[发明专利]一种用于流程工业大规模过程控制的降维辨识方法

权利要求书

1.一种用于流程工业大规模过程控制的降维辨识方法，其包括以下步骤：

S1：根据工业过程系统的输入输出关系，构建系统的时间序列模型：

A(z)y(t)＝B(z)u(t)+v(t)

其中：y(t)是系统的输出，u(t)是系统的输入，v(t)是系统的噪声，A(z)、B(z)分别是模型多项式，z是后移算子；

S2：根据系统模型做如下定义：

Y(L)＝[y(1),y(2),...,y(L)]^T∈R^L

Φ(L)＝[φ^T(1),φ^T(2),...,φ^T(L)]^T∈R^L×2n

V(L)＝[v(1),v(2),...,v(L)]^T∈R^L；

可得到系统的方程为：

Y(L)＝Φ(L)θ+V(L)；

其中，y(t)是系统的输出，Y(L)为输出向量矩阵，v(t)是系统的噪声，V(L)为噪声向量矩阵，为系统的信息向量，Φ(L)为信息向量矩阵，θ为系统参数向量，t为采样时刻；

其特征在于，其还包括以下步骤：

S3：初始化；

给系统变量赋初始值：

u(t)＝0，y(t)＝0，t≤0，

设置中间变量m，且赋初始值值m＝0，为系统参数的初始值赋值；

S4：通过现有的数据通信与采集技术获取系统控制参数，共获取L组

u(1)，…,u(L),y(1),…,y(L)；

S5：根据步骤S4中获取的系统参数，构建所述信息向量的向量矩阵：

Φ(L)＝[φ^T(1),φ^T(2),...,φ^T(L)]^T

S6：计算所述系统参数的寻优方向

其中，为系统参数；

S7：利用Arnoldi计算矩阵生成Krylov子空间V_m(k)，构建与垂直的方向：

V_m(k)＝[v_m(1),…,v_m(k)]

其中：k为正整数，满足1≤k＜2n；

S8：基于Φ(L)、Y(L)、通过Givens变换计算参数的寻优步长

S9：基于所述系统参数向量θ的关系式，求出系统向量

S10：比较和

预先设置阈值δ，δ为正常数；

如果则即为此次参数辨识的得到的最优解，此次参数辨识结束；

否则，m+1后赋值给m；

S11：重复步骤S6～S11。

2.根据权利要求1所述一种用于流程工业大规模过程控制的降维辨识方法，其特征在于：步骤S6中，计算得到后，执行步骤S7之前，还需要进行归一化操作：

3.根据权利要求1所述一种用于流程工业大规模过程控制的降维辨识方法，其特征在于：步骤S7中，利用Arnoldi计算矩阵的公式如下：

式中，i＝2,...,k，j＝1,...,i-1。

4.根据权利要求3所述一种用于流程工业大规模过程控制的降维辨识方法，其特征在于：计算公式中，N为转换矩阵：

N＝Φ^T(L)Φ(L)。

5.根据权利要求4所述一种用于流程工业大规模过程控制的降维辨识方法，其特征在于：步骤S7中，利用Arnoldi计算矩阵之后，还需要进行归一化操作：