[發明專利]一種用于流程工業大規模過程控制的降維辨識方法

有效

• 申請號: 201911079525.8
• 申請日: 2019-11-07
• 公開（公告）號: CN111025898B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 陳晶;曹俊峰;過榴曉
• 申請（專利權）人: 江南大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 無錫盛陽專利商標事務所(普通合伙) 32227
• 代理人: 顧吉云;黃瑩

本發明提供一種用于流程工業大規模過程控制的降維辨識方法，其計算過程通無需人工參與，可以在確保計算精度的基礎上，以很低的計算量實現高階系統的參數辨識。本發明的技術方案中，進行系統參數辨識的過程中，將待辨識的2n維的參數利用Arnoldi方法構建Krylov子空間，實現了由2n維降低到k維，降低了系統的計算量；隨后通過Givens變換方法求解參數尋優步長，確保了本發明的計算方法是收斂的；通過預先設置的閾值以及迭代的方法，提高系統參數的辨識精度。

技術領域

本發明涉及參數辨識技術領域，具體為一種用于流程工業大規模過程控制的降維辨識方法。

背景技術

隨著物聯網技術的高速發展，流程工業控制系統之間相互聯系、相互通信，控制系統規模越來越大，需要用高階的系統來描述其動態過程。現有技術中，使用傳統的辨識算法如梯度迭代方法(Gradient Iterative,GI)和最小二乘方法(Least Squares,LS)針對大規模系統進行參數辨識。但是傳統的辨識算法存在如下問題：

(1)梯度算法在計算每次步長時，需要計算高階矩陣的特征值從而來確定步長的區間，而求解特征值時，高次方程求根屬于數學難題，導致目前對步長的選擇都是依賴于技術人員的經驗，無法確保計算結果的準確性；

(2)最小二乘算法應用在大規模系統的在參數辨識時，需要計算高階矩陣的逆，導致計算量很大，影響辨識效率。

發明內容

為了解決現有技術中使用傳統辨識算法存在過大的計算量導致辨識失敗或者辨識效率過低的問題，本發明提供一種用于流程工業大規模過程控制的降維辨識方法，其計算過程通無需人工參與，可以在確保計算精度的基礎上，以很低的計算量實現高階系統的參數辨識。

本發明的技術方案是這樣的：一種用于流程工業大規模過程控制的降維辨識方法，其包括以下步驟：

S1：根據工業過程系統的輸入輸出關系，構建系統的時間序列模型：

A(z)y(t)＝B(z)u(t)+v(t)

其中：y(t)是系統的輸出，u(t)是系統的輸入，v(t)是系統的噪聲，A(z)、B(z)分別是模型多項式，z是后移算子；

S2：根據系統模型做如下定義：

Y(L)＝[y(1),y(2),...,y(L)]^T∈R^L

Φ(L)＝[φ^T(1),φ^T(2),...,φ^T(L)]^T∈R^L×2n

V(L)＝[v(1),v(2),...,v(L)]^T∈R^L；

可得到系統的方程為：

Y(L)＝Φ(L)θ+V(L)；

其中，y(t)是系統的輸出，Y(L)為輸出向量矩陣，v(t)是系統的噪聲，V(L)為噪聲向量矩陣，為系統的信息向量，Φ(L)為信息向量矩陣，θ為系統參數向量，t為采樣時刻；

其特征在于，其還包括以下步驟：

S3：初始化；

給系統變量賦初始值：

u(t)＝0，y(t)＝0，t≤0，

設置中間變量m，且賦初始值值m＝0，為系統參數的初始值賦值；

S4：通過現有的數據通信與采集技術獲取系統控制參數，共獲取L組

u(1)，…,u(L),y(1),…,y(L)；