基于参数分离的Wiener非线性系统辨识方法技术方案

本发明专利技术公开了一种基于参数分离的Wiener非线性系统辨识方法，包括以下步骤：A、将待识别的火电厂控制系统转化为Wiener非线性系统，将待识别的火电厂控制系统的输入量进行合并；B、对Wiener非线性系统进行分析，包括系统线性动态部分结构、系统非线性静态部分结构、动态干扰类型、测量噪声；确定n

【技术实现步骤摘要】
基于参数分离的Wiener非线性系统辨识方法
本专利技术涉及工业控制
，尤其是一种基于参数分离的Wiener非线性系统辨识方法。
技术介绍
系统辨识技术是控制领域的一大分支，其目的是利用系统的输入输出数据，辨识出系统参数模型，为系统优化、系统控制等奠定基础。系统模型一般分为线性模型和非线性模型，其中非线性模型是广泛存在，针对非线性模型的辨识问题得到广大工程技术人员和学者的关注。Wiener非线性系统是最为典型的非线性系统，其结构是线性动态部分和非线性静态部分进行串联组成的。因此，Wiener非线性系统属于动态系统范畴。Wiener非线性系统能够描述大部分工业系统，在实际工业系统中还存在各种噪声的干扰。在工业系统中，由于各种原因存在着动态干扰噪声，动态干扰噪声对于系统辨识算法的的效果有很大影响，严重的会导致无法辨识出系统模型。因此，系统辨识过程中，需要将系统参数和动态干扰同时辨识出来。近些年来，系统辨识技术得到了快速发展，常用的辨识方法有极大似然、梯度下降、最小二乘、人工智能方法等，但是针对动态扰动条件下的非线性系统辨识的研究在国内本文档来自技高网...

【技术保护点】
1.一种基于参数分离的Wiener非线性系统辨识方法，其特征在于包括以下步骤：/nA、将待识别的火电厂控制系统转化为Wiener非线性系统，将待识别的火电厂控制系统的输入量进行合并；/nB、对Wiener非线性系统进行分析，包括系统线性动态部分结构、系统非线性静态部分结构、动态干扰类型、测量噪声；确定n

【技术特征摘要】
1.一种基于参数分离的Wiener非线性系统辨识方法，其特征在于包括以下步骤：
A、将待识别的火电厂控制系统转化为Wiener非线性系统，将待识别的火电厂控制系统的输入量进行合并；
B、对Wiener非线性系统进行分析，包括系统线性动态部分结构、系统非线性静态部分结构、动态干扰类型、测量噪声；确定na、nb和nc，设定初始值n＝5、δ1(0)＝1、δ2(0)＝1、k＝1，重复收集输入数据u(k)和y(k)，直至k≥na+n，k≥nb+n
C、将Wiener非线性系统时不变参数和时变参数分离；
D、对Wiener非线性系统进行辨识；
E、当辨识得到的模型不满足要求时，返回步骤A，重新调整模型结构和初始值，重新辨识，直到得到满足要求的系统模型。


2.根据权利要求1所述的基于参数分离的Wiener非线性系统辨识方法，其特征在于：步骤A中，对输入量进行合并包括以下步骤，
A1、根据输入量对于系统扰动的关联度对所有输入量进行降序排列；
A2、选取关联度最高的输入量为参考输入量，提取其它输入量中与参考输入量线性相关的特征分量；
A3、使用参考输入量与特征分量组成若干个输入量序列，每个输入量序列中参考输入量与特征分量的分布状态不同；
A4、对每个输入量序列中的特征分量进行权重赋值。


3.根据权利要求2所述的基于参数分离的Wiener非线性系统辨识方法，其特征在于：步骤B中，离散时间域的Wiener非线性模型如下，



其中，u(k)表示系统输入，D(q-1)表示线性动态部分函数，x(k)表示线性动态部分输出，S(x(k))表示非线性静态部分函数，w(k)表示系统的无噪声输出，表示动态扰动，v(k)表示系统测量噪声，类型是白噪声，y(k)表示系统输出；
系统线性动态部分为输出误差模型，









na和nb为整数表示线性环节阶次，q表示移位因子，即q-nu(k)＝u(k-n)，系统非线性静态部分为一系列基本函数的组合，






Wiener非线性系统模型的参数向量和信息向量如下，

【专利技术属性】
技术研发人员：杨晓冬，
申请(专利权)人：北华航天工业学院，
类型：发明
国别省市：河北;13