[发明专利]基于遗传算法遍历辨识的未知模型阶次确定方法

说明书

技术领域

本发明是用于确定未知模型阶次的方法，能够依靠实验数据精确地确定未知模型的阶次。主要应用在不确定系统、航空航天、机器人等技术领域。

背景技术

确定未知系统的阶次，是未知系统建模以及动态特性分析的关键步骤。以往的确定阶次的方法通常是机理分析，并采用简化和近似等手段，以得到其近似的阶次。然而对于一些复杂的系统，很难而又迫切需要准确确定其动力学模型阶次。以直升机和倾转旋翼机为例，其操纵、动力系统和工作状态甚为复杂。不仅如此，此类飞行器在其各种飞行状态中，其表面通常为紊乱且随时发生变化的流场。流场对动力学模型的影响甚大，而目前尚无有效的手段对流场的影响进行量化。因此，采用机理建模方法很难准确有效地确定模型阶次。

然而，诸如飞行器等很多未知系统具有一致性良好的频域响应特性。因此，本发明采用实验的手段，利用未知系统的频域响应数据确定其阶次。思路是采用遗传算法分别对其各种可能的阶次组合进行辨识，然后找出与频域响应数据最为接近的一个阶次组合，从而确定未知模型的阶次。本发明避免了复杂的动力学分析，完全依赖实验数据和计算机处理，并充分利用了遗传算法高效率、高精度和能对多变量同时优化的特点，从而可以完全地试探未知模型的各种阶次结组合。因此，粗略而繁杂的机理分析建模过程为本发明的遍历辨识所替代，并由计算机来全自动地完成，从而可得到真实而精确的结果。此外，与传统的阶次确定方法相比，本算法的优点是原理简单、真实准确、结果可信度高。

发明内容

本发明的目的在于提供一种用于精确地确定未知模型阶次的方法。

本发明的特征在于，含有：初始设定、递增辨识和阶次确定三个阶段，其中：初始设定阶段用于设定未知模型阶次的搜索范围，含有频域响应数据、设定模型阶次上下限和阶次初始化三个步骤；递增辨识阶段用于在设定的阶段内搜索辨识所有的模型结构，含有遗传算法辨识、记录辨识结果和阶次递增三个步骤；阶次确定阶段用于通过代价函数找出最优的模型结构，含有代价函数寻优和确定阶次组合两个步骤，其中：

通过以上三个阶段，可以在遍历未知模型的所有可能的阶次组合，通过从辨识频域响应数据的过程中，寻找最小代价函数对应的辨识模型，从而可以确定与该未知模型的阶次。

本发明的优点在于：不需对复杂的不确定模型进行繁琐的机理建模过程，而只需实验得到的频域响应数据即可由计算机完成模型阶次的确定。此外，本发明还有简单快捷、准确度高、通用性强的优点。

附图说明

图1是基于遗传算法遍历辨识的未知模型阶次确定方法的流程图。图1中通过初始设定、递增辨识和阶次确定三个阶段，即可确定未知模型的阶次。

具体实施方式

基于遗传算法遍历辨识的未知模型阶次确定方法由初始设定、递增辨识和阶次确定三个阶段组成。其中：初始设定、递增辨识和阶次确定三个阶段，其中：初始设定阶段用于设定未知模型阶次的搜索范围，含有频域响应数据、设定模型阶次上下限和阶次初始化三个步骤；递增辨识阶段用于在设定的阶段内搜索辨识所有的模型结构，含有遗传算法辨识、记录辨识结果和阶次递增三个步骤；阶次确定阶段用于通过代价函数找出最优的模型结构，含有代价函数寻优和确定阶次组合两个步骤。

在初始设定阶段的处理如下：在频域响应数据步骤，需要准备辨识实验中得到的未知模型的频域响应数据；在设定模型阶次上下限步骤，需要设定未知模型的阶次组合的下限(n，m)和上限(N，M)，且满足(n＜＝m，N＜＝M，n＜N，m＜＝M)；在阶次初始化步骤，分别将辨识模型分子和分母的阶次设定为n和m，以形成一个阶次组合的模型用于辨识。

在递增辨识阶段的处理如下：在遗传算法辨识步骤，利用遗传算法对当前阶次组合的模型进行辨识；在记录辨识结果步骤，将辨识得到的代价函数和阶次组合记录下来，用于阶次寻优；在阶次递增步骤，通过判断当前的分子分母阶次是否同时满足递增条件，以决定分子或分母阶次的递增。经过阶次递增，完成对所有可能的阶次组合进行遍历。阶次递增规则为：

如果 分子阶次＜＝分母阶次 且 分母阶次＜＝M

则 分子阶次递增；

如果 分子阶次＞分母阶次 且 分母阶次＜＝M

则 分母阶次递增 且 分子阶次置0；

如果 分母阶次＞M

则 阶次递增结束。