[發(fā)明專利]一種具有輸出時(shí)滯的非線性雙率電路系統(tǒng)魯棒辨識(shí)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010751921.7
• 申請(qǐng)日: 2020-07-30
• 公開（公告）號(hào): CN111737883B
• 公開（公告）日: 2021-08-13
• 發(fā)明（設(shè)計(jì)）人: 楊憲強(qiáng);劉新鵬;高會(huì)軍
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06F119/20;G06F30/33
• 代理公司: 哈爾濱華夏松花江知識(shí)產(chǎn)權(quán)代理有限公司 23213
• 代理人: 岳昕

一種具有輸出時(shí)滯的非線性雙率電路系統(tǒng)魯棒辨識(shí)方法，涉及電路系統(tǒng)建模及系統(tǒng)辨識(shí)領(lǐng)域。本發(fā)明是為了解決現(xiàn)有技術(shù)中當(dāng)輸出信號(hào)數(shù)據(jù)中存在時(shí)變時(shí)滯和異常值干擾時(shí)，非線性雙率電路系統(tǒng)的魯棒辨識(shí)問(wèn)題，包括以下步驟：步驟一：基于快采樣輸入電壓信號(hào)、參考調(diào)度電壓信號(hào)、慢采樣輸出值，以及過(guò)程噪聲和觀測(cè)噪聲建立非線性電路系統(tǒng)的輸入輸出模型，明確待辨識(shí)問(wèn)題；步驟二：在概率框架下，建立非線性電路系統(tǒng)的魯棒辨識(shí)模型；步驟三：基于變分貝葉斯框架，推導(dǎo)得到模型參數(shù)和隱變量的迭代估計(jì)公式；步驟四：通過(guò)迭代更新步驟三中修正的魯棒卡爾曼濾波算法和變分分布公式，得到辨識(shí)結(jié)果。本發(fā)明適用于電路系統(tǒng)的魯棒辨識(shí)。

技術(shù)領(lǐng)域

本發(fā)明涉及電路系統(tǒng)建模及系統(tǒng)辨識(shí)領(lǐng)域，具體為一種具有輸出時(shí)滯的非線性雙率電路系統(tǒng)魯棒辨識(shí)方法。

背景技術(shù)

現(xiàn)代工業(yè)過(guò)程中應(yīng)用的電路系統(tǒng)往往呈現(xiàn)出復(fù)雜的非線性/時(shí)變特性。線性變參數(shù)系統(tǒng)由于能夠有效地描述工業(yè)過(guò)程的非線性行為，且具有簡(jiǎn)單的線性模型結(jié)構(gòu)，因此已廣泛應(yīng)用于復(fù)雜工業(yè)過(guò)程的建模領(lǐng)域，應(yīng)用在電路系統(tǒng)上可以避免非線性工業(yè)過(guò)程雙率采樣以及輸出數(shù)據(jù)中存在異常值、時(shí)滯等因素對(duì)辨識(shí)算法的影響，提高辨識(shí)算法的魯棒性能。

由于實(shí)際工業(yè)過(guò)程中電路系統(tǒng)的復(fù)雜性，辨識(shí)數(shù)據(jù)往往是通過(guò)雙率采樣得到的，且收集的辨識(shí)輸出數(shù)據(jù)中常存在時(shí)變時(shí)滯和異常值的干擾。若在辨識(shí)算法中未充分考慮這些情況，則易導(dǎo)致電路系統(tǒng)辨識(shí)精度的降低，增加電路系統(tǒng)的危險(xiǎn)系數(shù)。

發(fā)明內(nèi)容

本發(fā)明目的是為了解決現(xiàn)有技術(shù)中當(dāng)輸出數(shù)據(jù)中存在時(shí)變時(shí)滯和異常值干擾時(shí)，非線性雙率電路系統(tǒng)的魯棒辨識(shí)率低的問(wèn)題。

一種具有隨機(jī)輸出時(shí)滯的非線性雙率電路系統(tǒng)魯棒辨識(shí)方法的具體過(guò)程為：

步驟一、將任意波形發(fā)生器的兩個(gè)輸出電壓端口分別連接至電路系統(tǒng)的兩個(gè)電壓輸入端口上；電路系統(tǒng)的輸入電壓端口和輸出電壓端口分別經(jīng)過(guò)緩沖寄存器，連接至數(shù)據(jù)采集卡的電壓測(cè)量端口；利用任意波形發(fā)生器生成任意波形的快采樣輸入電壓信號(hào)和參考調(diào)度電壓信號(hào)，輸入待測(cè)電路系統(tǒng)；并利用數(shù)據(jù)采集卡采集待測(cè)電路系統(tǒng)的快采樣輸入信號(hào)、調(diào)度信號(hào)和產(chǎn)生的慢采樣輸出信號(hào)，即慢采樣輸出值；

其中快采樣輸入值，調(diào)度信號(hào)值，慢采樣輸出值構(gòu)成辨識(shí)數(shù)據(jù)集；

所述數(shù)據(jù)采集卡采集辨識(shí)數(shù)據(jù)集時(shí)會(huì)產(chǎn)生一定的噪聲，產(chǎn)生的噪聲分為電路系統(tǒng)的過(guò)程噪聲和觀測(cè)噪聲，進(jìn)而可以確定電路系統(tǒng)待辨識(shí)問(wèn)題；

基于快采樣輸入電壓信號(hào)、參考調(diào)度電壓信號(hào)、慢采樣輸出值，以及過(guò)程噪聲和觀測(cè)噪聲建立非線性電路系統(tǒng)的輸入輸出模型，明確待辨識(shí)問(wèn)題；

步驟二、在概率框架下，建立非線性雙率電路系統(tǒng)的魯棒辨識(shí)模型；

步驟三、基于變分貝葉斯框架，推導(dǎo)得到模型參數(shù)和隱變量的迭代估計(jì)公式；

步驟四、通過(guò)迭代更新步驟三中修正的魯棒卡爾曼濾波算法和變分分布公式，得到辨識(shí)結(jié)果。

本發(fā)明的有益效果為：

本發(fā)明通過(guò)線性變參數(shù)雙率模型結(jié)構(gòu)對(duì)電路系統(tǒng)工作過(guò)程非線性進(jìn)行描述，并在概率框架下對(duì)該電路系統(tǒng)辨識(shí)問(wèn)題進(jìn)行魯棒建模，然后通過(guò)修正的魯棒卡爾曼濾波算法估計(jì)快采樣過(guò)程輸出中存在的丟失值，并基于變分貝葉斯算法進(jìn)行模型參數(shù)和隱變量的迭代更新，最終聯(lián)合估計(jì)得到系統(tǒng)的模型參數(shù)、無(wú)噪聲過(guò)程輸出值和系統(tǒng)輸出中存在的時(shí)變時(shí)滯，同時(shí)能夠?qū)δＰ蛥?shù)的不確定性進(jìn)行度量，進(jìn)而有效保證辨識(shí)結(jié)果的精度和可靠性。對(duì)非線性電路系統(tǒng)的建模與辨識(shí)方法以及在工業(yè)中的實(shí)際應(yīng)用具有重要價(jià)值。

附圖說(shuō)明

圖1為異常值比例10％時(shí)的模型參數(shù)估計(jì)結(jié)果；

圖2為異常值比例10％時(shí)的輸出時(shí)滯估計(jì)結(jié)果；

圖3為異常值比例10％時(shí)的交叉驗(yàn)證輸出值估計(jì)結(jié)果；