[發明專利]一種多變量過程模型辨識準確性評價方法

有效

• 申請號: 201610369491.6
• 申請日: 2016-05-30
• 公開（公告）號: CN107451303B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 歸一數;徐春梅;王松;楊平;陳歡樂;于會群;程際云;康英偉;王念龍;李芹;邱寅琪;余潔
• 申請（專利權）人: 上海明華電力科技有限公司;上海電力學院
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 應小波

1.一種多變量過程模型辨識準確性評價方法，其特征在于，包括：

辨識模型總體準確性的評價子方法，通過計算相對最大誤差百分數J1和相對均方差百分數J2兩個指標來量化辨識模型總體準確程度；

辨識模型特征參數準確性的評價子方法，通過計算辨識模型與期望模型的增益比P1、辨識模型與期望模型的慣性時間比P2、辨識模型與期望模型的遲延時間比P3和辨識模型與期望模型的增益積P4來量化辨識模型參數的準確程度；

所述的相對最大誤差百分數J1是用來衡量辨識模型的最大瞬態誤差的大小，該數值越小，說明辨識模型的最大動態誤差越小；

所述的相對均方差百分數J2是用來表征實際過程與辨識模型的總體貼合度，該數值越小，說明兩者貼合得越緊密，辨識模型的準確性越高；

所述的辨識模型與期望模型的增益比P1、辨識模型與期望模型的慣性時間比P2、辨識模型與期望模型的遲延時間比P3的數值均是越接近于1越說明模型辨識特征參數準確性越高；所述的辨識模型與期望模型的增益積P4的數值是大于零為好，所述的辨識模型與期望模型的增益積P4的數值小于零，則說明辨識模型增益與期望模型增益的符號相反，存在著方向性偏差；

所述的相對最大誤差百分數J1和相對均方差百分數J2具體計算如下：

相對最大誤差百分數：

相對均方差百分數；

式(1)和式(2)中，y_j(k)是被辨識的多變量過程的第j個輸出變量的辨識響應的第k次檢測值，ym_j(k)是被辨識過程的數學模型在同輸入下的第j個輸出變量的辨識響應的第k次檢測值，其中k＝1、2…N，其中N為檢測次數；

所述的辨識模型與期望模型的增益比P1、辨識模型與期望模型的慣性時間比P2、辨識模型與期望模型的遲延時間比P3和辨識模型與期望模型的增益積P4具體計算過程如下：

辨識模型與期望模型的增益比：

辨識模型與期望模型的慣性時間比：

辨識模型與期望模型的遲延時間比：

辨識模型與期望模型的增益積：P4＝Km_ijKq_ij (6)

式(3)至式(6)中，Km_ij、Tm_ij、τm_ij分別為被辨識過程的第i個輸入對第j個輸出的辨識模型或傳遞函數的增益、慣性時間、遲延時間；Kq_ij、Tq_ij、τq_ij分別為被辨識過程的第i個輸入對第j個輸出的期望模型或傳遞函數的增益、慣性時間、遲延時間；

期望模型被定義為被辨識過程的最準確的數學模型，在仿真試驗研究中，期望模型就是預設的數學模型，而在實際過程辨識時，期望模型將來自機理建模，具有相對的最高的準確性。