[发明专利]一种工业过程一阶惯性迟延模型自适应辨识方法

摘要

本发明公开了一种工业过程一阶惯性迟延模型自适应方法，该方法利用粒子群自适应寻优的特点，通过建立传递模型和动态粒子群库，将粒子群寻优算法变为在线自适应寻优，并通过四阶容格‑库塔微分解算，求解在线辨识误差，能够实现在安全稳定的范围内，实现过程参数的自适应辨识，提高了过程参数辨识的精度和适应性，与传统的整定方法相比，该方法不仅能实现在线动态寻优，而且有限地降低了寻优过程的计算量。

主权项

一种工业过程一阶惯性迟延模型自适应辨识方法，其特征在于，包括以下步骤：1)预设工业过程模型传递函数的增益范围、一阶惯性时间范围和迟延时间范围，并输入工业过程辨识数据；2)通过步骤1)预设的增益范围、一阶惯性时间范围和迟延时间范围，利用伪随机数，获得粒子群中的每个粒子所携带的初始增益Ki、初始惯性时间T1i和初始迟延时间τi；3)将步骤1)所输入的工业过程辨识数据去基准化，得到处理后的工业过程阶跃输入数据和系统响应数据；4)利用步骤2)得到的每个粒子所携带的初始增益Ki、初始惯性时间T1i和初始迟延时间τi和步骤3)得到的阶跃输入数据，并通过四阶龙格‑库塔法得到理论系统响应数据；5)利用步骤3)得到的系统响应数据和步骤4)得到的理论系统响应数据，求取累积误差；6)利用粒子群算法，每个粒子均随机携带增益、一阶惯性时间和迟延时间，且均在步骤1)限定的范围内；7)利用步骤6)所获得的增益、一阶惯性时间和迟延时间重复步骤4)至6)，并记取每一次的累积误差和相对应的增益，惯性时间和迟延时间；8)判断步骤7)中的累积误差是否小于预设的误差阈值，若大于误差阈值，则重复步骤4)至7)，继续寻优；若小于或等于误差阈值，则终止寻优，并记取最小累积误差和相对应的增益、一阶惯性时间、迟延时间。