[发明专利]工业时滞响应过程的采样抗扰辨识建模方法

摘要

一种工业时滞响应过程的采样抗扰辨识建模方法，其利用便于工业过程实现的伪随机二进制脉冲序列、方波或梯形波等持续激励信号，激励待辨识系统，首先，根据待辨识系统的动态响应特性估计延迟时间范围、拟合模型结构和阶次；其次设计辨识实验方案，确定辨识实验的开环或闭环运行形式、激励信号的幅值与采样时间、以及采样数据长度等；然后，根据采样数据，应用所提出的基于双遗忘因子辨识算法消除非随机性负载干扰的影响，实现对带有整数型时滞参数的系统传递函数模型参数的无偏估计，从而为工业时滞响应过程提供一种便捷可靠的抗扰辨识建模技术。

主权项

一种工业时滞响应过程的采样抗扰辨识建模方法,其特征在于具体步骤如下：(1)采集辨识数据根据待辨识系统的动态特性，预估延迟时间范围和模型阶次，设计激励信号激励系统，采集输入输出数据；(2)线性模型参数估计根据采集的输入输出数据，采用如下离散时间域模型结构，对带有时滞响应和负载扰动的待辨识过程进行数据拟合，x(k)=B(z-1)A(z-1)z-du(k)y(k)=x(k)+ξ(k)]]>其中，x(k)表示无噪声输出响应；ξ(k)表示扰动响应；z表示采样时间算子，即有z‑1u(k)＝u(k‑1)，首先定义待估计系统模型参数向量和信息向量其中n0＝na+nb；无噪声输出响应可表示为为了消除时变扰动的影响，将扰动响应ξ(k)作为一个时变动态参数进行估计；定义包含未知扰动响应的增广参数向量和增广信息向量，对象模型表示为如下回归模型形式：定义如下预测误差和用于优化的拟合误差累计函数,其中λ∈(0,1]为常数遗忘因子，以提高优化算法对扰动响应的估计性能；对拟合误差累计函数求关于θ(k)的一阶导数，可得到如下用于估计增广未知参数的递推最小二乘法,对于增广信息向量中所含有的未知无噪声输出响应x(k)，通过构造如下辅助模型进行估计：(3)整数型时滞参数估计采用一维搜索方法确定未知整数型时滞，即在每一步递推计算过程中，通过比较不同时滞参数所对应的误差累计函数的大小，由最小误差累计函数值来确定最优时滞参数，即(4)双遗忘因子估计方法针对系统模型参数和时变扰动参数，分别构造以下两个自适应遗忘因子其中λ1min可在[0.95,1]内选取；λ2min可在[0.8,0.95]内选取，二者取较大值提高递推算法对噪声信号的敏感度；但会减慢参数估计的收敛速度，反之亦然；构造自适应遗忘因子矩阵定义自适应遗忘矩阵λ(k)和协方差矩阵P‑1(k‑1)的点乘为协方差矩阵P‑1(k)的更新律为基于最小二乘法和遗忘因子矩阵的递推迭代辨识算法为应用上述递推辨识算法，直至参数估计满足精度条件其中ε可根据实际测量噪声水平取为一个微小值如0.0001等，或者直至采样数据长度为止，即k＝N；对辨识获得的模型采用新的实验数据进行交叉检验，验证模型的有效性；若辨识的模型对新实验数据预测结果不够精确，通过调整模型阶次、遗忘因子最小值、时滞范围或辨识数据长度等参数，重复以上步骤直至达到期望的拟合精度要求。