[發明專利]基于梯度迭代算法的分數階流體控制閥系統參數辨識方法

在審

• 申請號: 202210851565.5
• 申請日: 2022-07-19
• 公開（公告）號: CN115857322A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 李俊紅;張泓睿;顧菊平;華亮;嚴俊;肖康;蔣一哲;白貴祥
• 申請（專利權）人: 南通大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 張俊俊

本發明提供了一種基于梯度迭代算法的分數階流體控制閥系統參數辨識方法，屬于流體控制閥系統辨識技術領域，解決了分數階流體控制閥系統參數辨識精度不高的問題。其技術方案為：一種基于梯度迭代算法的分數階流體控制閥系統辨識方法，包括以下步驟：步驟1)建立分數階流體控制閥系統Wiener非線性模型；步驟2)構建梯度迭代算法的辨識流程。本發明的有益效果為：本發明提出的梯度迭代算法有較快的收斂速度和較高的收斂精度，能較好的適用于對分數階流體控制閥系統的建模和參數辨識。

技術領域

本發明涉及流體控制閥系統辨識技術領域，尤其涉及基于梯度迭代算法的分數階流體控制閥系統參數辨識方法。

背景技術

隨著科學技術的飛速發展，工業過程勢必會對實際生產過程的控制提出更嚴格更迫切的要求。為了滿足這種控制要求，達到更好的控制效果，就必須對實際生產過程建立準確且有效的數學模型。而實際生產過程幾乎都要涉及到對氣體或液體的控制，因此流體控制閥在控制系統中是必不可少的，它是組成工業自動化系統的重要環節。流體控制閥是用于對流體流動狀態(壓力、流量、截止/導通)進行控制的機械裝置，由于流體控制閥的非線性流量特性，針對它的建模就成為生產控制的重難點。為了更好地對生產過程進行分析和預測，需要為流體控制閥建立準確的系統模型，同時辨識所建立模型的參數。為此，研究者們也提出了不同的辨識方法，如：隨機梯度算法、牛頓迭代算法和粒子群算法等。

隨機梯度算法在參數辨識中存在收斂速度慢且辨識精度低的問題；牛頓迭代算法是一種迭代算法，每一步都需要求解目標函數的Hessian矩陣的逆矩陣，計算復雜且占用內存較大；作為群智能算法的粒子群算法雖然可以較好地應用在不同工況，但是遺傳算子的選擇有時比較麻煩，存在辨識精度不高的問題。

如何解決上述技術問題為本發明面臨的課題。

發明內容

本發明的目的在于提供一種基于梯度迭代算法的分數階流體控制閥系統參數辨識方法，它有較快的收斂速度和較高的收斂精度，能較好地適用于對分數階流體控制閥系統的建模和參數辨識。

本發明是通過如下措施實現的：基于梯度迭代算法的分數階流體控制閥系統參數辨識方法，具體包括以下步驟：

步驟1)建立分數階流體控制閥系統的輸入輸出數學模型。

步驟2)構建梯度迭代算法的辨識流程。

作為本發明提供的基于梯度迭代算法的分數階流體控制閥系統參數辨識方法進一步優化方案，所述步驟1)的具體建模步驟如下：

(1-1)構建一個分數階流體控制閥系統Wiener非線性模型的結構。

(1-2)根據此模型，構建出分數階流體控制閥系統Wiener非線性模型表達式如下：

e(t)＝D(z)v(t), (3)

y(t)＝x(t)+e(t), (4)

上述公式中各符號的含義：u(t)是模型輸入信號，y(t)是模型輸出信號，v(t)是一個均值為0、方差為σ²且滿足高斯分布的白噪聲，中間變量u(t)，x(t)和e(t)是中間不可測量的信號，z^-1是單位延遲符號：z^-1y(t)＝y(t-1)，A(z)，B(z)和D(z)是常數多項式，具有以下定義：