内容发布更新时间 : 2024/6/1 23:51:04星期一 下面是文章的全部内容请认真阅读。

系统辨识与参数估计课程习题

一、 选择题：答案唯一，在（ ）内填入正确答案的编号。

1. 对于批量最小二乘格式YL??L??EL，其最小二乘无偏估计的必要条件是（ ）。

A. 输入序列{uk}为“持续激励”信号 B. EL与(?L?L)?L正交 C. EL为非白噪声向量 D. E{EL}?0

T2. 对象模型为yk??k??ek时，采用递推最小二乘估计后的残差序列的计算式为（ ）。

T?1TT?T?A. ?k?yk??k?1?k B. ?k?yk??k?k?1 T?T?C. ?k?yk??k?k D. ?k?yk??k?1?k?1

3. 在上题的条件下，递推最小二乘算法中的增益矩阵Kk可以写成（ ）。

A. Pk?1?k?1 B. Pk?k?1 C. Pk?1?k D. Pk?k 4. 可以同时得到对象参数和干扰噪声模型参数的估计算法是（ ）。

A. 辅助变量法 B. 广义最小二乘法 C. 最小二乘限定记忆法 D. 相关最小二乘两步法 5. 增广最小二乘估计的关键是（ ）。

A. 将控制项增广进?k中，并用残差项取代进行估计 B. 将输出项增广进?k中，并用残差项取代进行估计 C. 将噪声项增广进?k中，并用残差项取代进行估计 D. 将噪声项增广进?k中，并用输出项取代进行估计

答案：1. B 2. C 3. D 4. B 5. C ■ 二、 判断题：以○表示正确或×表示错误。

1．估计残差平方和最小是确定辨识过程对象结构的唯一标准。（ ） 2．最小二乘估计的批量算法和递推算法在数学上是等价的。（ ） 3．广义最小二乘法就是辅助变量法和增广最小二乘法交替试用。（ ）

T4．在递推最小二乘算法中，若置Pk?P?P?0，则该算法也能克服“数据饱和”现象，进而可适用于

时变系统。（ ）

5．用神经网络对SISO非线性系统辨识，采用的是输入层和输出层均为一个神经元的三层前馈神经元网络结构。（ ）

答案：1. × 2. ○ 3. × 4. ○ 5. × ■

1

三、 设y和x1,x2,?xn之间满足关系y?exp(a1x1?a2x2???anxn)，试图利用y和x1,x2,?xn的观测值

来估计参数a1,a2,?an，请将该模型化成最小二乘格式。 答案：z?ln(y)?a1x1?a2x2???anxn???

其中，?TT??a1,a2,?,an??T??x1,x2,?,xn? ■

四、 对于多输入单输出（MISO）系统可由下面的模型描述

其中，uk为系统的m×1维输入向量；yk为系统的标量输出；ek为标量i.i.d随机噪声；z?1为延迟算子，

?1?1?1即zyk?yk?1；A(z)为标量参数多项式，B(z)为1×m的参数多项式向量：

请写出：最小二乘递推算法公式和计算步骤或流程。 答案：

根据题意，可写出最小二乘格式为： 其中，

因此，采用批量最小二乘法估计时，设采集数据时刻为k=1,2,…,L，则有批量最小二乘格式为： 其中，

??1T??y1??e1??T??y??e??2YL???，?L??2?，EL??2?

??????????T?????y????L??eL??L?从而，批量最小二乘估计公式为： 递推最小二乘估计公式为：

TPk?1?kPk?1?k?kPk?1Kk?， P?P?kk?1TT1??kPk?1?k1??kPk?1?k??0，P0??2I，?是一个充分大的正数。 初始估计：?0计算流程为：

2?,P,k?0； （0） 给定?00（1） 量测yk?1，组成?k?1； （2） 计算Kk?1；

T?； （3） 计算?k?1继续进行。

（5） 计算Pk?1；

（4） 输出估计结果，并由误差限或数据长度L来确定是否停止估计。若条件满足，则停止估计；否则，

（6） k?k?1，返回到（1）。 ■

五、 对于SISO系统的数学模型

其中，uk和yk分别为系统的输入输出量，vk为干扰噪声，A(z)和B(z)为参数多项式：

?1?1且na?nb，z为延迟算子，即zyk?yk?1。

?1?11． 对于量测uk、yk，k?1,2,?N，写出估计

系统参数的最小二乘批量算法详细公式。

2

2． 给出最小二乘法无偏估计的条件并加以证明。 3． 简述辨识动态系统数学模型的一般步骤。 答案：

1．由题意可知，采用L次测量的批量最小二乘格式可写为： 其中，

??1T??y1??v1??T??y??v??2YN???，?N??2?，VN??2?

??????????T?????y????N??vN??k?因此，最小二乘批量算法公式为：

??(?T?)?1?TY ■ ?NNNN2．证明：

当(?N?N)和?NVN不相关时，上式第二项为零，最小二乘估计为无偏估计，{vk}为零均值独立随机序

T?1T?)?E(?)。 ■ 列时，此条件自然满足。此时，E(?3．辨识动态系统数学模型的一般步骤为：

Step1: 确定建模目的，并由工艺和物理/化学过程初步确定模型形式和结构；

Step2: 试验设计：包括试验信号设计、采样周期选择、实验数据长度选定、试验方式（离线/在线）等； Step3: 实际系统试验，采集输入输出数据，并进行数据的预处理； Step4: 模型结构假设，选定阶次范围；

Step5: 选供适用算法进行参数估计，得到一组数学模型； Step6: 模型结构的确定，得到一个数学模型；

Step7: 模型检验；根据检验结果，可能要从Step2到Step6中的任何一步重新做起。 Step8: 若模型检验合格，则得到最终模型。 ■

六、 某系统的动态模型为yk?ayk?1?buk?ek，假设：系统是稳定的，且?ek?和?uk?都为零均值广义平稳随

机序列。采用辅助变量法进行参数估计，进行L次量测，且L充分大,试证明：

是一个合适的辅助变量矩阵。

答案：

证明：辅助变量法的计算公式为

根据题义有

因{vk}、{uk}和{yk}均为是零均值广义平稳噪声序列，所以， 式中，??Ryu(0)Ruu(1)?Ryu(?1)Ruu(0)

又相关函数 可得

由此可知，ZN矩阵是一个合适的辅助变量矩阵。 ■

3