[发明专利]一种基于结构自适应滤波的非线性系统辨识方法

说明书

本发明提出了一种基于结构自适应滤波的非线性系统辨识方法，其步骤如下：获得辨识对象的输入数据和相应的输出数据并作为数据集，将数据集分为训练集和测试集；构建自适应滤波模型：根据生成参数随机的选择一阶子系统和二阶子系统，各个子系统按照连接规则进行随机级联，构成完整的自适应滤波滤波模型；初始化演化算法，选出最优的自适应滤波滤波模型；演化算法进行循环迭代，找到最优的自适应滤波模型的最优的结构和参数；利用训练好自适应滤波模型进行测试，得到辨识对象的实际输出。本发明利用非线性自适应滤波模型学习典型液体饱和蒸汽换热器的非线性过程，可以找到最优估计；误差小，精度高，所用参数较少，具有显著的非线性系统识别能力。

技术领域

本发明涉及系统辨识的技术领域，尤其涉及一种基于结构自适应滤波的非线性系统辨识方法。

背景技术

系统辨识设计广泛应用于化工、机械、电气和土木工程等各个工程领域的过程建模和控制，对社会生产提供了数学依据，并且带来了极大的便利。

一些系统的模型可以用线性参数化的形式表示，并且可以应用自适应控制来实现输出跟踪，对其中未知的系统参数可以在线识别和估计。然而，在实际的社会实践和生产中，很多系统具有高度的非线性特性，该类系统模型较为复杂，对其进行系统建模和控制比较艰难。传统的系统建模和辨识方法难以实现对非线性系统的有效辨识。

发明内容

针对非线性系统辨识中模型复杂、建模较难，且辨识率低的技术问题，本发明提出一种基于结构自适应滤波的非线性系统辨识方法，利用演化算法对非线性结构自适应滤波模型进行训练，以实现非线性结构自适应滤波模型的自适应迭代，从而搜索到全局最优的结构和参数，可以对辨识对象进行有效的拟合。

为了达到上述目的，本发明的技术方案是这样实现的：一种基于结构自适应滤波的非线性系统辨识方法，其步骤如下：

步骤一：确定辨识对象，获得辨识对象的输入数据和相应的输出数据并作为数据集，将数据集分为训练集和测试集；

步骤二：构建自适应滤波模型：根据生成参数随机的选择一阶子系统和二阶子系统，各个一阶子系统或二阶子系统按照连接规则进行随机级联，构成完整的自适应滤波滤波模型；初始化演化算法，并利用演化算法评价初始的自适应滤波滤波模型，选出最优的自适应滤波滤波模型；

步骤三：演化算法进行循环迭代，在训练集上对自适应滤波模型训练，以找到步骤二最优的自适应滤波模型的最优的结构和参数；

步骤四：利用步骤三中训练好的结构和参数最优的自适应滤波模型在测试集上进行测试，得到辨识对象的实际输出。

所述步骤一中的辨识对象是液体饱和蒸汽换热器，液体饱和蒸汽换热器是一个的非线性基准系统且是单输入单输出模型；输入数据是液体流量、蒸汽温度和入口液体温度的数据，输出数据是出口液体温度的数据，数据集来自于DaISy数据库；所述步骤二和步骤三中的演化算法为基于自适应多精英引导的复合差分进化算法。

所述步骤二中自适应滤波模型由多个子系统组成，子系统包括一阶子系统和二阶子系统，一阶子系统由一个延迟器、两个乘法器、两个加法器和一个非线性静态函数组成，二阶子系统由两个延迟器、四个乘法器、三个加法器和一个非线性静态函数；所述一阶子系统和二阶子系统在自适应滤波模型中出现的概率相同。