含非平穩(wěn)干擾的模型辨識(shí)及其在模型預(yù)測(cè)控制中的應(yīng)用.pdf

1、在過(guò)去的幾十年間,預(yù)測(cè)控制技術(shù)在過(guò)程工業(yè)中得到了廣泛應(yīng)用。由于模型預(yù)測(cè)控制是一種基于模型的技術(shù),所以模型的精確度是其成功應(yīng)用的關(guān)鍵。存在不可測(cè)量擾動(dòng)的系統(tǒng)的建模是一項(xiàng)復(fù)雜的任務(wù)。這些不可測(cè)擾動(dòng)的出現(xiàn)會(huì)影響模型精確度,從而使得模型預(yù)測(cè)控制下的控制性能變差。本文解決了存在不可測(cè)擾動(dòng)下的模型辨識(shí)問(wèn)題,并將方法應(yīng)用到模型預(yù)測(cè)控制技術(shù)中。具有平穩(wěn)擾動(dòng)的模型辨識(shí)問(wèn)題在已有文獻(xiàn)中已得到很好的解決,且此類方法在實(shí)際中也得到廣泛地使用。大多數(shù)模型預(yù)測(cè)控制

2、技術(shù)是基于此類模型。然而,在過(guò)程工業(yè)中,擾動(dòng)一般來(lái)說(shuō)是非平穩(wěn)的、難以建模和預(yù)測(cè)。本文提出具有非平穩(wěn)擾動(dòng)的系統(tǒng)的三階段模型辨識(shí)算法。本研究主要內(nèi)容包括：
　　⑴提出了一種擴(kuò)展Box-Jenkins(EBJ)模型。為了描述非平穩(wěn)擾動(dòng),增加了一個(gè)時(shí)變偏差項(xiàng)。此模型可同時(shí)描述具有平穩(wěn)擾動(dòng)和非平穩(wěn)擾動(dòng)的過(guò)程對(duì)象的動(dòng)態(tài)。此外,提出了針對(duì)多輸入多輸出(MIMO)系統(tǒng)的擴(kuò)展Box-Jenkins(EBJ)模型辨識(shí)方法。
　?、茷榱吮孀R(shí)提出的

3、EBJ模型,提出了一種三階段多新息遞歸最小二乘(TSMIRLS)辨識(shí)方法。將EBJ模型分解為三個(gè)子系統(tǒng),即:過(guò)程模型、平穩(wěn)干擾模型以及非平穩(wěn)干擾項(xiàng)。每一個(gè)子系統(tǒng)通過(guò)單獨(dú)的TSMIRLS辨識(shí)方法辨識(shí)。針對(duì)各子系統(tǒng)可采用不同的可調(diào)參數(shù)。由仿真結(jié)果可知,對(duì)比BJ模型,EBJ模型在參數(shù)估計(jì)方面具有更高的精度。
　?、菍?duì)提出的EBJ模型的參數(shù)還采用三階段多新息隨機(jī)梯度(TSMISG)方法辨識(shí)。由于基于RLS的算法的計(jì)算量大,當(dāng)參數(shù)的個(gè)數(shù)過(guò)大

4、時(shí),可使辨識(shí)問(wèn)題不可行。為了降低計(jì)算量,本文在三階段辨識(shí)算法中采用了隨機(jī)梯度方法。本文對(duì)此類算法的計(jì)算過(guò)程的復(fù)雜性和精確性進(jìn)行了分析和比較。
　?、然谏鲜龅娜A段模型辨識(shí)技術(shù),提出了兩種不同的模型預(yù)測(cè)控制方法。第一種方法針對(duì)具有自適應(yīng)擾動(dòng)的時(shí)不變系統(tǒng)。在此方法中,過(guò)程模型仍然固定,但擾動(dòng)模型參數(shù)是在線辨識(shí)的。將輸出誤差造成的冗余項(xiàng)用來(lái)估計(jì)不可測(cè)擾動(dòng)。根據(jù)自適應(yīng)擾動(dòng)模型,預(yù)測(cè)未來(lái)時(shí)刻擾動(dòng),且將其包含進(jìn)模型預(yù)測(cè)中以提高精確性。將算法