[发明专利]基于改进约束EKF算法的动态振荡信号参数辨识方法

摘要

本发明公开了一种基于改进约束EKF算法的动态振荡信号参数辨识方法。该方法首先依据动态振荡信号的数学模型构建了状态分量包含待辨识参数的状态空间表达式；然后，通过把改进的约束方法和EKF算法相结合，设计出了改进的约束EKF算法，并借助改进的PSO算法和罚函数方法成功的解决了约束EKF框架里的约束优化问题。最后，运用该算法进行多次迭代辨识，实现了考虑参数实际约束条件下的动态振荡信号参数辨识。该算法因考虑了实际工程背景，且简单方便，具有一定的工程应用价值。

主权项

一种基于改进约束EKF算法的动态振荡信号参数辨识方法，其特征在于，包含如下步骤：(1)、获取状态分量中包含动态振荡信号待辨识参数的状态空间表达式；(2)、初始化，包括：设定参数辨识的初值初始参数辨识误差协方差以及过程噪声和量测噪声所满足的协方差矩阵Q和R，整体算法迭代次数最大值S和粒子群寻优最大迭代次数M；(3)、由已经得到的k‑1时刻的状态估计值和状态估计误差协方差，利用扩展卡尔曼滤波的预测步，得到k时刻的状态预测值和状态预测误差协方差；(4)、在上一步基础上，利用扩展卡尔曼滤波的滤波步，得到k时刻的状态估计值；(5)、判定k时刻的参数辨识结果是否满足相应的实际约束条件。若满足，则直接运用EKF再次迭代辨识；(6)、若不满足，则运用改进的约束算法对该时刻参数辨识结果进行约束，把约束的状态估计问题等价转化为约束的优化问题；(7)、在上一步的基础上，借助罚函数方法，通过对原目标函数加上一个惩罚项，把约束优化问题转化为一个无约束优化问题；(8)、在上一步的基础上则可以利用改进的粒子群算法来进行多次迭代寻优；(9)、若迭代次数L＞M，则粒子群寻优迭代结束，此时把对k时刻状态估计值的寻优结果Gbest^L作为k时刻的状态估计值，然后对下一时刻状态进行估计；(10)、若k＝k+1≤S，则迭代继续，若k＝k+1＞S，则迭代结束，输出辨识结果。