影响阈值的主要因素及其分析

影响残差变化的因素也就是影响阈值变化的因素。虽然影响阈值的因素很多，影响的方式也各不相同，但集中起来主要有建模误差、随机干扰、输入指令的幅值和频率、系统当前的状态（系统的输出）、系统参数的漂移等。

（1）建模误差 建模误差在目前的技术手段下仍是无法克服的，这主要是由于目前传感检测精度和所使用的模型辨识方法造成的。基于解析模型的方法主要因为实际系统的复杂性不是解析模型所能表示的，而且将实际系统辨识为解析模型的时候，往往会忽略某些次要因素，或者忽略一些不适合建模的因素，这样就会带来建模误差；基于神经网络的建模方法主要因为现在神经网络学习算法还无法达到全局最优，因此，建模误差也是必然存在的。实际上，即使达到了全局最优，是否就一定能够克服建模误差呢？目前还没有这方面的理论研究。

（2）随机干扰 随机干扰对残差的影响主要体现在三个方面：

1）干扰系统输出（干扰传感器）。传感器采样受到随机干扰的影响后，必然造成采样不准，因此，残差也受到随机干扰的影响，造成残差无法准确反映真实的残差。

2）干扰系统的输入指令。当系统和模型的输入指令受到随机干扰影响时，这些随机干扰也会随输入指令进入系统和模型中。由于辨识的模型和实际系统总是存在一定的误差，这些随机干扰和辨识误差相互作用，有可能将造成残差偏大或者偏小而无法准确反映真实的残差。

3）干扰造成系统元件参数变化。现在的控制系统中使用了大量的电气元件，如放大器、调理电路、感应线圈等。随机干扰也会对这些电气元件造成影响，引起这些元件参数的波动甚至漂移，如A/D模块，如果基准电压受到了随机干扰，那么，此A/D采样的数据会严重失真。这种情况下，也会造成残差不能真实地反映应有的残差。(www.xing528.com)

（3）输入指令的影响 输入指令对输出残差的影响主要有两个方面：①输入指令的幅值对残差的影响；②输入指令的频率对残差的影响。

为了说明这个问题，假设对一个线性系统进行辨识，此时模型和系统的误差也必然构成一个线性系统——残差线性系统。由线性系统理论可知，这个残差线性系统的输出会随着输入指令的增大而增大，随着输入指令的减小而减小，因此，输入指令的幅值不同会直接影响残差的输出。另外，由于模型辨识误差往往集中在高频部分，因此输入指令的频率越高，产生的残差也越大；输入指令的频率较低，产生的残差也较小。

由于非线性系统比线性系统复杂，所以，前面关于输入指令对线性系统残差的影响趋势无法直接用到非线性系统上。但有一点可以肯定，非线性系统残差模型的输出，也必然受到输入指令的幅值和频率的影响。

（4）系统输出 对于液压伺服控制系统，其输出由两个因素来决定，一个是系统的输入指令，另一个是系统的输出。这个从液压伺服控制系统的离散状态方程很容易看出来，即在不同的系统状态下，同样的输入指令产生的响应是不同的。由于系统的输出受到两个因素的影响，必然导致残差也受这两个因素的影响，进而，也受到系统当前状态（输出）的影响。如采用神经网络建模时，系统的当前状态很难获得，往往以系统的输出来代替（观测）系统的当前状态；当控制系统是可观的时候，这种方法是可行的。

（5）系统元部件参数的漂移 由前面的分析可知，即使离线建模没有误差、系统也没有干扰的情况下，由于液压伺服控制系统中的某些元件（如伺服阀、位移传感器等）一般都会发生零漂、温漂等，这样工作中的液压伺服控制系统就和辨识时的控制系统不完全一致了，也就导致系统和模型之间出现了一定的误差，此时，残差也就不再为零。所以，系统元件参数的漂移也是影响阈值的一个因素。