基于广义时变系统的多新息遗忘因子扩展随机梯度算法技术方案

在实际工程应用中，参数变化现象在被控系统中很常见。广义时变系统的参数随扰动的可测性而变化。扰动可以是设备温度系统的负荷，也可以是PH控制系统中酸的流量，当然也可能包含输入或输出等变量。本发明专利技术公开了一种基于广义时变系统的参数估计方法，以广义时变系统为基础，给出对应的辨识模型，包括构建出广义时变拓展随机梯度算法，以及通过使用多新息理论将单新息扩展到新息向量，构建出基于遗忘因子的多新息扩展随机梯度算法等步骤。本发明专利技术方法简便、可靠，可以应用于化学反应器的PH控制系统中的参数辨识。中的参数辨识。

【技术实现步骤摘要】
基于广义时变系统的多新息遗忘因子扩展随机梯度算法


[0001]本专利技术涉及一种基于广义时变系统的多新息遗忘因子扩展随机梯度算法。

技术介绍

[0002]在实际工程应用中，参数变化现象在被控系统中很常见。航天、机械、运输等工程领域的许多问题都需要考虑系统的时变特性。因此，近年来，对这些时变系统辨识问题的研究越来越受到控制界的关注，成为广泛讨论的热点问题之一。广义时变系统的参数随扰动的可测性而变化。扰动可以是设备温度系统的负荷，也可以是PH控制系统中酸的流量，当然也可能包含输入或输出等变量。
[0003]在制药、生物技术、废水处理、石油化工、肥皂制造和配方生产中需要精确控制PH值。PH中和过程的控制是化工生产中一个具有挑战性的问题。这是因为酸碱中和过程在浓度和流速方面表现出严重的非线性和时变性，以及中和过程的时间滞后。为了提高参数估计的收敛速度和精度，本文将使用多新息遗忘因子拓展随机梯度算法进行参数估计。本专利技术以广义时变系统为基础，给出对应的辨识模型，通过在拓展随机梯度算法中引入遗忘因子，使用多新息理论将单新息扩展到新息向量，旨在用一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明旨在用一种多新息遗忘因子拓展随机梯度算法对广义时变系统参数进行辨识。其特征在于，首先要构建广义时变系统的辨识模型。第一步：构建广义时变系统模型结构如附图1下所示。第二步：根据此系统，构建广义时变的输入和输出关系表达式如下：A(z,t)y(t)＝B(z,t)u(t)+D(z,t)v(t).上述公式中各符号的含义：u(t)是系统的输入，y(t)是系统的输出，v(t)是一个均值为零、方差为σ2的随机白噪声，A(z,t)，B(z,t)和D(z,t)是单位后移算子[z
‑1y(t)＝y(t
‑
1),zy(t)＝y(t+1)]中的多项式，定义为:(t)＝y(t+1)]中的多项式，定义为:(t)＝y(t+1)]中的多项式，定义为:第三步：构建离散化模型方程表达式如下：第四步：构建时变系统的辨识模型：第五步：构建广义时变模型方程表达式如下：第五步：构建广义时变模型方程表达式如下：第六步：得到广义时变的辨识模型为：θ(t)＝Θψ(t),2.如权利要求1所述的辨识算法，设计出多新息遗忘因子拓展随机梯度算法流程：第一步：启动辨识算法；第二步，设置初始值；第三步：获取输入数据u(t)和输出数据y(t)以及可测干扰向量ψ(t)，；第四步：构建和第五步：构建Y(p,t)和第六步：构建E(p,t)；第七步：计算第八步：更新第九步：若t＝L，得到结束流程；否则，令t＝t+1，返回第三步。其中各变量的定义如下：定义p为新息长度；定义u(t)为输入量，y(t)为输出量，和为信息向量，ψ(t)为可测干扰向量；
定义为信息向量和Φ(p,t)为信息矩阵；定义E(p,t)为新息向量；定义colΘ(t)为参数向量；定义θ为参数向量；定义为Θ第t次递推的估计值；为E(p,t)第t次递推的估计值。根据权利要...

【专利技术属性】
技术研发人员：籍艳，刘健，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：