【技术实现步骤摘要】
本申请属于电液伺服建模，具体涉及基于极大似然lm和粒子群的电液伺服模型的参数估计方法。
技术介绍
1、近年来，鉴于电液伺服系统具有功率大、反应快、重量轻、尺寸小和负载能力强等优点，使得电液伺服系统得到迅速广泛的应用。例如，现代飞机的操纵系统大都采用了液压伺服控制。其他行业如国防工业、民用工业，液压伺服控制也逐渐得到广泛的重视。另外，机器人技术也大量采用了液压控制。
2、反馈非线性系统是经典的块结构非线性系统，由正向通路子模块和反馈通路子模块组成，系统模型可以准确地逼近一些物理、生物和化学过程中的非线性动力学。电液伺服位置反馈非线性系统(ehsp)主要由放大器、电液伺服阀、液压缸和位置传感器组成。与其它的控制系统相比较，电液伺服系统具有自身的特点，其表现在：非线性电液伺服系统中液压油的层流和紊流、管道的几何形状和结构、伺服阀零位附近的不灵敏性和最大开口附近的流量饱和特性、伺服阀流量方程的非线性，如温漂、滞环以及系统中的摩擦力都存在着高度的非线性。负载干扰如轧机液压压下系统中轧机入口板材厚度、不均匀的材料和温度使系统的轧制力产生非线性变化，另外大部分轧件本身就是非线性弹性体。因此近代开展的电液伺服系统的非线性控制研究都是针对电液伺服系统中普遍存在的非线性、参数变化、外负载干扰和交叉干扰而开展的。这对推动近代电液伺服系统的发展和应用以及建立近代电液伺服系统控制理论完整体系具有重要的指导意义。
3、递阶辨识是在模型分解的基础上发展起来的一种方法，可以用来解决复杂结构、高维、大规模模型的辨识问题。其核心是将辨识模型
4、在系统辨识方法中，基于概率论的估计方法――极大似然(ml)辨识是一种有效的方法。其思想是根据观测数据和待辨识的未知参数作为自变量构造似然函数，并通过最大化似然函数来获得参数估计。例如，论文maximum likelihood identification ofstablelinear dynamical systems基于模型稳定性约束，对线性时不变状态空间模型的ml辨识问题展开了研究；论文errors-in-variables identification using maximum likelihoodestimation in the frequency domain提出了对变量误差系统的频域ml估计方法。对比上述文献，所讨论的ml方法大多是针对线性系统的，忽略了实际工业系统中的非线性环节。其中，levenberg-marquardt(lm)方法结合了最速下降法和gauss-newton算法，具有这两种算法的优点并且性能更好。无论是在数学建模领域还是实际工业中，lm都是一种有效的优化方法。所以，基于极大似然的lm方法可以有效地解决反馈非线性系统的辨识问题。
5、粒子群优化(pso)作为一种全局随机算法，源于鸟类种群的捕食行为。与其他优化方法相比，pso方法具有需要调整的参数少、操作简单、并行搜索能力强、收敛速度快等特点。pso算法最近在非线性系统辨识中得到了广泛的应用，论文nonlinear systemidentificationusing clustering algorithmbased onkernelmethod andparticleswarm optimization推导出基于pso的新聚类算法，并将其应用于非线性参数估计；论文parameter identification of nonlinear dynamic systems using an improvedparticle swarm optimization结合社会情感模型和pso来辨识非线性系统中的参数。因此，本申请将pso与lm优化相结合，来实现电液伺服位置反馈非线性系统的参数估计。
技术实现思路
1、本申请提供基于递阶极大似然和粒子群的电液伺服模型参数估计方法，以解决上述的技术问题。
2、为解决上述技术问题，本申请采用的一个技术方案是：基于递阶极大似然和粒子群的电液伺服模型参数估计方法，包括以下步骤：
3、建立电液伺服位置系统模型，获取电液伺服位置反馈非线性系统辨识模型；
4、收集电液伺服位置系统的电压信号数据和位移数据分别作为输入数据以及输出数据，将电液伺服位置反馈非线性系统分解为线性的第一子系统以及非线性的第二子系统；
5、基于初始化的递阶极大似然lm和改进粒子群方法，分别对第一子系统以及第二子系统进行辨识；
6、基于输入数据以及输出数据，对第一子系统和第二子系统进行参数估计迭代优化，获取电液伺服位置反馈非线性系统的参数。
7、进一步，建立电液伺服位置系统模型，获取电液伺服位置反馈非线性系统辨识模型的方法包括：
8、基于公式(1)-(4)，构建电液伺服位置反馈非线性系统模型；其中，公式(1)-(4)为：
9、η(t)＝χ(t)+ω(t) (1)；
10、
11、
12、
13、其中，t为时间变量，γ(t)是系统输入信号，η(t)是系统输出信号，ν(t)表示具有零均值和方差为σ2的高斯分布白噪声，μ(t)、χ(t)、ω(t)是中间变量，是反馈信号。z表示单位后移运算符：z-1η(t)＝η(t-1)，a(z)、b(z)、c(z)和d(z)是常系数多项式；
14、基于公式(5)，获取反馈非线性静态子模块；其中，公式(5)为：
15、
16、其中，是输出η(t)的非线性多项式；多项式系数τj，aj，bj，cj，dj是待辨识的未知参数，并且它们的阶次nτ，na，nb，nc，nd是已知的；
17、基于公式(6)，获取电液伺服位置反馈非线性系统的无噪声输出模型；其中，公式(6)为：
18、a(z)χ(t)＝b(z)γ(t)-b(z)[h(t)τ] (6)；
19、其中，τ和h(t)分别为反馈非线性子模块的参数向量和信息向量；
20、基于公式(7)，获取电液伺服位置反馈非线性系统的无噪声输出；其中，公式(7)为：
21、
22、其中，和为输入信息向量，a和b为线性前向路径的参数向量，g(t)为反馈子模块的信息矩阵，χ(t)为无噪声输出，t代表向量或矩阵的转置；
23、基于公式(8)，获取电液伺服位置反馈非线性系统的噪声模型；其中，公式(8)为：
24、
25、其中，和θω分别为噪声子模块的信息向量和参数向量；
26、基于公式(9)，获取电液伺服位置反馈非线性模型的系统输出；其中，公式(9)为：
27、
28、其中，为电液伺服位置反馈非线性系统辨识模型的信息向量，θ为电液伺服位置反馈非线性系统辨识模型的参数向量。
29、进一步，基于公式(10)和(11)，分别获取第一子系统本文档来自技高网...
【技术保护点】
1.基于递阶极大似然和粒子群的电液伺服模型参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述建立电液伺服位置系统模型，获取电液伺服位置反馈非线性系统辨识模型的方法包括：
3.根据权利要求2所述的方法，其特征在于，基于公式(10)和(11)，分别获取第一子系统和第二子系统的准则函数；其中，所述公式(10)和(11)为：
4.根据权利要求3所述的方法，其特征在于，基于所述输入数据以及所述输出数据，对所述第一子系统和所述第二子系统进行参数估计迭代优化，获取电液伺服位置反馈非线性系统参数的方法，包括：
【技术特征摘要】
1.基于递阶极大似然和粒子群的电液伺服模型参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述建立电液伺服位置系统模型，获取电液伺服位置反馈非线性系统辨识模型的方法包括：
3.根据权利要求2所述的方法，其特征在于，基于公式(1...
【专利技术属性】
技术研发人员：宗天成，李俊红，顾菊平，陆国平，华亮，吴梅林，张泓睿，肖康，蒋泽宇，韩迅哲，
申请(专利权)人：南通大学，
类型：发明
国别省市：
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。