一种控制系统的性能维护方法技术方案

本发明专利技术公开了一种控制系统的性能维护方法

【技术实现步骤摘要】
一种控制系统的性能维护方法、装置、设备及存储介质


[0001]本专利技术涉及自动化控制
，特别涉及一种控制系统的性能维护方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]目前涉及到过程控制和系统建模时，过程模型的失配是一个重要的问题
。
过程模型是用来描述和预测真实系统行为的数学表示
。
失配是指过程模型与实际系统之间存在显著的差异或不一致性
。
过程模型的失配可以导致以下问题：
1、
控制性能下降；如果过程模型与实际系统不匹配，控制器可能无法准确地预测和响应系统的行为；这可能导致控制性能下降，无法满足所需的控制要求，如稳定性
、
鲁棒性和快速响应等
。2、
不可预测的行为；失配的模型可能无法捕捉到实际系统的所有动态特性和非线性行为；这可能导致系统出现意外的行为，无法预测和解释系统的响应
。3、
算法失效；一些控制算法需要准确的过程模型来进行设计和分析；如果模型失配，这些算法可能无法正常工作或产生不可靠的结果
。
因此，为了维持高效的过程运行，对失配的过程模型进行再次辨识是必要的
。
然而，系统辨识的实验是复杂且耗时的，进行这些实验会导致相当大的经济损失
。
如何有效的利用数据，使用更少的数据来达到可接受的建模性能是个需要去探索的问题
。
[0003]现有技术中，在少量数据的情况下所进行模型的训练又称为少样本学习，直观的一种解决策略为结合一些先验知识于建模训练中，然而其所需的先验知识在实际应用难以取得，使得现有的系统辨识方法的使用不易
。
此外，现有的系统辨识方法并不直接针对模型失配后进行再次辨识的场景，就算能获得方法中提到的各种先验知识，这些先验知识与失配模型再辨识的情况并无直接相关，无法实现模型失配后的重新辨识
。
因此，如何能够在不使用先验知识的基础上，实现过程模型失配后的重新辨识，是现今急需解决的问题
。

技术实现思路

[0004]本专利技术的目的是提供一种控制系统的性能维护方法
、
装置
、
设备及计算机可读存储介质，以在不使用先验知识的基础上，实现过程模型失配后的重新辨识
。
[0005]为解决上述技术问题，本专利技术提供一种控制系统的性能维护方法，包括：
[0006]获取控制系统的过程模型的重辨识输入数据；其中，所述重辨识输入数据包括模型失配前数据和模型失配时数据；
[0007]根据所述重辨识输入数据，构建目标型式的算法数据；其中，所述目标形式为子空间辨识算法中的矩阵和向量型式，所述算法数据包括所述模型失配前数据和所述模型失配时数据各自对应的矩阵和向量；
[0008]将所述算法数据代入到基于相似度提取的目标函数进行求解，提取得到所述模型失配前数据与所述模型失配时数据之间的共同矩阵；
[0009]根据获取的模型失配后数据和所述共同矩阵，利用子空间辨识算法计算得到所述过程模型的模型参数，以利用所述模型参数对应的过程模型使用所述控制系统的输入数据
预测得到所述控制系统的系统预测输出数据
。
[0010]在一些实施例中，所述根据所述重辨识输入数据，构建目标型式的算法数据，包括：
[0011]利用所述模型失配前数据和所述模型失配时数据各自的输入数据和输出数据，构建所述模型失配前数据和所述模型失配时数据各自的未来汉克尔矩阵和过去汉克尔矩阵；其中，所述未来汉克尔矩阵包括未来输出汉克尔矩阵和未来输入汉克尔矩阵，所述过去汉克尔矩阵包括过去输出汉克尔矩阵和过去输入汉克尔矩阵；
[0012]根据所述未来汉克尔矩阵和所述过去汉克尔矩阵，获取所述算法数据；其中，所述算法数据包括所述模型失配前数据对应的矩阵
Z
match
和向量
y
match
以及所述模型失配时数据对应的矩阵
Z
mismatch
和向量
y
mismatch
；
y
match
＝
vec(Y
f,match
)
，
y
mismatch
＝
vec(Y
f,mismatch
)
，
Y
f,match
和
Y
f,mismatch
分别为所述模型失配前数据和所述模型失配时数据各自对应的未来输出汉克尔矩阵；矩阵；
W
p,match
和
W
p,mismatch
分别为所述模型失配前数据和所述模型失配时数据各自对应的过去汉克尔矩阵，
U
f,match
和
U
f,mismatch
分别为所述模型失配前数据和所述模型失配时数据各自对应的未来输入汉克尔矩阵；
I
为单位矩阵，
I
的大小为
Nm
×
Nm
，
N
为预设的构建汉克尔矩阵的动态窗口的长度，
m
为输出变量数量；
N
0,1
为预设的0和1构造的矩阵
。
[0013]在一些实施例中，所述根据获取的模型失配后数据和所述共同矩阵，利用子空间辨识算法计算得到所述过程模型的模型参数，包括：
[0014]获取所述模型失配后数据对应的矩阵
Z
exp
和向量
y
exp
；其中，
y
exp
＝
vec(Y
f,exp
)
，
Y
f,exp
、W
p,exp
和
U
f,exp
分别为所述模型失配后数据对应的未来输出汉克尔矩阵
、
过去汉克尔矩阵和未来输入汉克尔矩阵，
N
0,1
为预设的0和1构造的矩阵；
[0015]通过计算估算参数
α
exp
；其中，
Φ
为所述共同矩阵；
α
exp
的矩阵大小为
r
·
NmJ
×1，
N
为预设的构建汉克尔矩阵的动态窗口的长度，
m
为输出变量数量，
J
为构建汉克尔矩阵的动态窗口的数量，
r≤(N2m(m+l)+Nml)
，
r
为预设个别向量数量，
l
为输入变量数量；
[0016]通过
θ
exp
＝
Φα
exp
，计算辨识参数
θ...

【技术保护点】

【技术特征摘要】
1.
一种控制系统的性能维护方法，其特征在于，包括：获取控制系统的过程模型的重辨识输入数据；其中，所述重辨识输入数据包括模型失配前数据和模型失配时数据；根据所述重辨识输入数据，构建目标型式的算法数据；其中，所述目标形式为子空间辨识算法中的矩阵和向量型式，所述算法数据包括所述模型失配前数据和所述模型失配时数据各自对应的矩阵和向量；将所述算法数据代入到基于相似度提取的目标函数进行求解，提取得到所述模型失配前数据与所述模型失配时数据之间的共同矩阵；根据获取的模型失配后数据和所述共同矩阵，利用子空间辨识算法计算得到所述过程模型的模型参数，以利用所述模型参数对应的过程模型使用所述控制系统的输入数据预测得到所述控制系统的系统预测输出数据
。2.
根据权利要求1所述的控制系统的性能维护方法，其特征在于，所述根据所述重辨识输入数据，构建目标型式的算法数据，包括：利用所述模型失配前数据和所述模型失配时数据各自的输入数据和输出数据，构建所述模型失配前数据和所述模型失配时数据各自的未来汉克尔矩阵和过去汉克尔矩阵；其中，所述未来汉克尔矩阵包括未来输出汉克尔矩阵和未来输入汉克尔矩阵，所述过去汉克尔矩阵包括过去输出汉克尔矩阵和过去输入汉克尔矩阵；根据所述未来汉克尔矩阵和所述过去汉克尔矩阵，获取所述算法数据；其中，所述算法数据包括所述模型失配前数据对应的矩阵
Z
match
和向量
y
match
以及所述模型失配时数据对应的矩阵
Z
mismatch
和向量
y
mismatch
；
y
match
＝
vec(Y
f,match
)
，
y
mismatch
＝
vec(Y
f,mismatch
)
，
Y
f,match
和
Y
f,mismatch
分别为所述模型失配前数据和所述模型失配时数据各自对应的未来输出汉克尔矩阵；矩阵；
W
p,match
和
W
p,mismatch
分别为所述模型失配前数据和所述模型失配时数据各自对应的过去汉克尔矩阵，
U
f,match
和
U
f,mismatch
分别为所述模型失配前数据和所述模型失配时数据各自对应的未来输入汉克尔矩阵；
I
为单位矩阵，
I
的大小为
Nm
×
Nm
，
N
为预设的构建汉克尔矩阵的动态窗口的长度，
m
为输出变量数量；
N
0,1
为预设的0和1构造的矩阵
。3.
根据权利要求1所述的控制系统的性能维护方法，其特征在于，所述根据获取的模型失配后数据和所述共同矩阵，利用子空间辨识算法计算得到所述过程模型的模型参数，包括：获取所述模型失配后数据对应的矩阵
Z
exp
和向量
y
exp
；其中，
y
exp
＝
vec(Y
f,exp
)
，
Y
f,exp
、W
p,exp
和
U
f,exp
分别为所述模型失配后数据对应的未来输出汉克尔矩阵
、
过去汉克尔矩阵和未来输入汉克尔矩阵，
N
0,1
为预设的0和1构造的矩阵；通过计算估算参数
α
exp
；其中，
Φ
为所述共同矩阵；
α
exp
的矩阵大小为
r
·
NmJ
×1，
N
为预设的构建汉克尔矩阵的动态窗口的长度，
m
为输出变量数量，
J
为构建汉克尔矩阵的动态窗口的数量，
r≤(N2m(m+l)+Nml)
，
r
为预设个别向量数量，
l
为输入变量数量；通过
θ
exp
＝
Φα
exp
，计算辨识参数
θ
exp
；
θ
exp
的矩阵大小为
(N2m(m+l)+Nml)
·
NmJ
；
根据所述辨识参数
θ
exp
中的参数
l
u
，构建目标汉克尔矩阵
H
；其中，至分别为状态空间模型参数描述；对所述目标汉克尔矩阵
H
进行奇异值分解，得到奇异值分解结果；其中，
H
＝
USV
T
...

【专利技术属性】
技术研发人员：侯卫锋，古绍武，张志铭，叶建位，
申请(专利权)人：浙江中智达科技有限公司，
类型：发明
国别省市：