J]. Chinese Journal of Electronics. , , : 166170.[24] MATLAB [D].武漢:華中科技大學(xué),2012.[25] Li Shouju, Cao Lijuan, Zhangguan Zichang and Liu Bo. Parameter identification and pressure control of dynamic system in shield tunneling using least squares method [J]. J0URNAL OF COAL SCIENCE amp。)。endfigure(4)。)。,39。)。plot(i,ea3,39。i=1:100。,39。legend(39。r39。hold on。eb1=e(4,:)。a2=c(2,:)。)*p0。for k=4:100。for k=4:100。endy1=x1。for i=1:L。對于估計(jì)期間參數(shù)隨時(shí)間的推移而緩慢變化時(shí)，無法反映出參數(shù)時(shí)變的特點(diǎn)，從而使估計(jì)結(jié)果產(chǎn)生錯誤。因此，將遞推最小二乘算法成為作為本課題的辨識算法的最佳選擇，用此來辨識數(shù)學(xué)模型的參數(shù)，得到了滿意的辨識結(jié)果。 本章小結(jié) 本章利用遞推最小二乘完成了對導(dǎo)彈舵機(jī)系統(tǒng)的仿真模擬。 為方便起見，取和,為正實(shí)數(shù)。為了減少計(jì)算量，減少數(shù)據(jù)在計(jì)算機(jī)中所占的儲存量，也為實(shí)時(shí)地辨識出動態(tài)系統(tǒng)的特性，在用最小二乘法進(jìn)行參數(shù)估計(jì)時(shí)，把它轉(zhuǎn)化成參數(shù)遞推的估計(jì)。將待辨識的系統(tǒng)看成“灰箱”，它只考慮系統(tǒng)的輸入、輸出特性，而不強(qiáng)調(diào)系統(tǒng)的內(nèi)部結(jié)構(gòu)。應(yīng)用最小二乘法對系統(tǒng)模型參數(shù)進(jìn)行辨識的方法有離線辨識和在線辨識兩種。輸入輸出數(shù)據(jù)向量的各分量直接影響參數(shù)估計(jì)值，而權(quán)矩陣的作用則是用來控制各輸入輸出分量對參數(shù)估計(jì)值的影響程度。 梯度校正法的一個(gè)顯著優(yōu)點(diǎn)就是計(jì)算量小、計(jì)算簡單，在一定條件下也可用于在線實(shí)時(shí)辨識，但是當(dāng)過程的輸入輸出含有噪聲時(shí)，它要求必須預(yù)先知道噪聲的統(tǒng)計(jì)特性，這將大大限制了梯度校正法的使用范圍。但這三種方法具有明顯的差別，具體表現(xiàn)在下面幾個(gè)方面：①三種方法所依據(jù)的基本數(shù)學(xué)原理不同。因此，為了提高控制能力，必須改善系統(tǒng)數(shù)學(xué)模型的精度。 梯度校正法 梯度校正法的基本思想是利用最速下降法原理，沿著誤差準(zhǔn)則函數(shù)關(guān)于模型參數(shù)的負(fù)梯度方向，逐步修改模型的參數(shù)估計(jì)值，直至誤差準(zhǔn)則函數(shù)達(dá)到最小值。 非參數(shù)模型辨識方法獲得的模型為非參數(shù)模型，其模型采用響應(yīng)曲線來描述，可通過實(shí)驗(yàn)獲得，無明顯的參數(shù)，也不必事先確定過程模型的具體結(jié)構(gòu)，因此該方法可應(yīng)用于任意復(fù)雜的過程。這時(shí)模型的輸出也已在該準(zhǔn)則意義下最好的逼近系統(tǒng)的實(shí)際輸出值 ，于是便獲得了所需要的系統(tǒng)模型。第五章 對全文進(jìn)行的工作進(jìn)行總結(jié)，并對進(jìn)一步的研究工作提出了展望。主要內(nèi)容如下：①根據(jù)導(dǎo)彈舵機(jī)控制系統(tǒng)原理建立相應(yīng)的數(shù)學(xué)模型。系統(tǒng)辨識的軟件化和應(yīng)用化研究已成為當(dāng)前理論探索和實(shí)驗(yàn)研究及工作技術(shù)應(yīng)用為一體的一個(gè)研究熱點(diǎn)。 進(jìn)入20世紀(jì)80年代，系統(tǒng)辨識發(fā)展面臨新趨勢，一方面由于魯棒控制的出現(xiàn)，使自適應(yīng)魯棒控制成為研究的新熱點(diǎn)?，F(xiàn)代控制理論的特點(diǎn)是需要依賴對象的數(shù)學(xué)模型來設(shè)計(jì)控制系統(tǒng)。⑤故障診斷：許多復(fù)雜的系統(tǒng)，如導(dǎo)彈、飛機(jī)、大型化工和動力裝置等，需要經(jīng)常監(jiān)事和檢測可能出現(xiàn)的故障，以便及時(shí)排除故障。它對模型結(jié)構(gòu)、輸入信號和等價(jià)準(zhǔn)則的選擇都有很大的影響。因此，系統(tǒng)辨識作為建立系統(tǒng)數(shù)學(xué)模型的主要方法之一，也就成為很多領(lǐng)域的研究工作的重要前提。系統(tǒng)辨識主要有兩大部分組成，一個(gè)是系統(tǒng)模型的辨識，一個(gè)是系統(tǒng)模型參數(shù)的辨識。通過辨識建立數(shù)學(xué)模型可實(shí)現(xiàn)如下6個(gè)目的：①系統(tǒng)仿真：為了研究不同輸入情況下系統(tǒng)的輸入情況，最直接的方法是對系統(tǒng)本身進(jìn)行實(shí)驗(yàn)，但實(shí)際上是很難實(shí)現(xiàn)的。這就要求必須不斷地收集系統(tǒng)進(jìn)行過程中的信息，通過建立數(shù)學(xué)模型，推斷過程動態(tài)特性的變化情況。這個(gè)階段，辨識、狀態(tài)估計(jì)和控制理論發(fā)展成為現(xiàn)代控制論三個(gè)相互滲透的領(lǐng)域。相比，系統(tǒng)辨識本身的研究相對減弱，研究成果也急劇減少；另一方面，一些過去認(rèn)為陳舊的東西，如連續(xù)系統(tǒng)辨識又以新面貌重新出現(xiàn)，引起人們的關(guān)注。 近年來，系統(tǒng)辨識理論正在日趨成熟，形成了比較完善的理論體系和方法，系統(tǒng)辨識的實(shí)際應(yīng)用也愈來愈廣泛。②研究開發(fā)與此相對應(yīng)的離散狀態(tài)空間模型，以便于工程實(shí)現(xiàn)。 本章小結(jié) 本章給出了本課題的來源及研究的目的和意義，簡單介紹了系統(tǒng)辨識的發(fā)展歷史及研究現(xiàn)狀，最后對本課題的主要研究內(nèi)容作出了必要的總結(jié)。 系統(tǒng)辨識的基本過程 如果建立某一系統(tǒng)的數(shù)學(xué)模型的目的已十分確定，同時(shí)對該系統(tǒng)已具備一定的先驗(yàn)知識，就可以開始辨識系統(tǒng)的數(shù)學(xué)模型。 參數(shù)模型辨識方法需要先假定一種模型結(jié)構(gòu)，然后通過極小化模型與真實(shí)系統(tǒng)對象之間的誤差準(zhǔn)則函數(shù)來確定模型的參數(shù)。 極大似然方法極大似然法是一種傳統(tǒng)的概率性的參數(shù)估計(jì)方法，它的基本方法是構(gòu)造一個(gè)以觀測數(shù)據(jù)和未知參數(shù)為自變量的似然函數(shù)，通過極大化這一似然函數(shù)來獲得模型的參數(shù)估計(jì)。這樣，就要對系統(tǒng)數(shù)學(xué)模型的各個(gè)參數(shù)進(jìn)行辨識。 最小二乘法依據(jù)最小二乘原理，它認(rèn)