第四章经典辨识方法：阶跃响应法、脉冲响应法、相关分析法

说到经典辨识方法，我得先跟你掏个心窝子。这些方法看起来有点「老」，但我在现场调试时，十次有八次还是靠它们快速摸清系统底细。你想想看，有时候现场条件有限，复杂的算法跑不起来，反倒是这些经典方法最管用。

阶跃响应法，说白了就是给系统一个突然的「刺激」，看它怎么反应。我习惯用这个方法做初步分析，因为它直观，而且对设备要求低。

核心思想：给系统输入一个阶跃信号，记录输出响应曲线，然后从曲线上提取特征参数。

具体怎么做？我一般分三步走：

举个例子，一阶系统的阶跃响应长这样：

y(t) = K * (1 - e^(-t/τ))

其中K是稳态增益，τ是时间常数。我在项目里遇到过一台加热炉，用阶跃响应法测出来τ=45秒，跟厂家给的参数差了20%。后来发现是热电偶安装位置不对，换了位置就对了。嗯，这里要注意，传感器的安装位置直接影响辨识结果。

我的小技巧：做阶跃响应实验时，先给一个小的阶跃信号，看看系统反应。没问题了再加大幅值。别一上来就猛搞，容易出事。

脉冲响应法跟阶跃响应法有点像，但用的是脉冲信号。为什么用脉冲？因为脉冲信号的频谱更宽，能激发出系统更多动态特性。

我记得有一次做电机速度环辨识，阶跃响应法死活辨识不准，换了脉冲响应法，一次就搞定了。原因很简单——阶跃信号低频成分多，高频信息少；脉冲信号则覆盖了更宽的频带。

脉冲响应法的数学表达：

y(t) = ∫₀ᵗ g(τ) * u(t-τ) dτ

其中g(t)就是系统的脉冲响应函数。实际应用中，我们通常用有限宽度脉冲近似理想脉冲：

注意：脉冲响应法对噪声特别敏感。我曾经在一个振动台上做实验，信号噪声比只有3dB，结果辨识出来的模型完全不能用。后来加了前置滤波，才勉强能用。

相关分析法，我个人觉得是经典方法里最「聪明」的一个。它利用信号的相关性来抑制噪声，说白了就是让噪声自己跟自己抵消。

核心公式：

R_uy(τ) = ∫₀ᵀ u(t) * y(t+τ) dt

如果输入u(t)是白噪声，那么互相关函数R_uy(τ)就直接等于系统的脉冲响应。这个性质太漂亮了，你想想看，白噪声的频谱是平的，一次实验就能覆盖所有频率。

实际应用中，我常用伪随机二进制序列（PRBS）代替白噪声。为什么？因为真正的白噪声实现起来太难了，PRBS近似白噪声，而且容易生成。

这三种方法没有的好坏，关键看你的应用场景。我个人的经验是：

我曾经在一个化工厂做温度控制系统的辨识，现场噪声大得离谱，阶跃响应法和脉冲响应法都失败了。最后用相关分析法，配合PRBS信号，硬是把模型辨识出来了。那次经历让我深刻体会到——方法没有好坏，只有合不合适。

总结一下：经典辨识方法虽然「老」，但它们是理解系统辨识的基础。我建议你先从阶跃响应法入手，熟悉了再尝试脉冲响应法和相关分析法。每一步都亲手做一遍，比看十遍书都管用。

好了，这一章的内容就到这里。三种方法各有千秋，关键是要理解它们的本质——都是在输入输出数据之间建立关系。你动手试试看，找个简单的系统，用这三种方法分别辨识一下，感受会更深。

第四章 经典辨识方法：阶跃响应法、脉冲响应法、相关分析法