Идентификация объектов управления. Семенов А.Д - 137 стр.

     Рекуррентный метод максимального правдоподобия. Если справедлива
модель шума вида D/A, обеспечивает высокую точность оценок. Вначале
оценки сходятся медленно. Расходятся реже, чем ОРМНК. Оценки фильтра
шума D сходятся очень медленно. Требует большего объема вычислений, чем
ОРМНК.
     Метод стохастической аппроксимации. Приемлемая точность до-
стигается при очень большом числе измерений. Сходимость определяется
числом с. Объем вычислений мал.
     При малых объемах вычислений и шуме высокой интенсивности все
методы (кроме МСА) обладают одинаковым качеством оценок, следовательно,
предпочтение отдают РМНК, так как он проще других и гарантирует
сходимость оценок. Преимущество РММП проявляется при больших объемах
измерений.
     Пример     5.1.   Проведем       идентификацию          рекуррентным   методом
наименьших квадратов объекта с передаточной функцией
                                                2,5
                          W ( p) =                                 .          (5.51)
                                     ( p + 0,1)( p 2 + 6 p + 25)
     Идентификация проводилась программой приведенной ниже.
k=2.5;p1=-.1;p2=-3+4*i;p3=-3-4*i;
p=[p1 p2 p3];
wo=zpk([],p,k);
tm=5000;dt=.2;
t=0:dt:tm;
n=length(t);
u=100*randn(n,1);
y=lsim(wo,u,t);
subplot(2,1,1),grid
 plot(t,u),grid
title ('Входной сигнал')
subplot(2,1,2),grid
 plot(t,y),grid
title ('Выходной сигнал')
pause
subplot(1,1,1)
my=mean(y);mu=mean(u);
yc=y-my;