对基于新息形式状态空间描述的开环子空间辨识,假设如下:
(1)输入信号u是f+p阶持续激励的;
(2)新息序列ek是白噪声过程,与输入uk和过去的输出不相关;
(3)系统是能控能观(最小实现)的,即(C,A)能观保证可辨识,(A,[B,K])能控保证系统模态均可由外部输入和噪声充分激励;
(4)系统是渐近稳定的。
对Hankel矩阵容易得到如下有用的结论。
引理8.1 当j很大时,
(1)若ek与uk不相关,则Ei|2i-1UTi|2i-1≈0,也称为Ei|2i-1与Ui|2i-1不相关,同时Ei|2i-1U†i|2i-1≈0;
(2)若ek与uk不相关,则Ei|2i-1UT0|i-1≈0,也称为Ei|2i-1与U0|i-1不相关,同时;
(3)若ek与过去的yk不相关,则Ei|2i-1YT0|i-1≈0,也称为Ei|2i-1与Y0|i-1不相关,同时。
证明:结论中的定义部分根据第1章关于不相关的定义得到。由于U†i|2i-1=UTi|2i-1(Ui|2i-1UTi|2i-1)-1和=I-UTi|2i-1(Ui|2i-1UTi|2i-1)-1Ui|2i-1,容易得到结论的其他部分。
证毕
在子空间辨识方法中,通常是在未知状态空间模型的情况下,通过过程的输入输出数据确定动态系统的状态序列,基此使用回归方法得到系统矩阵。经典的辨识算法通过输入输出数据得到系统的输入输出模型,基此可得到各种状态空间实现,而Kalman滤波可实现对状态的估计。采用子空间辨识算法,可在未得到状态空间模型前,就估计出Kalman状态序列,这是其区别于其他输入输出模型辨识方法的主要不同之处。
子空间辨识法确定系统矩阵,主要有两种思路:
(1)利用子空间矩阵求解(www.xing528.com)
本章后面三节采用的都是这种思路。根据前面的推导可知,子空间矩阵方程中是关于A和C的子空间矩阵,Hdi是关于B和D的子空间矩阵,故若能得到和Hdi的估计值,则可求得系统矩阵。
(2)利用Kalman状态序列直接求解
由式(8-47)得到如下两个状态矩阵:
由式(8-48)得到
Yi|i=CXi+DUi|i+Ei|i (8-53)
将式(8-51)代入式(8-52)的结果与式(8-53)联立,可得到
基于同样的初始状态矩阵,估计两个状态矩阵和,分别替代式(8-54)中的Xi+1和Xi。当采用Kalman滤波时,由新息组成的Ei|i与不相关,故可采用最小二乘法确定系统矩阵
一般地,满足与Ei|i不相关是理论上常用的假设(见8.1.1节)。
根据需要,可以按如下方法得到噪声协方差阵和Kalman预报器增益。噪声估计值可由最小二乘问题的残差得到
噪声的协方差阵为
求解如下代数Riccati方程(见第2章):
P=APAT-(APCT+Re12)(CPCT+Re2)-1(APCT+Re12)T+Re1
得到解P*≥0,从而可计算稳态Kalman预报器增益
K=(AP*CT+Re12)(CP*CT+Re2)-1 (8-57)
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。