[发明专利]一种基于加权多新息随机梯度的球杆模型参数辨识方法

权利要求书

1.一种基于加权多新息随机梯度的球杆模型参数辨识方法，其特征在于，所述方法包括：

构建一球杆模型，调节所述杆的倾斜角得到不同所述倾斜角下球在杆上的位置，以所述倾斜角作为所述球杆模型的输入、球在杆上的所述位置作为球杆模型的输出，并记录；

基于球杆模型的所述输入和所述输出构建与所述球杆模型对应的输出误差模型；

构建一辅助模型利用所述辅助模型的输出替代所述输出误差模型的过程无噪输出，构造信息向量、堆积信息矩阵和堆积输出向量，并基于所述信息向量、堆积信息矩阵和堆积输出向量计算所述球杆模型的新息向量；

基于粒子滤波算法中粒子权值计算的思想，计算所述新息向量中每个新息的重要性；

根据每个所述新息对应的重要性，计算出每一所述新息相应的权重，并构造权重向量；

采用多新息随机梯度算法合理分配每个所述新息，并对每个新息做加权处理得到每个所述新息对应的权重，并基于加权后的所述新息包含的信息辨识球杆模型的参数；

其中，所述构建一辅助模型，利用所述辅助模型的输出替代所述输出误差模型的过程无噪输出包括：

假设所述球杆模型的单输入输出数据为{u(t),y(t)}，构建信息向量：

基于所述信息向量得到辅助模型信息向量：

并得到所述辅助模型的输出为：其中，x表示所述输出误差模型的过程无噪输出，(n_a,n_b)表示所述输出误差模型的阶数，p表示每个所述新息的长度；

所述构造信息向量、堆积信息矩阵和堆积输出向量，并基于所述信息向量、堆积信息矩阵和堆积输出向量计算所述球杆模型的新息向量包括：

通过公式获取所述堆积信息矩阵；

通过公式Y(p,t)＝[y(t),y(t-1),…,y(t-p+1)]^T获取所述堆积输出向量；

通过公式获取所述新息向量。

2.如权利要求1所述的基于加权多新息随机梯度的球杆模型参数辨识方法，其特征在于，所述基于粒子滤波算法中粒子权值计算思想，计算新息重要性包括：

构建基本高斯函数：

基于所述基本高斯函数获得每个新息的重要性为：其中，σ表示模型的测量噪声。

3.如权利要求1所述的基于加权多新息随机梯度的球杆模型参数辨识方法，其特征在于，所述根据每个所述新息对应的重要性，计算出每一所述信息相应的权重，并构造权重向量Ω(p,t)包括：

根据公式采用归一化处理得到每个所述新息的所述重要性

根据公式计算每一所述信息对应的所述重要性

根据公式构造所述权重向量Ω(p,t)。

4.如权利要求1～3任一项所述的基于加权多新息随机梯度的球杆模型参数辨识方法，其特征在于，所述球杆模型的调节通过IPM100智能伺服运动控制器控制伺服电机来调节杆的倾斜角。