[發明專利]非高斯系統動態數據校正與系統控制性能優化方法

有效

• 申請號: 201811199510.0
• 申請日: 2018-10-15
• 公開（公告）號: CN109240085B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 任密蜂;張雯;陳榮輝;張旭霞;梁艷
• 申請（專利權）人: 太原理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 太原科衛專利事務所(普通合伙) 14100
• 代理人: 朱源

本發明涉及系統控制性能優化方法，具體為非高斯系統動態數據校正與系統控制性能優化方法，解決風力發電過程在遭受非高斯過程噪聲和非高斯測量噪聲影響的情況下，數據測量修正后不夠接近真實值，控制策略優化效果不明顯的問題，步驟：一、非高斯擾動下系統模型描述；二、利用EM算法進行該問題描述中迭代公式的推導；三、利用迭代公式求解校正后輸出y_r；四、基于統計信息的性能指標選取，得到最優控制律。優點：1、考慮非高斯隨機噪聲對系統的影響；2、考慮過程的動態特性，更好地表達了實際過程；3、有較高的計算效率，滿足了實際工業過程的要求；4、采用熵統計信息充分刻畫非高斯隨機量的隨機特性，建立跟蹤控制指標。

技術領域

本發明涉及系統控制性能優化方法，具體為非高斯系統動態數據校正與系統控制性能優化方法。

背景技術

在實際系統中，隨機干擾廣泛存在，尤其在工業過程當中，例如風電系統中風速變化的隨機因素，傳感器測量數據的測量誤差的隨機因素。

目前對于控制系統測量噪聲的校正，都是基于其為高斯性的假設，通過控制矯正后數據的均值、方差，來進行優化。而實際工業過程測量誤差往往是非高斯的，如果用傳統的高斯假設下的方法進行校正，優化控制效果并不明顯。

一個控制策略得以取得好的控制效果，很重要的的前提是控制過程中獲得準確的測量數據，對于含有測量噪聲的系統，即使構建已有的最優的性能指標，控制效果也是不值得信賴的。在工業過程中，測量數據不可避免含有誤差(包括隨機誤差和粗大誤差)，而且測量噪聲往往是非高斯的。粗大誤差可能相當大，對于需要精確估計狀態和測量的系統，這兩種誤差對過程控制都有不利的影響。因此，為了保證系統保持較好的控制效果，應該提供較準確的測量數據，即應對原始測量數據進行數據校正，使其盡可能接近真實數據。目前對于控制系統測量噪聲的校正，都是基于其為高斯性的假設，通過控制矯正后數據的均值、方差，來進行優化。此種優化策略存在以下缺陷：1、用于隨機控制系統的控制理論沒有明確地考慮實際傳感器設備中存在的測量噪聲，即使考慮到，也是在基于其為高斯分布的假設做討論；2、在傳統的數據校正方法中，沒有考慮過程的動態特性，因此不能保證設定值的可達性；3、在非高斯隨機控制方面，在已有的科研成果中，設定值通常取做常值或預先設定的參考軌跡，但事實上，設定值/參考軌跡需要根據實際情況進行設定，例如風速的隨機性，是隨時改變的一條運動軌跡，因而這一處理方案有待進一步考慮的。

由于現有技術存在上述缺陷和難以解決的問題，因此，設計一種非高斯系統動態數據校正與系統控制性能優化方法是十分有必要的。

發明內容

本發明解決的技術問題是：針對風力發電過程在遭受非高斯過程噪聲(隨機風速)和非高斯測量噪聲影響的情況下，數據測量修正后不夠接近真實值，控制策略優化效果不明顯的問題，提供一種非高斯系統動態數據校正與系統控制性能優化方法。

本發明是通過以下操作步驟實現的：非高斯系統動態數據校正與系統控制性能優化方法，包括以下操作步驟：

步驟一、非高斯擾動下系統模型描述：

在一個單變量系統中，t時刻的輸出能夠被分解成兩部分：可預測的部分和不可預測的部分(δ(t))：

其中，ω(t)為過程噪聲，設定δ(t)和測量噪聲ε(t)為高斯混合模型，概率密度函數如下所示：

式中，g[·]是高斯分布密度，c_k和f_n為均值，和為方差；

測量輸出y_m與真實輸出y的關系式為：

y_m(t)＝y(t)+ε(t)，