时滞系统子空间辨识方法研究

• 作 者: 王黎杰
• 出 处: 河南科技大学
• 发表日期: 2019年01期
• 关键词: 时滞系统 ARX模型 压缩感知 系统辨识 子空间辨识

现代工业过程日趋复杂化和大型化,对系统的控制要求也在逐渐提高,准确控制首先需要尽可能精确的过程模型。作为获取系统内部复杂过程模型的一种有效方式,系统辨识已经在工业领域得到了普遍应用。其中,子空间辨识算法由于自身具备结构简单、计算简便和良好的数值稳定性等优点,在解决系统参数辨识的问题中得到了大量应用。但对于时滞量未知的时滞系统,子空间辨识算法估计时滞参数的能力不足,需事先获得过程时滞量,才能准确辨识得到系统模型。本文以时滞量未知且区间跨度较大的时滞系统为研究对象,围绕时滞参数估计和过程模型参数辨识展开研究。针对时滞量未知的时滞系统,研究了基于自回归各态经历(auto regressive exogenous,ARX)模型的时滞量估计方法,用以得到系统的时滞参数。从理论层面阐述了该方法的辨识原理,并利用仿真实验验证了该方法的有效性。同时,研究了不同类型测试信号对辨识结果的影响情况,以及该方法所能估计的时滞量范围。最终,明确了这一方法能够准确估计的时滞量区间,并且发现利用该方法处理时滞量较大的时滞估计问题时,得到的结果会出现偏差,这一点对时滞参数估计方法的选取具有借鉴意义。针对时滞量未知且较大的时滞系统,研究了基于压缩感知(compressed sensing,CS)理论的时滞量估计方法。从理论层面说明了依据该理论进行时滞量辨识的可行性,并讲述了辨识原理,然后通过仿真验证了该方法的辨识效果,最后针对该方法所能估计的时滞量范围进行了实验研究,获知了这种方法所能准确估计的时滞量区间。该方法与基于ARX模型的时滞量估计方法在估计区间上形成互补,从而扩大了整体的时滞参数估计范围,这对处理实际系统的时滞参数估计问题具有重要意义。估计得到时滞参数后,针对系统其它模型参数的辨识问题,研究了子空间辨识算法。首先对子空间辨识算法的算法原理进行了分析说明,之后关于时滞量未知的时滞系统的参数辨识问题,给出了本文采用的完整辨识方案,最后通过仿真实验,分析了不同类型子空间辨识算法的参数辨识效果。为检验上述辨识方法在实际系统上的应用效果,设计、搭建了变容水箱液位控制系统,即典型的一阶、二阶惯性滞后系统,进行了基于运行数据的系统辨识实验。根据本文整体的辨识策略,对采集到的数据进行了系统时滞参数的估计和系统过程模型参数的辨识。实验结果表明,采用本文的时滞量估计联合子空间辩识方法能够准确得到实验系统的时滞量以及其它参数。