[发明专利]基于最小角回归的Hammerstein模型稀疏辨识方法

说明书

本发明涉及一种基于最小角回归的Hammerstein模型稀疏辨识方法，包括：建立带有时滞的多输入单输出的Hammerstein模型，将模型建立成稀疏参数辨识模型；收集输入输出数据构造用于辨识的输出向量y和信息矩阵Φ；使用模型选择准则设置选择停止条件，使用最小角回归法选择Φ中的信息向量Φ_k建立有效索引集Λ_k；使用y和Φ_k得到估计参数根据Λ_k重构得到稀疏参数向量根据的稀疏结构估计模型的阶次和时滞，从中分离参数的估计值，根据估计出的阶次和时滞、分离出的参数的估计值辨识模型中的待辨识的系统参数。本发明可以实现对模型的时滞、阶次和系统参数的有效辨识，而且精度高、计算量小。

技术领域

本发明涉及工业过程辨识建模技术领域，尤其是指一种基于最小角回归的Hammerstein模型稀疏辨识方法。

背景技术

Hammerstein模型是一种块结构的非线性模型，由一个静态非线性部分和一个动态线性部分串联组成。Hammerstein模型可以用来描述生物反应器中pH中和反应过程、功率放大器、压电陶瓷定位平台等一大类非线性过程。非线性系统辨识建模的一大难点是模型结构的辨识。现有的Hammerstein模型的辨识研究集中在不同模型结构和不同噪声干扰下的参数辨识方法或非线性拟合方法，对于非线性系统的阶次和时滞等结构方面的辨识研究并不多见。特别是对于给定非线性部分和线性部分模型的Hammerstein模型，没有同时能够辨识阶次、参数和时滞的辨识方法。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中的不足，提供一种基于最小角回归的Hammerstein模型稀疏辨识方法，可以实现对模型的时滞、阶次和系统参数的有效辨识，而且精度高、计算量小。

为解决上述技术问题，本发明提供了一种基于最小角回归的Hammerstein模型稀疏辨识方法，包括以下步骤：

S1：建立带有时滞的多输入单输出的Hammerstein模型；

S2：将所述带有时滞的多输入单输出的Hammerstein模型建立成稀疏参数辨识模型；

S3：收集输入输出数据，构造用于辨识的输出向量y和信息矩阵Φ；

S4：使用最小角回归法选择所述信息矩阵Φ中的信息向量Φ_k，使用模型选择准则设置选择停止的条件，根据选择出的信息向量Φ_k建立有效索引集Λ_k；

S5：使用所述输出向量y和信息向量Φ_k得到估计参数根据所述有效索引集Λ_k重构所述估计参数得到稀疏参数向量

S6：根据所述稀疏参数向量的稀疏结构估计所述带有时滞的多输入单输出的Hammerstein模型的阶次和时滞；

S7：从所述稀疏参数向量中分离参数的估计值，根据估计出的阶次和时滞、分离出的参数的估计值辨识所述带有时滞的多输入单输出的Hammerstein模型中的待辨识的系统参数。

作为优选的，所述带有时滞的多输入单输出的Hammerstein模型，具体为：

其中，y(t)为t时刻模型的输出，r为输入通道个数，u_i(t)为第i个输入通道的t时刻的模型输入，i＝1,…,r；n_a为输出回归项的阶次，a_i为输出自回归项的参数，m_i为第i个输入通道的非线性阶次，n_bi为第i个输入通道的线性阶次，h_i,j是待辨识的非线性系统参数，b_i,g为待辨识的线性系统参数，f_i,j()为非线性函数，d_i为未知时滞，v(t)为零均值白噪声。