[发明专利]一种多变量过程模型辨识准确性评价方法

权利要求书

1.一种多变量过程模型辨识准确性评价方法，其特征在于，包括：

辨识模型总体准确性的评价子方法，通过计算相对最大误差百分数J1和相对均方差百分数J2两个指标来量化辨识模型总体准确程度；

辨识模型特征参数准确性的评价子方法，通过计算辨识模型与期望模型的增益比P1、辨识模型与期望模型的惯性时间比P2、辨识模型与期望模型的迟延时间比P3和辨识模型与期望模型的增益积P4来量化辨识模型参数的准确程度；

所述的相对最大误差百分数J1是用来衡量辨识模型的最大瞬态误差的大小，该数值越小，说明辨识模型的最大动态误差越小；

所述的相对均方差百分数J2是用来表征实际过程与辨识模型的总体贴合度，该数值越小，说明两者贴合得越紧密，辨识模型的准确性越高；

所述的辨识模型与期望模型的增益比P1、辨识模型与期望模型的惯性时间比P2、辨识模型与期望模型的迟延时间比P3的数值均是越接近于1越说明模型辨识特征参数准确性越高；所述的辨识模型与期望模型的增益积P4的数值是大于零为好，所述的辨识模型与期望模型的增益积P4的数值小于零，则说明辨识模型增益与期望模型增益的符号相反，存在着方向性偏差；

所述的相对最大误差百分数J1和相对均方差百分数J2具体计算如下：

相对最大误差百分数：

相对均方差百分数；

式(1)和式(2)中，y_j(k)是被辨识的多变量过程的第j个输出变量的辨识响应的第k次检测值，ym_j(k)是被辨识过程的数学模型在同输入下的第j个输出变量的辨识响应的第k次检测值，其中k＝1、2…N，其中N为检测次数；

所述的辨识模型与期望模型的增益比P1、辨识模型与期望模型的惯性时间比P2、辨识模型与期望模型的迟延时间比P3和辨识模型与期望模型的增益积P4具体计算过程如下：

辨识模型与期望模型的增益比：

辨识模型与期望模型的惯性时间比：

辨识模型与期望模型的迟延时间比：

辨识模型与期望模型的增益积：P4＝Km_ijKq_ij (6)

式(3)至式(6)中，Km_ij、Tm_ij、τm_ij分别为被辨识过程的第i个输入对第j个输出的辨识模型或传递函数的增益、惯性时间、迟延时间；Kq_ij、Tq_ij、τq_ij分别为被辨识过程的第i个输入对第j个输出的期望模型或传递函数的增益、惯性时间、迟延时间；

期望模型被定义为被辨识过程的最准确的数学模型，在仿真试验研究中，期望模型就是预设的数学模型，而在实际过程辨识时，期望模型将来自机理建模，具有相对的最高的准确性。