[發明專利]基于參數分離的Wiener非線性系統辨識方法

有效

• 申請號: 202010198548.7
• 申請日: 2020-03-20
• 公開（公告）號: CN111399477B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 楊曉冬
• 申請（專利權）人: 北華航天工業學院
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

本發明公開了一種基于參數分離的Wiener非線性系統辨識方法，包括以下步驟：A、將待識別的火電廠控制系統轉化為Wiener非線性系統，將待識別的火電廠控制系統的輸入量進行合并；B、對Wiener非線性系統進行分析，包括系統線性動態部分結構、系統非線性靜態部分結構、動態干擾類型、測量噪聲；確定n_a、n_b和n_c，設定初始值，重復收集輸入數據u(k)和y(k)，直至k≥n_a+n，k≥n_b+n；C、將Wiener非線性系統時不變參數和時變參數分離；D、對Wiener非線性系統進行辨識；E、當辨識得到的模型不滿足要求時，返回步驟A，重新調整模型結構和初始值，重新辨識，直到得到滿足要求的系統模型。本發明能夠改進現有技術的不足，提高了對于Wiener非線性系統辨識的精度和收斂速度。

技術領域

本發明涉及工業控制技術領域，尤其是一種基于參數分離的Wiener非線性系統辨識方法。

背景技術

系統辨識技術是控制領域的一大分支，其目的是利用系統的輸入輸出數據，辨識出系統參數模型，為系統優化、系統控制等奠定基礎。系統模型一般分為線性模型和非線性模型，其中非線性模型是廣泛存在，針對非線性模型的辨識問題得到廣大工程技術人員和學者的關注。Wiener非線性系統是最為典型的非線性系統，其結構是線性動態部分和非線性靜態部分進行串聯組成的。因此，Wiener非線性系統屬于動態系統范疇。Wiener非線性系統能夠描述大部分工業系統，在實際工業系統中還存在各種噪聲的干擾。在工業系統中，由于各種原因存在著動態干擾噪聲，動態干擾噪聲對于系統辨識算法的的效果有很大影響，嚴重的會導致無法辨識出系統模型。因此，系統辨識過程中，需要將系統參數和動態干擾同時辨識出來。

近些年來，系統辨識技術得到了快速發展，常用的辨識方法有極大似然、梯度下降、最小二乘、人工智能方法等，但是針對動態擾動條件下的非線性系統辨識的研究在國內外文獻和專利中很少提及。學者F.Ding,X.Liu,M.Liu等在文獻“The recursive leastsquares identification algorithm for a class of Wiener nonlinear systems”，(簡譯：針對一類維納非線性系統的遞推最小二乘辨識算法，發表在國際期刊Journal of theFranklin Institute.353(7)(2016)1518-1526)中構造了多項式形式的Wiener非線性系統模型，構造輔助模型對中間未知變量進行估計，將系統模型推導成系統輸出等于無噪聲輸出與測量噪聲之和的形式，最后利用遞推最小二乘算法對系統參數進行辨識。但是該方法不適用于存在動態擾動的情況，動態擾動會疊加到系統輸出上，降低系統辨識方法的辨識精度，甚至于無法辨識出真實參數，降低了該方法的適用性。學者D.Wang,F.Ding等在文獻“Least squares based and gradient based iterative identification for Wienernonlinear systems”，(簡譯：最小二乘和梯度迭代算法在維納非線性系統辨識中的應用，發表在國際期刊Signal Processing.91(5)(2011)1182-1189)中針對Wiener非線性系統提出了兩種方法：最下二乘迭代方法和梯度迭代方法，能夠同時利用所有輸入輸出數據，該方法在只有測量噪聲的條件下，具有良好的辨識效果，但是在存在動態干擾的條件下，其辨識的精度將有所下降。再有該方法屬于離線方法，每次迭代利用全部輸入輸出數據，計算量大，無法在線應用。

發明內容

本發明要解決的技術問題是提供一種基于參數分離的Wiener非線性系統辨識方法，能夠解決現有技術的不足，提高了對于Wiener非線性系統辨識的精度和收斂速度。

為解決上述技術問題，本發明所采取的技術方案如下。

一種基于參數分離的Wiener非線性系統辨識方法，包括以下步驟：

A、將待識別的火電廠控制系統轉化為Wiener非線性系統，將待識別的火電廠控制系統的輸入量進行合并；