[发明专利]基于相依性度量的动态系统迟延计算方法

说明书

本发明涉及一种基于相依性度量的动态系统迟延计算方法，属于系统辨识技术领域。本发明的技术方案为：（1）均匀采样动态系统的输入输出信号并归一化采样值；（2）计算系统输入输出的边缘分布；（3）计算系统输入输出之间的连接函数；（4）计算迟延的相依性度量；（5）通过最大化迟延的相依性度量得到动态系统的迟延估计值。本发明的迟延计算方法可以用于工业系统建模、工业系统过程控制以及过程仿真等领域。

技术领域

本发明涉及一种系统辨识技术，更具体地说，涉及一种基于相依性度量的动态系统迟延计算方法。

背景技术

在工业控制领域，利用现场数据建立系统主要设备或过程的动态数学模型已成为目前系统辨识的研究热点。由于工业生产流程及测量手段等多方面的原因，现场数据不可避免地存在迟延。数据中的迟延如果不能精确计算并剔除，系统的辨识精度也得不到保障。为了解决具有时间迟延的对象的控制问题，首先必须估计出时间迟延的大小。因此，时间延迟估计受到人们越来越多的重视，并成为在系统辨识领域最重要的课题之一，此类问题的研究具有重要的理论和实际意义。

近年来有很多专家学者根据时间迟延对象自身的特点提出了许多时间迟延估计方法，如基于常规相关性的方法，基于最小二乘法的方法，基于内插的方法，基于神经网络的方法，基于线性矩阵不等式的方法，基于非交换环理论的方法等等。这些迟延估计方法可以被分类为两个更宏观的类别，即基于模型的方法和基于输入输出数据的方法。

基于模型的方法在时间迟延估计过程中把系统的结构作为先验知识，将系统看作是灰箱或白箱，因此系统的迟延可以作为已知系统模型的一个参数来进行辨识。如对线性系统进行迟延估计时，系统迟延可以作为传递函数中的一个参数，根据系统的输入输出信号，便可以通过如最小二乘等回归方法估计出系统的迟延参数。对于非线性系统，在已知系统结果的情况下，可以利用学习器(如神经网络)或群体智能算法（如粒子群方法）学习得到系统的迟延参数。基于模型的方法简单易行，但由于该方法要求事先知道系统结构的信息，限制了其应用范围。现实中的工业系统往往比较复杂，因此获得系统结构变成一个很困难的任务，基于模型的方法不适用于估计这类系统的时间迟延。

基于输入输出数据的迟延估计方法把系统看作黑箱，仅仅依靠系统的输入与输出信号估计系统的迟延。由于这类方法不需要系统结构作为先验知识，估计系统迟延的难度较大，但其应用范围更广，应用的对象系统也更复杂。这类方法中有代表性的是基于小波变换的方法，该方法基于离散小波变换计算系统的输入和输出小波系数，通过小波系数之间的相关性进行时间延迟估计。

发明内容

鉴于以上情形，为了解决上述迟延估计方法技术存在的过分依赖系统结构，不能应用于复杂系统的问题，同时解决迟延估计结果精度不高的问题，本发明提出一种基于相依性度量的动态系统迟延计算方法，包括如下步骤。

均匀采样动态系统的输入输出信号，归一化采样值；

计算系统输入输出的边缘分布；

根据前述计算的输入输出的边缘分布，计算系统输入输出之间的连接函数；

利用前述计算的连接函数，计算迟延的相依性度量；

通过最大化前述相依性度量最终得到动态系统的迟延估计值。

在根据本发明的基于相依性度量的动态系统迟延计算方法中，优选地，所述计算系统输入输出的边缘分布时，将系统的输入输出作为随机变量，将输入输出的采样值作为随机变量的观察值。

在根据本发明的基于相依性度量的动态系统迟延计算方法中，优选地，所述相依性度量定义为：

其中为随机向量，为归一化因子，， 为随机向量之间的连接函数， 。

在根据本发明的基于相依性度量的动态系统迟延计算方法中，优选地，所述计算迟延的相依性度量中迟延为相对迟延，取第一个随机变量的迟延。