系统辨识理论及应用

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇系统辨识理论及应用范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

系统辨识理论及应用范文第1篇

摘 要：本文追寻控制理论的发展过程，首先简单回顾了经典控制理论的产生、发展，接着引出了现代控制理论及并介绍了其发展概况，并通过两者之间的简单对比，彰显现代控制理论的不同之处。最后，对现代控制理论的发展方向提出了一些预见。

关键词：经典控制理论；现代控制理论；发展趋势

一.经典控制理论的产生、发展与局限

维纳曾定义，控制论是“关于在动物和机器中控制和通信的科学”。

在20世纪30到40年代，奈奎斯特、伯德、维纳等人的著作为自动控制理论的初步形成奠定了基础；二战后，又经过众多学者的努力，在总结了以往的实践和关于反馈理论、频率响应理论并加以发展的基础上，形成了较为完整的自动控制系统设计的频率法理论。1948年又提出了根轨迹法。至此，自动控制理论发展的第一阶段基本完成。这种建立在频率法和根轨迹法基础上的理论，通常被称为经典控制理论。

经典控制理论以拉氏变换为数学工具，以单输入――单输出的线性定常系统为主要的研究对象。将描述系统的微分方程或差分方程变换到复数域中，得到系统的传递函数，并以此作为基础在频率域中对系统进行分析和设计，确定控制器的结构和参数。通常是采用反控制，构成所谓闭环控制系统。它有以下几个特点：

第一，经典控制理论只限于研究线性定常系统，即使对最简单的非线性系统也是无法处理的；出描述方式，这就从本质上忽略了系统结构的内在特性，也不能处理输入和输出皆大于1的系统。实际上，大多数工程对象都是多输入――多输出系统，用经典控制理论设计这类系统都没有得到满意的结果；

第二，经典控制理论采用试探法设计系统。即根据经验选用合适的、简单的、工程上易于实现的控制器，然后对系统进行分析，直至找到满意的结果为止。虽然这种设计方法具有实用等很多优点，但是，在推理上却是不能令人满意的，效果也不是最佳的。

综上所述，经典控制理论的最主要的特点是：线性定常对象，单输入单输出，完成镇定任务。经典控制理论具有明显的局限性，突出的是难以有效地应用于时变系统、多变量系统，也难以揭示系统更为深刻的特性。当把这种理论推广到更为复杂的系统时，经典控制理论就显得无能为力了，即便对这些极简单的对象、对象描述及控制任务，理论上也尚不完整，从而促使现代控制理论的发展――对经典理的精确化、数学化及理论化。

二.现代控制理论的五个分支

I.线性系统理论，性系统理论是现代控制理论的基础，也是现代控制理论中理论最完善、技术上较成熟，应用也是最广泛的部分。主要研究线性系统在输入作用下状态运动过程的规律和改变这些规律的可能性与措施；建立和揭示系统的结构性质、动态行为和性能之间的关系。线性系统理论主要包括系统的状态空间描述、能控性、能观测性和稳定性分析，状态反馈、状态观测器及补偿的理论和设计方法等内容。

II.最优控制理论，在给定约束条件和性能指标下，寻找使系统性能指标最佳的控制规律。主要方法有变分法、极大值原理、动态规划等。其中极大值原理是现代控制理论的核心（使系统的性能指标达到最优――最小或最大）。一般而言，最优化方式有离线静态优化方式和在线动态优化方式，而最优化问题的求解方法大致可分为四类：解析法、数值解法（直接法）、解析与数值相结合的寻优方法、网络最优化方法。

优化方法的新进展包括：一，在线优化方法，基于对象数学模型的离线优化方法。含局部参数最优化和整体最优化设计方法、预测控制中的滚动优化算法、稳态递阶控制、系统优化和参数估计的集成研究方法.。二，智能优化方法，含神经网络优化方法、遗传算法、模糊优化方法、模糊优化方法。

最优控制理论的应用领域十分广泛，如时间最短、能耗最小、线性二次型指标最优、跟踪问题、调节问题和伺服机构问题等。但它在理论上还有不完善的地方，其中两个重要的问题就是优化算法中的鲁棒性问题和最优化算法的简化和实用性问题。

III.自适应控制。在控制系统中，控制器能自动适应内外部参数、外部环境变化，自动调整控制作用，使系统达到一定意义下的最优。有模型参考自适应控制与自校正自适应控制之分。

自适应控制和常规的反馈控制和最优控制一样，也是一种基于数学模型的控制方法，所不同的只是自适应控制所依据的关于模型和扰动的先验知识比较少，需要在系统的运行过程中去不断提取有关模型的信息，使模型逐步完善。具体地说，可以依据对象的输入输出数据，不断地辨识模型参数，这个过程称为系统的在线辩识。随着生产过程的不断进行，通过在线辩识，模型会变得越来越准确，越来越接近于实际。既然模型在不断的改进，显然，基于这种模型综合出来的控制作用也将随之不断的改进。在这个意义下，控制系统具有一定的适应能力。比如说，当系统在设计阶段，由于对象特性的初始信息比较缺乏，系统在刚开始投入运行时可能性能不理想，但是只要经过一段时间的运行，通过在线辩识和控制以后，控制系统逐渐适应，最终将自身调整到一个满意的工作状态。再比如某些控制对象，其特性可能在运行过程中要发生较大的变化，但通过在线辩识和改变控制器参数，系统也能逐渐适应。

IV.系统辨识。根据系统的输入输出时间函数来确定描述系统行为的数学模型。通过辨识建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及设计控制器。对系统进行分析的主要问题是根据输入时间函数和系统的特性来确定输出信号。对系统进行控制的主要问题是根据系统的特性设计控制输入，使输出满足预先规定的要求。而系统辨识所研究的问题恰好是这些问题的逆问题。

V.最佳滤波理论，亦称为最佳估计理论。当系统受到环境或负载干扰时，其不确定性可以用概率和统计的方法进行描述和处理。也就是在系统数学模型已经建立的基础上，利用被噪声等污染的系统输入输出的量测数据，通过统计方法获得有用信号的最优估计。经典的维纳滤波理论阐述的是对平稳随机过程按均方意义的最佳滤波，而现代的卡尔曼滤波理论用状态空间法设计最佳滤波器。克服了前者的局限性，适用于非平稳过程并在很多领域中得到广泛应用，成为现代控制理论的基石。

三. 现代控制理论与经典控制理的差异

现代控制理论基于经典控制理论，两者之间存在的关联与差别的发展中，扩大了控制理论所能解决问题的范畴。根据自动控系统的目标――认识与改进控制系统来说，主要在研究对象、数学模型及基本方法、应用领域来讨论上，存在着不同之处。前两者在上述论述中，已有阐述。在应用领域上，现代控制理论是经典控制理的进步与补充，但由于现代控制理论的发展晚，而经典控制理论的趋于成熟，因此按作者的观点，两者在相应的领域仍有不可替代的作用。

参考文献：

[1] 郑应平.充满魅力的现代控制理论[J].自动化博览2003（5）

系统辨识理论及应用范文第2篇

关键词：人工智能；建筑领域；计算机；应用。

1 引言

所谓人工智能技术，是指一门由控制论、计算机科学、神经生理学、信息论、心理学等学科相互渗透所和发展所形成的综合性学科。虽然学术界对于人工智能的定义在经过长久的争论之后仍然没有得出一个准确的定义，但是从本质上来看，人工智能技术就是通过研究和制造人工智能系统和机器来模拟人类智能行为，从而使人类智能得到延伸的一门学科。该学科通过计算机来完成智能系统的构建，并以此来实现定理的自动证明、程序的自动射击、语言的自动理解、模式的自动识别等智能活动。由于研究者对于人工智能的理解存在差异，所以就形成了不同的人工智能研究途径，其主要有三种，分别是联接主义途径、符号主义途径和行为主义途径。

其中，联接主义途径于1943年提出，它主要通过神经元来对脑模型和神经网络模型进行研究，不过目前仍处于基础性的研究阶段。符号主义途径是基于物理符号系统假设提出的，从上世纪30年代开始应用于智能行为的描述中，目前很多的自然语言理解系统、专家系统都是基于该观点研制的。行为主义途径的支持者则认为人工智能源于控制论，在该理论的指导下，研究人员于上世纪80年代成功构建了智能机器人系统，布鲁克斯的六足行走机器人是其中的杰出代表。

2 人工智能技术在建筑领域的应用

2.1 在建筑设计中的应用

在过去相当长的一段时间内，建筑设计师们都通过AutoCAD软件来完成有关绘图工作，但是这并不能从真正意义上体现出建筑设计，设计师们的灵感、创意、创新也无法通过AutoCAD得到更加全面的体现。随着人工智能技术在建筑设计行业中应用的不断深入，现在的设计师中的绝大多数都开始应用能够在设计全称提供二维图形描述和三维空间表现的理论及技术来完成日常工作，不仅提高了工作效率，也使得建筑设计的特点得到了更好的体现。

例如，Arch2010就是一款基于AutoCAD2002―2010平台的，专为建筑设计工作而量身打造的CAD系统，它集人性化、数字化、可视化、参数化、智能化于一身，将建筑构件作为最基本的设计单元，采用了非常先进的自定义对象核心技术，实现了二维图形与三维模型的同步。

此类系统的使用让建筑设计师再也不必趴在桌子上完成绘图工作，让他们的创意和设想能够得到更完美的发挥和实现。工程图档也不再是以往那种抽象的线条堆积，而是通过数字化技术转化成了直观的、可视的建筑模型，真正做到了构件关联智能化、构件创建参数化以及设计过程可视化。

2.2 在施工管理中的应用

工作人员在以往开展建筑工程施工管理工作的时候，主要是依靠手写、手绘的方式来完成有关施工档案的记录和施工平面图的绘制，而随着人工智能技术在建筑领域里应用范围的不断扩大，综合采用数理逻辑学、运筹学、人工智能等手段来进行施工管理已经得到了认可和普及。目前比较流行的基于C/S环境开发的建筑施工管理系统，已经涵盖了包括分包合同管理、施工人员管理、原材料供应商管理、固定资产管理、企业财务管理、员工考勤管理、施工进度管理等方方面面，使对供应商和分包商的管理工作得到了进一步的细化，从而使原材料的进离场、分包商及员工管理工作更加科学、准确、快捷，实现了资金流、物资流、业务流的有机结合。

另外，建筑施工管理系统的数据库也非常强大，具有极为强劲的数据处理和储存能力，不仅性能稳定，升级和日常维护也非常快捷方便。另外，针对建筑施工人流复杂、密集的特点，系统还相应设置了权限管理功能，保障了施工管理数据的安全和准确性。

2.3 在建筑施工中的应用

人工智能技术在建筑施工中的应用主要集中在砼强度分析的工作中。一般来说，28天抗压强度是衡量砼自身性能的重要指标，如果能够提前对砼的28天强度值进行预测，工作人员就可以采取相应的措施对其进行控制，进而提高砼的质量。在以往的工作中，工作人员往往采用基于数理统计的线性回归方式对砼的28天强度进行预测，但是对于商品砼来说，由于其中掺杂了大量的粉煤灰，因此砼各组材料与抗压强度之间的关系往往表现为明显的非线性关系，通过传统方式所得到的预测结果存在着很大的误差。

在人工神经网络技术应用于砼性能预测方面，我国天津大学的张胜利将传统的BP网络模型的预测结果与3中不同输入模型的RBF网络预测结果进行了比较和分析，最终证明了RBF网络模型具有较强的泛化能力和极高的预测精确度，是一种新型的、有效的分析商品砼性能的方法。

2.4 在建筑结构中的应用

汶川地震的发生以及这场地震所造成的严重危害，让建筑结构控制及健康诊断工作得到了前所未有的关注，以往建筑行业所采用的结构系统辨识方法存在着抗噪声能力差、适用范围较窄、难以进行线性识别的缺点，让此项工作的有效开展受到了极大的限制。近年来，随着人工智能技术的发展，出现了一种新型的基于人工神经网络的系统辨识方法，该方法通过模糊神经网络所具有的学习及非线性映射能力来获得实测结构动力响应数据，并以此构建起建筑结构的动力特征模型。模糊神经网络能够对建筑结构在任意动力荷载情况下的动力响应进行非常准确的预测，因此广泛的应用于建筑结构的健康诊断以及振动控制当中，具有很强的实用性和可扩展性。

2.5 在建筑电气中的应用

随着我国建筑业的迅速发展，行业的总体能耗急剧攀升，有一段时间在总能耗中所占的比例甚至超过了30%，所以，实行建筑节能对于实现我国的节能减排目标无疑具有巨大的促进作用，而电气节能技术则是当前效果最为显著的节能方式之一。

电气节能的评估模型建立之后，可以使用人工神经网络对其进行训练，提升其评估的准确性和网络泛化性，使建筑节能改造工作的实施能够具有更多的科学依据。其中，BP神经网络算法就是一种能够将输入/输出问题转化为线性问题的学习方法。传统的BP网络采用的是梯度下降法，该方法的学习速率是保持不变的，同时训练所需的时间较长，且在学习过程中可能发生局部收敛的情况；改进型的BP算法和L-M反算法则增加了动量因子，无论是在稳定性还是收敛性方面，都要优于传统的BP算法，因此广泛的应用于当前建筑电气节能评估模型的构建工作中。

使用该方法构建的建筑电气节能评估模型的权重，能够以相对联系的方式隐藏于网络当中，这种评价方式更加科学、简单、适用，所评估模型的适用范围也更为广泛。