[发明专利]基于状态空间维纳模型的递推参数估计方法

摘要

本发明公开了一种基于状态空间维纳模型的递推参数估计方法，包括构建出极大似然递推递推最小二乘算法流程、构建出极大似然最小二乘递推估计算法等步骤。本发明方法简便、可靠，可以应用于固体氧化物燃料电池系统的参数辨识。

主权项

一种基于状态空间维纳模型的递推参数估计方法，其特征是：包括下列步骤：(1)构建基于状态空间线性子系统的维纳模型的辨识模型，具体步骤如下：第一步：构建基于状态空间线性子系统的维纳模型结构如下：第二步：根据此系统，构建维纳非线性系统模型表达式如下：x·(t+1)=Ax(t)+bu(t),---(1)]]> y0(t)＝cx(t)，        (2)m(t)=y0(t)+1G(z)v(t),---(3)]]> y(t)＝h(m(t))，        (4)上述公式中各符号的含义：u(t)和y(t)分别是系统的输入和输出，v(t)是一个均值为零、方差为σ2且满足高斯分布的白噪声，是系统的状态变量，和是系统矩阵或向量。第三步：构建维纳非线性模型的中间变量y0(t)、w(t)和m(t)的关系式如下：第四步：令β1＝1，构建维纳模型中的静态非线性环节如下第五步：得到维纳非线性系统的辨识模型为：h1(y(t))＝φT(t)θ+v(t).(2)构建出极大似然递推最小二乘参数辨识算法流程第一步：启动辨识算法；第二步：令t＝1，设置初始值；第三步：获取固体氧化物燃料电池的电流数据作为输入数据，固体氧化物燃料电池的电压数据作为输出数据，并进行数据预处理，构造第四步；计算和第五步：计算L(t)和P(t),构造第六步：更新参数估计量第七步：更新状态估计量和第八步：将t值加1，重复上述过程。其中各变量的定义如下：定义输入量为u(t)，输出量为y(t)；定义v(t)是一个均值为零、方差为σ2且满足高斯分布的白噪声；定义x(t)是系统的状态变量；定义A、b、c是系统矩阵或向量；定义φ(t)为相关的信息向量；定义y0(t)、w(t)和m(t)为中间变量；定义θ作为参数向量；定义φf(t)和为滤波信息向量；定义为t时刻θ的估计值；为t时刻v(t)的估计值；为t时刻x(t)的估计值；分别表示和φ(t)在t时刻的估计值；表示φf(t)、在t时刻的估计值；作为在t时刻多项式G(z)的估计值；(3)根据极大似然递推最小二乘估计算法流程，构建出极大似然递推最小二乘估计算法。