【技术实现步骤摘要】
复杂重尾噪声影响下多变量Hammerstein模型的辨识方法
本专利技术公开了一种复杂重尾噪声影响下多变量Hammerstein模型的辨识方法,属于工业过程模型辨识领域。
技术介绍
非线性系统在工业过程中是广泛存在的,由于非线性本身特有的复杂性,导致对于非线性系统辨识研究方面有很大的不足,因此对于以系统辨识为基础的现代控制论来说,有很大的发展限制。Hammerstein模型是一种由一个静态非线性模块和一个动态线性模块串联构成的典型的模块化非线性系统模型,由于其结构简单,且能表征一大类实际非线性系统,如PH中和反应、挖掘臂伺服系统、增压锅炉等工程应用领域,引起了很多学者的关注。然而对于Hammerstein模型辨识方面的研究,目前多数集中在单变量系统,且噪声模型为白噪声或由白噪声产生的有色噪声的研究上。对于多变量Hammerstein模型,以及近年来普遍报道的重尾噪声(即一类包含有离群点的噪声模型)影响下的模型研究,还比较少见。尤其是目前多数的方法所对应的系统均是在白噪声假设下的系统辨识问题。因此,对于在重尾噪声影响下的多变量Hammerstein模型的辨识问题的研究,刻不容缓。
技术实现思路
为了解决上述现有技术中的不足,本专利技术研究的对象为重尾噪声影响下的多变量Hammerstein模型,其数学表达为:xr(k)=Fr(u(k)),r=1,2,…,m其中u(k)=[u1(k),u2(k),…,um(k)]Ty(k)=[y1(k),y2(k),…,yn(k)]Tx(k)=[x1(k),x2(k),…,xm(k)]Tε(k)=[ε1(k),ε2(k),…,εm ...
【技术保护点】
一种复杂重尾噪声影响下多变量Hammerstein模型的辨识方法,其特征在于,包括以下步骤,S1、产生辨识系统所用的测试激励信号,并将所产生的测试激励信号施加在待辨识的工业过程中;S2、采集工业过程对施加的测试激励信号产生的响应信号,也即系统的输出;S3、根据输入与输出数据之间的关系,待辨识工业过程的模型结构,利用GMDA‑RBF方法辨识多变量非线性系统的模型参数;S4、将步骤S3中获得的模型参数,代入到Hammerstein模型结构中,得到工业过程模型;S5、向S4得到的工业过程模型施加测试信号,验证所得模型是否符合模型辨识要求。
【技术特征摘要】
1.一种复杂重尾噪声影响下多变量Hammerstein模型的辨识方法,其特征在于,包括以下步骤,S1、产生辨识系统所用的测试激励信号,并将所产生的测试激励信号施加在待辨识的工业过程中;S2、采集工业过程对施加的测试激励信号产生的响应信号,也即系统的输出;S3、根据输入与输出数据之间的关系,待辨识工业过程的模型结构,利用GMDA-RBF方法辨识多变量非线性系统的模型参数;S4、将步骤S3中获得的模型参数,代入到Hammerstein模型结构中,得到工业过程模型;S5、向S4得到的工业过程模型施加测试信号,验证所得模型是否符合模型辨识要求。2.根据权利要求1所述的复杂重尾噪声影响下多变量Hammerstein模型的辨识方法,其特征在于,所述S1中所提到的激励信号,在这里采用的是M序列。3.根据权利要求1所述的复杂重尾噪声影响下多变量Hammerstein模型的辨识方法,其特征在于,所述的重尾噪声影响下的多变量Hammerstein模型,其数学表达为:xr(k)=Fr(u(k)),r=1,2,...,m其中u(k)=[ui(k),u2(k),...,um(k)]Ty(k)=[y1(k),y2(k),...,yn(k)]Tx(k)=[x1(k),x2(k),...,xm(k)]Tε(k)=[ε1(k),ε2(k),...,εm(k)]Tu(k)和y(k)分别为系统在k时刻的输入和输出,x(k)为非线性部分的输出向量Fr(u(k))(r=1,2,...,m)是Hammerstein模型的静态非线性部分,Ai∈Rn×n和Bj∈Rn×m是Hammerstein模型的静态线性部分的参数矩阵。ε(k)表示可由确定分布函数描述的重尾噪声向量。目的是辨识线性部分的参数矩阵Ai∈Rn×n和Bj∈Rn×m,同时训练RBF神经网络。4.根据权利要求1所述的复杂重尾噪声影响下多变量Hammerstein模型的辨识方法,其特征在于,S3的步骤为:S301、替换标准布谷鸟算法(CS)的种群更新方式,列维飞行,利用混合高斯分布产生的产生随机行走,替代列维飞行,产生新的种群,具体操作如下:标准布谷鸟算法(CS)的种群更新方式如下:其中,是当前时刻的个体值,是下一时刻的个体值,θ>0是步长,代表矩阵元素乘法,列维飞行实际上是一种随机行走,它的步长是由列维分布产生:Lévy~u=t-λ,(1<λ≤3)利用二项高斯混合分布:其中是高斯分布,其均值和方差分别为μi=0和表示脉冲组成部分,均值和方差分别为μi和其中ki>>1,脉冲发生的概率为αi,替换列维分布更新种群,如下:S302、利用混合高斯分布产生的随机序列,初始化布谷鸟算法的种群、对超出边界的值进行优化、调节步长,具体做法如下:首先通过二项高斯混合分布,产生随机数,长度与算法的种群大小相同为N,序列可以...
【专利技术属性】
技术研发人员:靳其兵,王贺贺,蒋北艳,周星,
申请(专利权)人:北京化工大学,北京国控天成科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。