
1.1 建立数学模型的基本方法
所谓模型,就是把关于实际过程的本质部分的信息简写成有用的描述形式。用数学结构和形式来反映实际过程行为特性的模型就是数学模型。一般来说,建立数学模型有两种基本方法。
1.理论分析法
这种方法主要是通过分析系统的运动规律,运用已知的定律、定理和原理,例如力学原理、生物学定律、牛顿定理、能量平衡方程、传热传质原理等,利用数学方法进行推导,建立系统的数学模型。这种方法也称为机理分析法。
【例 1.1】Vertical Take-Off and Landing(VTOL)空间飞行器的理论建模。
VTOL空间飞行器是能够垂直起飞、垂直着陆的具有3个空间自由度的系统。如图1-1所示为X-Y平面上的VTOL受力图。由于只考虑起飞过程,因此只考虑横向X轴和垂直方向Y轴,忽略了前后运动(即Z方向)。X-Y为惯性坐标系,Xb-Yb为飞行器的机体坐标系。

图1-1 VTOL空间飞行器坐标示意图
设状态变量是飞行器质心的X,Y位置和滚转角θ,相应的速度为dX/dt、dY/dt和dθ/dt,控制输入T,l是推力(直接从飞机的底部推动)和滚动力矩。利用牛顿定理, VTOL空间飞行器的动力学模型表示为



式中,g是重力加速度;ε0 是刻画滚动力矩和横向加速度关系的系数。进一步简化动态方程,并定义x=X/g,y=-Y/g,u1=T/(mg),u2=l/Ix,ε=ε0l/(mg),系统简化为



虽然VTOL飞行器的数学模型可以根据力学原理较准确地推导出来,但要想获得精确的模型参数ε0,Ix,m,就要进行辨识。
由例1.1可知,理论分析方法只能用于较简单系统的建模,并且对系统的机理要有较清楚的了解。对于比较复杂的实际系统,这种建模方法有很大的局限性。这是因为在建模时必须对实际的系统提出合理的简化假设,然而这些假设未必符合实际情况。另外,有时实际系统的机理也并非完全可知的。
2.测试法
系统的输入、输出一般总是可以测量的。由于系统的动态特性必然表现于这些输入、输出数据中,故可以利用输入、输出数据所提供的信息来建立系统的数学模型。这种建模方法就是系统辨识。
与理论分析方法相比,测试法的优点是不需要深入了解系统的机理,不足之处是必须设计一个合理的试验以获取所需要的大量信息,而设计合理的试验是很困难的。
在实际研究中,往往将理论分析方法和测试法相结合,机理已知部分(名义模型)采用理论分析方法,机理未知部分采用测试方法。
【例 1.2】通过实验确定一个热敏电阻的电阻R和温度t的关系,为此在不同的温度t下,对电阻R进行多次测量获得了一组测量数据(ti,Ri)。由于每次测量中,不可避免地含有随机测量误差,因此想寻找一个函数R=f(t)来真实地表达电阻R和温度t之间的关系。
假设模型结构为
R=a+bt
式中,a和b为待估参数。
如果测量没有误差,只需要两个不同温度下的电阻值,便可以解出a和b。但是由于每次测量中总存在随机误差,即
yi=Ri+vi或 yi=a+bt+vi
式中,yi为测量数据,Ri为真值,vi为随机误差。
显然,将每次测量误差相加,可构成总误差

如何使测量的总误差最小,选择不同的评判准则会获得不同的方法,当采用每次测量误差的平方和为最小时,即

由于上式中的平方运算又称为“二乘”,而且又是按照J最小来估计a和b,称这种估计方法为最小二乘估计算法,简称最小二乘法。
利用最小二乘法辨识模型参数,若使得J最小,利用求极值的方法得

对上式进一步整理,则和
的估计值可由下列方程确定

解方程组,可得

由于一定存在a和b使J 取极小值,而和
只有一个根,所以
和
使J 取最小值。