目前已經（或在實驗室但很有希望）在工業界使用的主流系統辨識方法有哪些呢？

1樓：黃豆豆

模式識別和系統辨識不是一回事，模式識別更多的是用在指紋識別、人臉識別等等問題上的基礎理論，和機器學習關係較密切。

系統辨識或者叫做系統識別是控制領域的內容，在其他領域有內容相似的東西，在動力學領域就叫做動力學反問題。動力學反問題分為兩類：已知輸入和輸出，要求得系統本身的一些特徵或者引數稱為第一類反問題，也就是系統識別；已知系統本身的規律及輸出要求得對應的輸入，稱為第二類反問題。

目前第一類反問題的理論較成熟，土木領域用得也比較多，健康檢測等等都是其工程應用。機械人中涉及的主要是D_H引數辨識及摩擦力辨識，工程化的方法有但效果還不令人滿意。

對於不同的系統而言，由於系統的特性不同，所以應該是沒有通用的辨識方法的。土木裡涉及的主要是結構，而機械人是機構，對應的數學模型完全不一樣，套用同一套方法是會出問題的。要做工程的話還是要從「我有一套工具能做什麼」變成「我有乙個問題，什麼工具能夠解決我的問題」的思維方式。

具體問題具體分析。

2樓：桂凱

強烈建議題主過下這本書《動態系統辨識——導論與應用》，這裡面給出了一些機械裝置辨識的例項。

0. 系統辨識、狀態估計和控制理論是現代控制理論三個相互滲透的環節，有相似也有不同。

1. 機械領域，大都可以基於牛頓運動定律建立動力學方程，再基於最小二乘思想進行辨識，那本書裡提到的例子都是這種思路。題主提到的那些沒了解過，可能是適用於那些不好建模的情況。

2.確實應用挺多的，對於時間序列應用也較成熟；沒有實踐經驗，實際系統辨識處理中需要不少技巧和經驗。

如何通過系統辨識獲得伺服系統精確模型，在此基礎上設計滿足效能的控制器？

3.機械振動分析，轉子故障分析等領域應用廣泛也成熟。

4.這有點類似模式識別中的無監督聚類，沒看到過這樣的方法。

5.模式識別與系統辨識：機器學習與控制理論在原理上有很大相似之處

機器學習介入控制系統，前途是否樂觀？（限於車輛控制這塊）

之前看到過N個單詞分類演算法，是通過建立乙個有N個平衡點的控制系統來進行分類識別的。

3樓：

我就說一下我廠目前（我所知道）在用的系統辨識技術，針對的都是化工領域應用：

FIR，這個很古老的技術，做線性系統基本夠用。

Subspace，這幾年我們在推薦使用者使用。相比FIR針對MIMO環境略有些優勢。

神經網路，針對非線性模型。

System Identification和Pattern Recognition是兩回事，前者是用資料擬合模型，後者本質上是分類器。