- 博客(6)
- 收藏
- 关注
RSS订阅原创 系统辨识讲堂5：基于PRBS的传递函数辨识实战（附Python代码）
本文介绍了PRBS信号在系统辨识中的应用优势及实现方法。PRBS信号具有近似白噪声的频谱特性，能有效解决传统阶跃响应激励能量不足、高频信息缺失等问题。文章详细讲解了Python生成PRBS信号的方法，包括移位寄存器原理、参数设计及频谱验证。在工程应用方面，提出了信号注入前的检查项、幅值设定策略及同步采集方法。系统辨识部分包含数据预处理、传递函数辨识和模型验证指标计算。最后总结了工程经验，包括时钟周期选择、非线性系统处理等，并给出工业应用案例。PRBS信号为系统辨识提供了理想的激励源，其实施需要综合考虑系统特
2025-07-25 08:00:00
900
原创 系统辨识讲堂6：基于MATLAB的辨识信号预处理实战指南
【摘要】本文系统阐述了系统辨识前的数据预处理方法，通过5个关键步骤（工作点消除、噪声滤波、时滞补偿、有效性检验、异常值处理）提升辨识精度。针对工业实测数据预处理后模型误差可降低20%-40%，重点解决了信号对齐、噪声抑制等工程难题。文中提供了完整的MATLAB实现代码，包含Butterworth滤波、互相关时滞计算等核心算法，并给出滤波器参数选择、异常值处理等实用指南。预处理流程通过可视化对比验证，最终使PRBS激励数据的系统辨识精度显著提升。
2025-07-25 08:00:00
669
1
原创 系统辨识讲堂4：激励信号介绍与生成及 RBPS 信号详解
本文系统介绍了系统辨识中常用的激励信号类型，重点解析了随机二进制伪序列(RBPS)的特性与应用。文章首先对比了阶跃、正弦扫频、白噪声等激励信号的优缺点，指出RBPS兼具近似白噪声频谱特性和工程易实现优势。详细阐述了RBPS的数学定义、核心特性及参数设计方法，并提供了Python实现代码，包括信号生成、频谱分析和工业应用技巧（预滤波、多周期重复等）。通过对比RBPS、白噪声和m序列的特性，总结出RBPS在硬件实现难度、抗量化误差等方面的优势。最后给出了工程实施建议，强调RBPS是工业系统辨识的理想选择，兼具理
2025-07-24 08:27:25
729
原创 系统辨识讲堂3：非线性系统辨识利器-Hammerstein-Wiener模型及其机器人控制实战
本文提出采用Hammerstein-Wiener(HW)模型解决机器人控制中的非线性问题。该模型通过分离静态非线性和动态线性环节，兼具物理可解释性与计算高效性（参数比神经网络少10-100倍）。文章详细解析了模型结构（输入非线性-线性动态-输出非线性），对比了两步辨识法与联合优化法的实现流程，并给出了MATLAB/Python代码示例。案例显示HW模型能有效处理机械臂扭矩饱和、液压执行器死区等典型非线性。相较传统动力学模型，HW模型在实时性、抗失配等方面表现更优，特别适合工业机器人等需要快速部署的场景。文末
2025-07-24 08:00:00
944
原创 系统辨识讲堂2：线性系统辨识四大核心模型ARX/ARMAX/OE/BJ
摘要：本文系统解析了系统辨识中四种经典模型结构及其适用场景。ARX模型计算高效但噪声假设强，适用于低噪声简单系统；ARMAX可处理相关噪声，适合工业过程；OE模型专注于系统动态，适合传感器噪声主导场景；BJ模型能独立描述系统与噪声特性，适用于高精度复杂系统。文章详细推导了各模型的数学表达和参数估计方法，通过MATLAB/Python代码示例和注塑机温度控制案例，展示了模型选择与验证流程。核心原则是优先尝试简单模型，通过残差分析逐步优化，最终选择最适合系统特性的模型结构。
2025-07-23 11:49:57
1558
原创 系统辨识讲堂1：模型类型介绍
本文系统介绍了系统辨识中的各类数学模型，包括线性模型（如ARX、状态空间）、非线性模型（Hammerstein、神经网络）以及灰箱模型，并分析了它们的适用场景与优缺点。文章强调了模型选择需综合考虑拟合优度、计算复杂度和可解释性，提出了"从简单开始"的建模策略，推荐结合交叉验证和残差分析进行模型验证。通过工业控制、机械臂等案例展示了不同模型的实际应用，同时指出数据驱动与物理模型融合、深度学习等未来发展趋势。最后建议根据系统特性和需求合理选择模型类型，为系统预测和控制提供可靠基础。
2025-07-23 09:59:03
991
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人