一种多变量系统模型辨识方法技术方案

本发明专利技术提供一种多变量系统模型辨识方法，针对工程应用中多变量系统不易辩识的问题，对具有M个输入的多变量系统，把这M组不相关激励条件下的辨识数据汇总到一起，设多变量系统的传递函数矩阵G(s)，采用粒子群优化算法对选定的多变量系统结构模型进行模型辩识，求解传递函数矩阵G(s)的参数，得到传递函数矩阵G(s)，最终得到一个拟合的最好的所测系统的等价模型。经验证，该辨识方法简单易行、辩识精度高，有工程应用价值。

A model identification method for Multivariable Systems

【技术实现步骤摘要】
一种多变量系统模型辨识方法
本专利技术属于控制科学与工程领域，涉及一种多变量系统模型辨识方法。
技术介绍
随着科学技术和社会经济的发展，现代工业设备日趋大型化、复杂化，由众多环节组成的生产过程普遍存在着环节间的耦合和关联。这种耦合和关联表现为系统的某一个输入变量会同时影响多个输出变量，或某一个输出变量将受到多个输入变量的影响。这种耦合和关联已成为影响多变量系统建模与多变量系统控制的关键困难因素。目前实际多变量系统辨识工程实施中，常用的还是只用一组数据进行辨识的单变量辨识方法。因为多变量系统的多个输入量并非都是人为可控的，对于多变量系统辨识只用单变量辨识方法的结果必然是失败多于成功，且辨识精度难以提高。此外，人为可控的输入量的数量常常是多变量系统输入量总数中的少数，这意味着所能记录到的辨识数据大多是多变量激励响应数据，多变量激励信号不同于单变量激励信号，所观察得到的多变量激励信号对于系统模型辨识是否有效，需要在辨识计算前加以判别。
技术实现思路
为解决上述问题，针对多变量系统不易辩识的问题，本专利技术提出了一种在工程应用中行之有效的辩识方法，采用了如下技术方案：本专利技术提供一种多变量系统模型辨识方法，其特征在于，包括如下步骤：步骤S1，定义多变量系统的M维输入向量为U(s)、Q维输出向量Y(s)，设多变量系统的传递函数矩阵G(s)，得到输入输出关系式Y(s)＝G(s)U(s)，对多变量系统进行模型辩识就是确定传递函数矩阵G(s)；步骤S2，对M组在不相关的激励下多变量系统的输入向量和输出向量的数据组，用智能优化算法求解传递函数矩阵G(s)的参数，得到传递函数矩阵G(s)，其中智能优化算法包括粒子群优化算法、差分进化算法、布谷鸟算法。其中，步骤S2中，所述用智能优化算法求解传递函数矩阵G(s)的参数的过程包括如下步骤：步骤T1，把智能优化算法对应的仿真程序作为辨识程序，并初始化。步骤T2，针对传递函数矩阵G(s)，通过仿真计算得到同激励输入下的响应数据其中，N为采样数据总数。步骤T3，计算最优化性能指标函数式：步骤T4，采用辨识程序，调整模型参数为：{ai,j,k,i＝1,2,…,M；j＝1,2,…,Q；k＝1,2,…,nij}{bi,j,k,i＝1,2,…,M；j＝1,2,…,Q；k＝1,2,…,mij}其中，nij为传递函数的分母阶次，mij为传递函数的分子阶次。步骤T5，重复T2至T4步骤直至达到预设计算次数。步骤T6，输出调整后的模型参数，得到传递函数矩阵G(s)。进一步地本专利技术提供的一种多变量系统模型辨识方法中，步骤S1包括如下步骤：步骤S1.1，设多变量系统的输入量为M维，定义多变量系统的输入向量为U(s)＝[U1(s)U2(s)…UM(s)]T，Ui(s)(i＝1,2,…,M)是多变量系统的第i个输入，设多变量系统的输出量为Q维，定义多变量系统的输出向量为Y(s)＝[Y1(s)Y2(s)…YQ(s)]T，Yj(s)(j＝1,2,…,Q)是多变量系统的第j个输出；步骤S1.2，设多变量系统的传递函数矩阵为G(s)，得到多变量系统的输入输出关系为：Y(s)＝G(s)U(s)其中，G(s)为多变量系统的传递函数矩阵，展开为：对多变量系统进行模型辩识即为确定传递函数矩阵G(s)。进一步地本专利技术提供的一种多变量系统模型辨识方法中，步骤S2包括如下步骤：步骤S2.1，挑选M组在不相关的激励下多变量系统的输入向量和输出向量的数据组，假设采样时间为Ts，采样数据总数为N，可得采集到数据组为：{ui,j,k,i＝1,2,…,M；j＝1,2,…,Q；k＝1,2,…,N}{yi,j,k,i＝1,2,…,M；j＝1,2,…,Q；k＝1,2,…,N}步骤S2.2，把采集到的M组在不相关的激励下多变量系统的输入向量和输出向量的数据组作为待辨识数据，采用智能优化算法求解传递函数矩阵G(s)的参数，得到传递函数矩阵G(s)。专利技术作用与效果根据本专利技术提供的一种工程应用行之有效的多变量系统模型辩识的实用方法，针对多变量系统不易辩识的问题，对具有M个输入的多变量系统，把这M组不相关激励条件下的辨识数据汇总到一起，采用智能优化算法对选定的多变量系统结构模型进行模型辩识，从而得到一个拟合的最好的所测系统的等价模型。经验证，该辨识方法简单易行、辩识精度高，有工程应用价值。附图说明图1是本专利技术实施例的多变量系统模型的传递函数矩阵示意图；图2是本专利技术实施例的低温再热器系统模型；图3a)是本专利技术实施例的集散型控制系统数据库2015年3月31日10:00-11:23的现场运行数据，即运行数据1；图3b)是本专利技术实施例的集散型控制系统数据库2015年3月31日15:30-16:53的现场运行数据，即运行数据2；图3c)是本专利技术实施例的集散型控制系统数据库2015年3月31日22:10-23:33的现场运行数据，即运行数据3；图3d)是本专利技术实施例的集散型控制系统数据库2016年4月1日07:00-08:23的现场运行数据，即运行数据4；图4是本专利技术实施例中对于运行数据1～3用本专利技术的多变量系统辨识方法进行辨识的结果；图5是本专利技术实施例中对于运行数据1用单变量辨识方法进行辨识的结果；图6是本专利技术实施例中对于运行数据4用本专利技术的多变量系统辨识方法进行辨识的模型验证；图7是本专利技术实施例中对于运行数据4用单变量辨识方法进行辨识的模型验证。具体实施方式以下结合附图及实施例来说明本专利技术的具体实施方式<实施例>图2是本专利技术实施例的低温再热器系统模型。以某电厂660MW直流锅炉为实施例对象，其结构图如图2所示。将再热气温模型分为入口温度T1、给水流量D和挡板开度F的3个传递函数通道进行系统辨识，输出为低温再热器的出口温度T2。根据集散型控制系统数据库保存的几天的现场运行数据，筛选出四段历史数据，如图所示，3a)为2015年3月31日10:00-11:23的现场运行数据，3b)为2015年3月31日15:30-16:53的现场运行数据，3c)为2015年3月31日22:10-23:33的现场运行数据，3d)为2016年4月1日07:00-08:23的现场运行数据。采样周期为5s，采样时长为5000s。其中：T2为低温再热器的出口温度，T1为低温再热器的入口温度；D为给水流量；F为烟道挡板开度。图3a)是本专利技术实施例的集散型控制系统数据库2015年3月31日10:00-11:23的现场运行数据，即运行数据1。图3b)是本专利技术实施例的集散型控制系统数据库2015年3月31日15:30-16:53的现场运行数据，即运行数据2。图3c)是本专利技术实施例的集散型控制系统数据库2015年3月3本文档来自技高网...

【技术保护点】
1.一种多变量系统模型辨识方法用于对多变量系统进行模型辩识，其特征在于，包含如下步骤：/n步骤S1，定义所述多变量系统的M维输入向量为U(s)、Q维输出向量Y(s)，设所述多变量系统的传递函数矩阵G(s)，得到输入输出关系式Y(s)＝G(s)U(s)，对所述多变量系统进行所述模型辩识就是确定传递函数矩阵G(s)；/n步骤S2，对M组在不相关的激励下所述多变量系统的所述输入向量和输出向量的数据组，用智能优化算法求解所述传递函数矩阵G(s)的参数，得到所述传递函数矩阵G(s)。/n其中步骤S2中，所述用智能优化算法求解所述传递函数矩阵G(s)的参数的过程包括如下步骤：/n步骤T1，把所述智能优化算法对应的仿真程序作为辨识程序，并初始化；/n步骤T2，针对所述传递函数矩阵G(s)，通过仿真计算得到同激励输入下的响应数据

【技术特征摘要】
1.一种多变量系统模型辨识方法用于对多变量系统进行模型辩识，其特征在于，包含如下步骤：
步骤S1，定义所述多变量系统的M维输入向量为U(s)、Q维输出向量Y(s)，设所述多变量系统的传递函数矩阵G(s)，得到输入输出关系式Y(s)＝G(s)U(s)，对所述多变量系统进行所述模型辩识就是确定传递函数矩阵G(s)；
步骤S2，对M组在不相关的激励下所述多变量系统的所述输入向量和输出向量的数据组，用智能优化算法求解所述传递函数矩阵G(s)的参数，得到所述传递函数矩阵G(s)。
其中步骤S2中，所述用智能优化算法求解所述传递函数矩阵G(s)的参数的过程包括如下步骤：
步骤T1，把所述智能优化算法对应的仿真程序作为辨识程序，并初始化；
步骤T2，针对所述传递函数矩阵G(s)，通过仿真计算得到同激励输入下的响应数据其中，N为采样数据总数；
步骤T3，计算最优化性能指标函数式：



步骤T4，采用所述辨识程序，调整模型参数：
{ai,j,k,i＝1,2,…,M；j＝1,2,…,Q；k＝1,2,…,nij}
{bi,j,k,i＝1,2,…,M；j＝1,2,…,Q；k＝1,2,…,mij}
其中，nij为传递函数的分母阶次，mij为传递函数的分子阶次；
步骤T5，重复T2至T4步骤直至达到预设计算次数；
步骤T6，输出调整后的所述模型参数，得到所述传递函数矩阵G(s)。


2.根据权利要求1所述的多变量系统模型辨识方法，其特征在于，所述步骤S1包括如下步骤：
步骤S1.1，设所述多...

【专利技术属性】
技术研发人员：徐春梅，杨平，彭道刚，康英伟，蔡雨晴，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：上海;31