[拼音]：lianji bianshi

[外文]：on line identification

在系统动态响应所允许的时间范围内，利用采样数据来建立并不断修正系统模型的一种辨识方法，又称在线辨识。联机辨识要求在采样的过程中同时完成辨识的各个步骤，因而有两个明显的特点：

（1）辨识所用的数据随时间而不断增加，即每次采样得到新数据都用于辨识；

（2）辨识的全部运算必须在两次采样之间完成，这对算法的速度有特殊的要求。联机辨识算法的进展与计算机技术的发展密切相关。

联机辨识主要用于各种适应性系统（如适应控制系统、适应预报器等）。这类系统的动态特性是未知的或具有慢的时变性，所以应用联机辨识算法就可以随着采样数据的不断增加而得到更精确的动态或者跟踪系统动态的变化，从而使系统具有更好的品质。联机辨识算法必须简便和计算量小。同时由于数据的不断增加，算法所需保留的数据要尽量减少，以降低对计算机存储的要求。从这些要求出发，已经提出了适合于联机辨识使用的各种递推估计算法。这类算法的每一步都利用上一步的参数估计值，根据每次的输入、输出数据的采样值以及保留的少量历史数据，通过较简单的计算（一般避免求逆矩阵或迭代等复杂的运算）即可得到新的参数估计值。

对于联机辨识，如何使用历史数据是一个十分重要的问题。如果被辨识过程是未知定常系统，则数据增多能提高估计的精度。但是对于慢时变系统，则不宜随意使用历史数据，因为数据增多反而可能影响参数估计值的真实可靠性。为了解决这一问题，提出了使用数据的各种记忆方式（或称数据窗口）。最常用的有渐消记忆（带遗忘因子或指数窗）和固定记忆（固定窗）。在渐消记忆中老的数据按指数速度消失；在固定记忆中每次只用最新的N 个数据。依问题的不同，还可有各种不同的窗口。对于过程特性有快变化或突然跳跃的情况，通常的递推估计算法便不适用，需要采用特殊的方法。

联机算法的发展还将促进计算机在系统分析和控制中的应用。

参考书目

1. 夏天长著，熊光楞、李芳芸译：《系统辨识》，清华大学出版社,北京,1983。(T.C.Hsia, Identification: Least-Squares Methods, Lexington books, Lexington, Mass.,1977.)