[發明專利]機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法

在審

• 申請號: 202011608647.4
• 申請日: 2020-12-30
• 公開（公告）號: CN112668120A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 徐玲;丁鋒
• 申請（專利權）人: 無錫商業職業技術學院
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/20;G06F111/10
• 代理公司: 無錫松禾知識產權代理事務所(普通合伙) 32316
• 代理人: 朱亮淞

1.機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法，其特征在于包括如下步驟：

步驟一：建立模塊化非線性三明治模型并初始化，設置遞推步長初值r(t₀)和參數初值，設置模型精度γ，設置動態批量數據長度p；

步驟二：在線收集動態觀測數據{u(t)，y(t)}，構造堆棧的動態批量數據輸出向量；

步驟三：計算輸入觀測信息向量φ_u(t)，計算線性模塊B₁(z)的輸出基于計算并構成非線性模塊N(z)輸出信息向量

步驟四：構造輔助模型x_a(t)，基于輔助模型，建立輔助模型輸出信息向量

步驟五：構成系統模型信息向量和批量堆積信息矩陣

步驟六：計算多新息及遞推步長r(t)；

步驟七：更新參數估計，計算輔助模型輸出，判斷模型精度是否滿足要求，如不滿足精度要求，增加t，跳到步驟二，否則得到模型參數，結束遞推過程。

2.根據權利要求1所述的機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法，其特征在于：在步驟一中，模塊化非線性三明治模型的結構包括線性模塊B₁(z)和B₂(z)，以及非線性模塊N(z)；

其中u(t)輸入線性模塊B₁(z)并輸出輸入非線性模塊N(z)并輸出x(t)，x(t)輸入線性模塊B₂(z)并與干擾噪音v(t)疊加后輸出y(t)。

3.根據權利要求2所述的機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法，其特征在于：線性模塊B₁(z)和B₂(z)分別為機械傳動機構前端的驅動裝置和后端的運動機構，線性模塊B₁(z)和B₂(z)分別采用多項式形式，其表達形式為：

非線性模塊N(z)為能表征傳動機構非線性特性的任意的非線性形式，非線性環節的數學描述為：

其中f(.)為基函數的線性組合，用來描述傳動機構的非線性特性；

因此三明治非線性模型的辨識模型可以表示為：

y(t)＝B₂(z)x(t)+v(t)，

w(t)＝B₁(z)u(t)。

4.根據權利要求3所述的機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法，其特征在于：在步驟二中，基于實時觀測數據{u(t_i)、y(t_i)}，分析出非線性三明治模型的各種變量關系為：

y(t)＝β₀x(t)+β₁x(t-1)+β₂x(t-2)+…+β_nβx(t-n_β)+v(t)，

5.根據權利要求4所述的機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法，其特征在于：在步驟三中，構造信息向量φ_x(t)，φ_u(t)和φ_f(t)，組合并重構辨識模型得：

6.根據權利要求5所述的機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法，其特征在于：在步驟四中，利用可測的信息φ_u(t)和可計算出的信息構造輔助模型為：

7.根據權利要求6所述的機械傳動系統非線性三明治模型輔助模型多新息隨機梯度在線辨識方法，其特征在于：在步驟五中，采用動態批量觀測數據，構造動態數據窗，建立堆棧動態窗為：Y(p，t)：＝[y(t)，y(t-1)，…，y(t-p+1)]^T.

構建批量信息矩陣為：

構造多新息為：