系統(tǒng)辨識(shí)若干問(wèn)題的研究.pdf

1、非線性系統(tǒng)、閉環(huán)系統(tǒng)、多變量系統(tǒng)、結(jié)構(gòu)辨識(shí)是系統(tǒng)辨識(shí)中的熱點(diǎn)和難點(diǎn)。對(duì)于非線性系統(tǒng)來(lái)說(shuō)，用線性模型來(lái)擬合復(fù)雜非線性系統(tǒng)時(shí)會(huì)出現(xiàn)較大誤差，而且也很難找到一個(gè)能夠準(zhǔn)確描述系統(tǒng)實(shí)際過(guò)程的動(dòng)態(tài)模型;對(duì)于閉環(huán)系統(tǒng)來(lái)說(shuō)，由于反饋?zhàn)饔玫拇嬖?，輸入輸出信息含量減少，并且由于輸入與輸出噪聲相關(guān)，系統(tǒng)會(huì)產(chǎn)生不可辨識(shí)的情況;多變量系統(tǒng)由于變量多、結(jié)構(gòu)復(fù)雜、強(qiáng)耦合等因素，傳統(tǒng)辨識(shí)方法會(huì)出現(xiàn)辨識(shí)誤差過(guò)大甚至是無(wú)法辨識(shí)的情況;通常的系統(tǒng)結(jié)構(gòu)辨識(shí)方法往往是專(zhuān)門(mén)針對(duì)特

2、定一類(lèi)系統(tǒng)的，不具有通用性。本文針對(duì)以上問(wèn)題開(kāi)展研究，包括以下方面:
　　1.針對(duì)傳統(tǒng)的辨識(shí)算法在外界有色噪聲地干擾下，難以得到模型參數(shù)的一致無(wú)偏估計(jì)，本文提出了一種基于HPSO的單變量線性及非線性系統(tǒng)辨識(shí)方法。該方法將非線性系統(tǒng)的辨識(shí)問(wèn)題轉(zhuǎn)化為參數(shù)空間上的優(yōu)化問(wèn)題，然后利用HPSO對(duì)整個(gè)參數(shù)空間進(jìn)行搜索，最終得到系統(tǒng)參數(shù)的最優(yōu)估計(jì)。HPSO算法引入了健康度的概念，構(gòu)造了一種粒子自我治愈模型，通過(guò)動(dòng)態(tài)監(jiān)控粒子的健康情況，有針對(duì)性地

3、對(duì)生病粒子進(jìn)行變異，達(dá)到粒子自我治愈的目的。辨識(shí)方法針對(duì)單變量線性及非線性系統(tǒng)辨識(shí)時(shí)都能夠得到準(zhǔn)確的辨識(shí)結(jié)果。
　　2.相對(duì)于辨識(shí)系統(tǒng)模型的參數(shù)，辨識(shí)系統(tǒng)模型的結(jié)構(gòu)要困難許多，而要實(shí)現(xiàn)對(duì)系統(tǒng)模型參數(shù)和結(jié)構(gòu)的同時(shí)辨識(shí)更是難上加難。為此，本文提出了一種單變量及多變量系統(tǒng)結(jié)構(gòu)與參數(shù)的一次性統(tǒng)一辨識(shí)新方法，能夠?qū)崿F(xiàn)同時(shí)對(duì)系統(tǒng)模型的參數(shù)和結(jié)構(gòu)進(jìn)行辨識(shí)的目的。該方法引入?yún)f(xié)同優(yōu)化算法辨識(shí)系統(tǒng)參數(shù)，既有準(zhǔn)確高效的全局搜索能力，又有快速精準(zhǔn)的局部搜

4、索能力，能夠?qū)δＰ蛥?shù)做出準(zhǔn)確地估計(jì)。對(duì)系統(tǒng)結(jié)構(gòu)地辨識(shí)則采用元模型擬合的策略，通過(guò)元模型與輸入變量的排列組合，構(gòu)成很多的子模型，我們只需要從這些子模型中選取能夠與實(shí)際系統(tǒng)擬合最佳的子模型即可。這樣，我們就將結(jié)構(gòu)辨識(shí)轉(zhuǎn)化為模型優(yōu)化的問(wèn)題，為辨識(shí)系統(tǒng)結(jié)構(gòu)的問(wèn)題提供了一種新思路。
　　3.由于群智能優(yōu)化算法本身就是一種隨機(jī)搜索優(yōu)化算法，當(dāng)利用群智能優(yōu)化算法進(jìn)行系統(tǒng)辨識(shí)時(shí)，模型參數(shù)的初始化過(guò)程就是一個(gè)隨機(jī)過(guò)程，這就導(dǎo)致了算法在搜索過(guò)程中具

5、有一定的盲目性。為此，本文提出了一種縮小模型參數(shù)搜索范圍的新方法并用于閉環(huán)系統(tǒng)的辨識(shí)。該方法將傳統(tǒng)的遺傳算法進(jìn)行了改進(jìn)，并利用該算法估計(jì)出模型參數(shù)的初值的大致鄰域范圍，將系統(tǒng)模型的參數(shù)初值縮小到一個(gè)較小的區(qū)間中，使得算法對(duì)模型參數(shù)進(jìn)行辨識(shí)的時(shí)候能夠有的放矢，不會(huì)盲目進(jìn)行搜索。這樣，不僅提高了算法的精度和收斂速度，還能夠有效降低由于算法隨機(jī)性所帶來(lái)的諸多不利影響。
　　4.針對(duì)傳統(tǒng)的閉環(huán)辨識(shí)算法對(duì)信號(hào)的要求較高，而在實(shí)際的工業(yè)現(xiàn)場(chǎng)中

6、高質(zhì)量的信號(hào)往往是可遇不可求的，我們提出了一種基于任意測(cè)試信號(hào)的時(shí)滯多變量系統(tǒng)的閉環(huán)辨識(shí)方法。該方法首先基于等效開(kāi)環(huán)轉(zhuǎn)換的思想，將閉環(huán)系統(tǒng)等效轉(zhuǎn)化為開(kāi)環(huán)系統(tǒng)。我們假設(shè)r(t)和y(t)分別為系統(tǒng)的輸入和輸出，則閉環(huán)系統(tǒng)的傳遞函數(shù)為:Y/R=GcGs/（1+GcGs）?；陂_(kāi)環(huán)辨識(shí)的思想，我們將e(t)=r(t)-y(t)作為系統(tǒng)地輸入，這樣系統(tǒng)的傳遞函數(shù)就變?yōu)?Y/E=GcGs，相當(dāng)于將閉環(huán)系統(tǒng)等效轉(zhuǎn)化為開(kāi)環(huán)系統(tǒng)，這樣就將閉環(huán)系統(tǒng)辨識(shí)的