摘 要:在现代社会各项生产活动中, 生产过程模型如:精馏过程, 造纸过程等, 大多是多变量系统模型. 目前单变量系统的辨识方法已经日趋成熟. 然而由于生产过程的复杂性和不确定性, 多变量系统辨识方法的研究仍有待于进一步丰富. 因此, 研究多变量系统模型的辨识, 具有十分重要的科学意义和极大的应用前景. 从国内外学者近期的研究报告中可以看出, 对于多变量的系统辨识进行更加深入的研究是必然的趋势, 将对未来的工业发展起强有力的推动作用. 同时, 应该注意到, 对被控对象建立数学模型, 是对其进行自动控制的基础. 可是, 由于生产环境的复杂多样性, 对各种可能出现的应用情况分别进行机理分析建立数学模型的可行性不强. 因此, 考虑通过系统辨识建立模型就显得水到渠成. 系统辨识内容丰富, MATLAB更是进行辨识的有力工具. 本文主要内容分为四个部分:
1. 简要介绍系统辨识的定义、步骤和目的.
2. 对MATLAB系统辨识工具箱中用到的多变量系统模型的结构即ARX、ARMAX、OE、BJ和状态空间模型, 进行详细的描述.
3. 针对多变量系统过程模型, 利用MATLAB系统辨识工具箱(System Identification Toolbox)的图形用户界面(Graphical User Interface, GUI), 选择不同的随机系统模型进行辨识, 并进行分析和比较.
4. 针对多变量系统过程模型, 即传递函数矩阵模型, 基于最小二乘原理和辅助模型技术, 探讨了基于辅助模型的最小二乘辨识方法, 并利用MATLAB进行数值仿真与分析.
关键词：多变量过程模型;系统辨识;MATLAB;最小二乘
目录
摘要
abstract
第1章 绪 论-3
1.1 课题研究背景和意义-3
1.2 国内外研究现状-3
1.3 系统辨识概述-4
1.4 本文主要内容简介.5
第2章 多变量系统模型-7
2.1 模型介绍-7
2.2 小结-9
第3章 利用MATLAB系统辨识工具箱辨识多变量系统模型-11
3.1 辨识工具箱功能概述-11
3.2 输入输出数据的准备-12
3.3 利用System Identification Toolbox辨识多变量系统-14
3.4 小结.26
第4章 多变量系统过程模型的最小二乘辨识-29
4.1 最小二乘辨识算法-29
4.2 多变量系统过程模型的最小二乘辨识-32
4.3 算法仿真-35
4.4 小结 34
第5章 结论与展望-37
5.1 结论-37
5.2 不足之处及未来展望-37
参考文献-38
致 谢-39
附录：MATLAB仿真m文件-40
