非均勻采樣數(shù)據(jù)非線性系統(tǒng)辨識算法研究.pdf

1、受硬件設(shè)備限制、經(jīng)濟條件制約，以及環(huán)境因素的影響，很多流程工業(yè)（如:石油、化工、食品、醫(yī)藥等）均為非均勻采樣數(shù)據(jù)非線性系統(tǒng)。該系統(tǒng)的輸入刷新和/或輸出采樣呈現(xiàn)不等時間間隔，傳統(tǒng)辨識方法和控制理論僅適用于單率采樣數(shù)據(jù)系統(tǒng)，難以實現(xiàn)此類系統(tǒng)的辨識與控制。
　　本文在國家自然科學(xué)基金項目(61273142)和江蘇省研究生科研創(chuàng)新計劃基金項目(CXLX12_0648)的支持下，以非均勻采樣數(shù)據(jù)非線性系統(tǒng)為研究對象，分別探討具有已知基的非線

2、性、硬非線性，一般非線性系統(tǒng)的辨識問題，以及辨識方法在軟測量建模中的應(yīng)用。論文的主要工作內(nèi)容包括以下幾個方面:
　　針對一類具有已知基函數(shù)的非均勻采樣數(shù)據(jù)Hammerstein-Wiener系統(tǒng)，提出一種遞階多新息隨機梯度算法。該算法首先利用提升技術(shù)，推導(dǎo)出描述這類系統(tǒng)的狀態(tài)空間模型，并基于因果約束關(guān)系，將該模型分解為分別包含線性動態(tài)參數(shù)及非線性靜態(tài)參數(shù)的兩個子系統(tǒng)，進而利用帶可變遺忘因子的遞階多新息隨機梯度辨識算法進行參數(shù)估計，

3、在保證辨識精度的同時，提高了算法對噪聲的抗干擾能力。此外，進一步將所提算法推廣應(yīng)用到具有已知基函數(shù)的非均勻采樣數(shù)據(jù)Hammerstein/Wiener系統(tǒng)的辨識中。數(shù)值仿真驗證了本文算法的有效性。
　　針對具有死區(qū)特性的非均勻采樣數(shù)據(jù)Wiener非線性系統(tǒng)，利用關(guān)鍵項分離技術(shù)，提出了一種迭代遞推最小二乘辨識算法。首先利用提升技術(shù)，推導(dǎo)出系統(tǒng)的狀態(tài)空間模型，并借助于開關(guān)函數(shù)，得到系統(tǒng)模型的邏輯表達式。其次，將輔助模型思想與迭代方法相

4、結(jié)合，提出一種基于輔助模型的、帶可變遺忘因子的迭代遞推最小二乘算法，解決了信息向量中同時存在不可測未知變量和未知參數(shù)，導(dǎo)致系統(tǒng)參數(shù)無法直接辨識的難題，數(shù)值仿真驗證了本文算法具有較高的辨識精度與較低的計算量。
　　針對結(jié)構(gòu)未知的非均勻采樣數(shù)據(jù)非線性系統(tǒng)，提出了基于模糊c均值聚類的多模型遞推最小二乘辨識算法。首先，基于分解-合成思想，將系統(tǒng)描述為一種模型切換系統(tǒng)。其次，在給定局部模型個數(shù)的前提下，利用模糊c均值聚類算法確定切換規(guī)則及各

5、局部模型數(shù)據(jù)集，進而將問題轉(zhuǎn)化為局部非均勻采樣數(shù)據(jù)線性系統(tǒng)的辨識。再利用遞推最小二乘算法估計出各局部模型參數(shù)。最后以分段線性系統(tǒng)與pH中和反應(yīng)機理模型為例驗證了所提算法的有效性。
　　針對一個實際的非均勻采樣數(shù)據(jù)非線性系統(tǒng)———PX氧化副反應(yīng)，基于模糊c均值聚類算法，建立了反應(yīng)尾氣中CO2含量的軟測量模型。首先，采集實驗室分析數(shù)據(jù)，并對其進行歸一化及相關(guān)分析，確定模型的輸入、輸出變量;其次，利用模糊c均值聚類算法，確定系統(tǒng)模型結(jié)構(gòu)